孟祥健，李秀霞*

（吉林師范大學(xué)旅游與地理科學(xué)學(xué)院，吉林·四平 136000）

基于“城市—農(nóng)村”視角城市建設(shè)用地規(guī)模預(yù)測研究以四平市為例

孟祥健，李秀霞*

（吉林師范大學(xué)旅游與地理科學(xué)學(xué)院，吉林·四平 136000）

伴隨我國城市化的進(jìn)程飛速發(fā)展，在促進(jìn)經(jīng)濟(jì)快速發(fā)展的同時(shí)，城市建設(shè)用地不斷擴(kuò)張而蠶食良田，糧食安全受到嚴(yán)重威脅。如何預(yù)測城市建設(shè)用地規(guī)模，成為學(xué)者們研究的熱點(diǎn)。城市拉力和農(nóng)村推力兩者共同合力影響城市建設(shè)用地?cái)U(kuò)張，而非單一影響因素的結(jié)果。本文把四平市作為研究對象，基于“城市—農(nóng)村”合力視角，構(gòu)建影響建設(shè)用地?cái)U(kuò)張的影響因子，用相關(guān)分析對其相關(guān)性進(jìn)行研究，采用BP神經(jīng)網(wǎng)絡(luò)做出預(yù)測，結(jié)果表明BP神經(jīng)網(wǎng)絡(luò)預(yù)測出的結(jié)果相比于灰色預(yù)測的結(jié)果預(yù)測精度更高。

建設(shè)用地；擴(kuò)張規(guī)模；預(yù)測；BP神經(jīng)網(wǎng)絡(luò)

隨著我國社會經(jīng)濟(jì)的快速發(fā)展，城市化、工業(yè)化的不斷進(jìn)步，為了滿足不斷發(fā)展的城市經(jīng)濟(jì)，城市不斷擴(kuò)張[1,2]，造成農(nóng)地資源大量減少，糧食安全問題受到威脅。因此，為保障糧食安全，維持社會穩(wěn)定，必須對城市建設(shè)用地規(guī)模進(jìn)行科學(xué)準(zhǔn)確的預(yù)測，如此才能把握城市發(fā)展的速度，及時(shí)準(zhǔn)確地了解城市化進(jìn)程，為相關(guān)政府部門及時(shí)掌握土地利用情況，科學(xué)準(zhǔn)確地制定土地總體規(guī)劃提供依據(jù)。

國內(nèi)外學(xué)者對建設(shè)用地規(guī)模預(yù)測進(jìn)行過相關(guān)研究[3～8]，我國目前城市建設(shè)用地研究已從定性向定量、從單因素向多因素、從單一方法向綜合方法轉(zhuǎn)變，這些為深入研究奠定了基礎(chǔ)。但目前缺少從“城市—農(nóng)村”合力視角，構(gòu)建影響建設(shè)用地?cái)U(kuò)張的影響因子，用相關(guān)分析、BP神經(jīng)網(wǎng)絡(luò)和灰色預(yù)測等多種綜合研究。因此筆者以四平市為例，以此進(jìn)行建設(shè)用地規(guī)模預(yù)測，以達(dá)到更為滿意的效果。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

四平市位于松遼平原中部，吉林省西南部，遼、吉、蒙三?。▍^(qū)）交界處。四平市區(qū)地理位置為東經(jīng)124°15′45″～124°34′40″，北緯42°57′15″～43°14′45″，總面積14382.33km2，總?cè)丝?28.1萬，其中市區(qū)人口58.7萬。截至2015年底，四平市全市地區(qū)生產(chǎn)總值實(shí)現(xiàn)1310億元，社會消費(fèi)品零售總額實(shí)現(xiàn)511億元，全口徑財(cái)政收入突破100億元，市本級全口徑財(cái)政收入完成56.2億元，預(yù)計(jì)完成固定資產(chǎn)投資800億元，新建續(xù)建億元以上項(xiàng)目281個(gè)、10億元以上項(xiàng)目26個(gè)，工業(yè)增加值實(shí)現(xiàn)600億元。2014年城市建設(shè)用地面積為54km2，與2005年37.6km2的相比增加了43.6%，而且為了新型城鎮(zhèn)化和新農(nóng)村建設(shè)，統(tǒng)籌城鄉(xiāng)發(fā)展，“四梨同城化”加快了四平城市的發(fā)展速度，使得城市建設(shè)用地規(guī)模不斷擴(kuò)大。

1.2 研究步驟與方法

1.2.1 研究步驟

從“城市—農(nóng)村”合力視角，構(gòu)建影響建設(shè)用地?cái)U(kuò)張的影響因子；用因子分析探討影響建設(shè)用地?cái)U(kuò)張的影響因子的相關(guān)性；用BP神經(jīng)網(wǎng)絡(luò)對建設(shè)用地規(guī)模進(jìn)行預(yù)測；用單一維度灰色模型再對建設(shè)用地規(guī)模進(jìn)行預(yù)測；比較分析。

1.2.2 研究方法

（1）二元變量相關(guān)分析的原理

二元變量相關(guān)分析是研究兩個(gè)變量之間是否存在某種聯(lián)系，對有聯(lián)系的變量討論其相關(guān)程度的一種統(tǒng)計(jì)方法。在相關(guān)關(guān)系中，當(dāng)兩個(gè)具有聯(lián)系的變量中的一個(gè)變量發(fā)生改變時(shí)，另一個(gè)也按照一定規(guī)律發(fā)生相應(yīng)變化。常用的的相關(guān)系數(shù)有：Pearson簡單相關(guān)系數(shù)、Spearman等級相關(guān)系數(shù)、Kendall秩相關(guān)系數(shù)和偏相關(guān)系數(shù)。

在使用Pearson簡單相關(guān)系數(shù)方法中，當(dāng)Person越靠近1，表明兩個(gè)變量間正相關(guān)越大；越靠近-1，表明兩個(gè)變量負(fù)相關(guān)越大。同時(shí)相關(guān)性分析顯著性檢驗(yàn)的雙尾“**”表明當(dāng)顯著水平為0.01時(shí)，顯著性檢驗(yàn)sig小于0.01時(shí)，說明兩個(gè)變量間存在顯著關(guān)系。

（2）BP神經(jīng)網(wǎng)絡(luò)的原理

BP神經(jīng)網(wǎng)絡(luò)是一種適于非線性模式識別和分類預(yù)測問題的人工神經(jīng)網(wǎng)絡(luò)，它由輸入層、隱含層和輸出層組成，結(jié)構(gòu)模型如圖1所示。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程由兩部分組成：正向傳播和反向傳播。正向傳播時(shí)，樣本由輸入層經(jīng)過隱含層逐層處理，最終傳向輸出層。每一層神經(jīng)元只影響下一層神經(jīng)元的輸出狀態(tài)。若輸出層輸出的結(jié)果與期望得到的輸出不符，則轉(zhuǎn)向反向傳播階段。將輸出的誤差沿著輸入的路徑返回，通過修改各層神經(jīng)元的權(quán)值，調(diào)整誤差大小，直到誤差達(dá)到目標(biāo)為止。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Topologic structure of BP neural network

采用BP神經(jīng)網(wǎng)絡(luò)對城市建設(shè)用地面積進(jìn)行預(yù)測，是根據(jù)其映射原理[9]。對映射樣本集合X和Y，可以假設(shè)其存在樣本F，公式為：Yi=F(X1，X2，X3......Xn)。為尋求F的最佳映射值，BP網(wǎng)絡(luò)將樣本集合的輸入、輸出轉(zhuǎn)化為非線性優(yōu)化，通過簡單的非線性函數(shù)的復(fù)合，建立一個(gè)高度的非線性映射關(guān)系，實(shí)現(xiàn)F值最優(yōu)逼近。

（3）灰色預(yù)測原理

灰色系統(tǒng)理論認(rèn)為，離散的數(shù)據(jù)總蘊(yùn)含著某種內(nèi)在規(guī)律，通過部分已知信息的生成，去開發(fā)了解與認(rèn)識整體，實(shí)現(xiàn)對系統(tǒng)運(yùn)行行為和演化規(guī)律的正確把握和描述。具體步驟如下：對原始時(shí)間序列做累加處理得到一個(gè)新序列，建立白化微分方程，構(gòu)造數(shù)據(jù)矩陣和數(shù)據(jù)向量，解白化方程得時(shí)間響應(yīng)式。

2 預(yù)測過程

2.1 基于“城市-農(nóng)村”合力視角確定影響因子

城市拉力和農(nóng)村推力兩者共同合力影響城市建設(shè)用地?cái)U(kuò)張，而非單一影響因素的結(jié)果。基于“城市-農(nóng)村”合力視角，構(gòu)建影響建設(shè)用地?cái)U(kuò)張的影響因子。根據(jù)國內(nèi)相關(guān)學(xué)者研究成果，結(jié)合四平地域特點(diǎn)，確定城市的方面的影響因子為:城市人均住房面積、城市公共汽車擁有量、城市人口、自然增長率、城市化率、凈遷移率、城市人均可支配收入、第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值、城市人均GDP、城市固定資產(chǎn)投資、外商數(shù)量、外資投入、文化事業(yè)機(jī)構(gòu)數(shù)等14個(gè)。

農(nóng)村方面的影響因子為：農(nóng)民純收入、第一產(chǎn)業(yè)產(chǎn)值、非農(nóng)業(yè)產(chǎn)值、農(nóng)業(yè)人口、人均耕地面積、農(nóng)用機(jī)械總動力等6個(gè)。利用四平市統(tǒng)計(jì)年鑒（2012-2015年）獲取相關(guān)數(shù)據(jù)。運(yùn)用SPSS軟件進(jìn)行相關(guān)分析，結(jié)果見表1。

可以看出，城市人均住房面積、城市公共汽車擁有量、城市人口、凈遷移率、外商數(shù)量、外資投入、文化事業(yè)機(jī)構(gòu)數(shù)、農(nóng)業(yè)人口與建設(shè)用地規(guī)模相關(guān)性較弱，其他12項(xiàng)指標(biāo)與建設(shè)用地規(guī)模相關(guān)性較高，可以用作指標(biāo)進(jìn)行預(yù)測。

依據(jù)相關(guān)分析結(jié)果，四平市建設(shè)用地模型規(guī)模的驅(qū)動模型可表示為：Y=F（X1,X2,X3,...X12），式中Y表示四平市建設(shè)用地規(guī)模、X為各驅(qū)動因素。

表1 各指標(biāo)與城市建設(shè)用地之間相關(guān)程度Table1 The correlation between the indexes and the land of urban construction

2.2 BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)和訓(xùn)練過程

（1）數(shù)據(jù)標(biāo)準(zhǔn)化

為了消除不同因子之間量綱和數(shù)值大小的差異而造成誤差，以避開神經(jīng)元傳遞函數(shù)的飽和區(qū)，使樣本數(shù)據(jù)落在[0,1]區(qū)間，從而加快整個(gè)網(wǎng)絡(luò)的收斂速度達(dá)到最佳學(xué)習(xí)效果。其表達(dá)式為：X^=X-Xmin / Xmax-Xmin。

（2）網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù)設(shè)置

BP網(wǎng)絡(luò)結(jié)構(gòu)的確定包括輸入層、隱含層和輸出層網(wǎng)絡(luò)神經(jīng)元的確定。基于BP神經(jīng)網(wǎng)絡(luò)原理和驅(qū)動力分析，以X1-X12為輸入層神經(jīng)元，構(gòu)建一個(gè)三層神經(jīng)網(wǎng)絡(luò)。隱含層節(jié)點(diǎn)數(shù)的確定一般有以下經(jīng)驗(yàn)公式：，其中k為樣本數(shù)、ni為隱單元數(shù)、n為輸入單元數(shù)，如果i＞ni，；，其中m為輸出神經(jīng)元數(shù)、n為輸入單元數(shù)、a為[1，10]之間的常數(shù)；，其中n為輸入單元數(shù)。以上三個(gè)公式僅能為隱層單元數(shù)的確定提供參考，但無法得到最佳的隱層單元數(shù)目，需要通過足夠多次網(wǎng)絡(luò)訓(xùn)練將那些不起作用的隱單元剔除，并通過誤差對比，確定最佳的隱含層神經(jīng)元個(gè)數(shù)，避免過擬合現(xiàn)象發(fā)生，同時(shí)將建設(shè)用地面積作為輸出神經(jīng)元。根據(jù)BP算法經(jīng)驗(yàn)設(shè)定以下參數(shù)：最大訓(xùn)練次數(shù)10000次；允許誤差為0.0001。

（3）BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練及檢驗(yàn)

以2001-2010年數(shù)據(jù)作為學(xué)習(xí)樣本，將相關(guān)指標(biāo)輸入進(jìn)行學(xué)習(xí)訓(xùn)練。將2011年數(shù)據(jù)作為測試樣本檢驗(yàn)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的準(zhǔn)確性，用其預(yù)測結(jié)果與實(shí)際值進(jìn)行比較分析誤差，直至調(diào)整到實(shí)際值與誤差控制在一定范圍內(nèi)，再用訓(xùn)練好的網(wǎng)絡(luò)對2012、2013和2014年的數(shù)據(jù)進(jìn)行預(yù)測。經(jīng)過反復(fù)試算，當(dāng)網(wǎng)絡(luò)結(jié)構(gòu)確定為12-12-1時(shí)，即當(dāng)網(wǎng)絡(luò)隱含層神經(jīng)元個(gè)數(shù)為12個(gè)，輸入層傳遞函數(shù)為logsig,輸出層傳遞函數(shù)為tansig，采用動態(tài)調(diào)整得方法防止模型過度優(yōu)化，模型測試結(jié)果顯示2010年四平市建設(shè)用地規(guī)模為48.3km2，與實(shí)際面積相差1.1km2，與實(shí)際誤差2.3%，停止網(wǎng)絡(luò)訓(xùn)練固定此模型進(jìn)行預(yù)測。

2.3 灰色預(yù)測的過程

在使用DPS系統(tǒng)前要先對序列進(jìn)行平滑和比界區(qū)檢驗(yàn)。

若P(k)（0.1353,7.389），則表示原始序列平滑的，可做灰色預(yù)測。由P(k)=X(k-1)/X(k)計(jì)算得P(k)=(0.9946,0.9868,1.01 89,1.000,1.000,1.000,1.082,0.9975,1.217) (0.1353,7.389)，因此本序列平滑，可作灰色預(yù)測。

P(k)的界區(qū)應(yīng)，這里n=11, 所有界區(qū)=(0.84743,1.18003) (0.800739,1.248846)。

基于以上的分析，2001-2011年數(shù)據(jù)以此輸入DPS系統(tǒng)中，在工具欄中選擇“GM(1 1)模型”，根據(jù)提示建立GM(1 1)預(yù)測模型為：

x(t+1)=518.535338e0.066833t-480.935338

模型精確檢驗(yàn)值為C=0.4857(好) p=0.8000(好)，表明上述模型可以預(yù)測。

3 兩種預(yù)測方法的比較分析

由表2可知四平市2012-2014年建設(shè)用地面積預(yù)測結(jié)果，BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果的相對誤差分別為0.8%、1.1%和2.0%；灰色GM(1.1)模型預(yù)測結(jié)果相對誤差分別為2.3%、0%和5.9%。綜合判斷BP神經(jīng)網(wǎng)絡(luò)相對于灰色GM(1.1)模型預(yù)測的結(jié)果，其預(yù)測精度有所改善。

表2 四平市2011-2014年建設(shè)用地面積預(yù)測結(jié)果合理性分析Table2 Reasonable analysis of prediction results of construction land area of Siping City in 2011-2014

4 結(jié)論與討論

4.1 結(jié)論

（1）基于“城市-農(nóng)村”合力視角，構(gòu)建影響建設(shè)用地?cái)U(kuò)張的20個(gè)影響因子，用相關(guān)分析對其相關(guān)性進(jìn)行研究，結(jié)果顯示：城市人均住房面積、城市公共汽車擁有量、城市人口、凈遷移率、外商數(shù)量、外資投入、文化事業(yè)機(jī)構(gòu)數(shù)、農(nóng)業(yè)人口等8項(xiàng)指標(biāo)與建設(shè)用地規(guī)模相關(guān)性較弱，而城市化率、城市人口、城市自然增長率、城市第二產(chǎn)業(yè)產(chǎn)值、城市第三產(chǎn)業(yè)產(chǎn)值、城市人均GDP、城市固定資產(chǎn)投資、農(nóng)民純收入、農(nóng)村第一產(chǎn)業(yè)產(chǎn)值、農(nóng)村非農(nóng)產(chǎn)業(yè)產(chǎn)值、耕地面積、農(nóng)用機(jī)械總動力等12項(xiàng)指標(biāo)與建設(shè)用地規(guī)模相關(guān)性較高。

（2）以四平市2001-2011年社會統(tǒng)計(jì)資料預(yù)測2012、2013和2104年建成區(qū)面積數(shù)據(jù)，同時(shí)利用灰色預(yù)測進(jìn)行對比，利用BP神經(jīng)網(wǎng)絡(luò)和灰色GM(1.1)模型預(yù)測分別進(jìn)行預(yù)測。綜合判斷BP神經(jīng)網(wǎng)絡(luò)相對于灰色GM(1.1)模型預(yù)測的結(jié)果，準(zhǔn)確性更高，更科學(xué)合理。

4.2 討論

（1）由于灰色預(yù)測中只使用單一維度進(jìn)行預(yù)測，導(dǎo)致信息比較片面，不能完整地預(yù)測影響建設(shè)用地變化的多方面因素，因此，預(yù)測結(jié)果的精度較低。

（2）運(yùn)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行建設(shè)用地預(yù)測，通過反復(fù)訓(xùn)練，根據(jù)各因素對建設(shè)用地面積的不同影響程度調(diào)整其參數(shù)，最終建立高度的非線性映射關(guān)系，有效地提高了其預(yù)測的精準(zhǔn)程度。

（3）但利用BP神經(jīng)網(wǎng)絡(luò)方法也存在收斂速度慢，可能陷入局部極小點(diǎn)的弱點(diǎn)。因此，遺傳算法、退火算法以及組合預(yù)測等新的算法和途徑，將待于進(jìn)一步研究和探討。

References)

[1] 陸效平,王靜,金志豐. 江蘇省建設(shè)用地?cái)U(kuò)展類型及對經(jīng)濟(jì)增長的貢獻(xiàn)研究[J]. 上海國土資源,2014,35(3):43-46. Lu X P, Wang J, Jin Z F. Construction land expansion types and their contribution to economic growth in Jiangsu province[J]. Shanghai Land & Resources, 2014,35(3):43-46.

[2] 高魏. 上海市建設(shè)用地與經(jīng)濟(jì)社會發(fā)展的空間計(jì)量經(jīng)濟(jì)分析[J].上海國土資源,2013,34(3):11-15,20. Gao W. Spatial econometric analysis of socio-economic development and construction land in Shanghai[J]. Shanghai Land & Resources, 2013,34(3):11-15,20.

[3] 張新長,梁金成. 城市土地利用動態(tài)變化及預(yù)測模型研究[J]. 中山大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,43(2):121-125. Zhang X C, Liang J C. Study on change of urban land use and forecasting model[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2014,43(2):121-125.

[4] 譚榮,曲福田. 自然資源合理利用與經(jīng)濟(jì)可持續(xù)發(fā)展[J]. 自然資源學(xué)報(bào),2005,20(6):797-805. Tan R, Qu F T. How to harmonize the contradiction between the utilization of natural resources and the sustainable development of economy[J]. Journal of Natural Resources,2005,20(6):797-805.

[5] 孫秀鋒,刁承泰,何丹. 我國城市人口 建設(shè)用地規(guī)模預(yù)測[J]. 現(xiàn)代城市研究,2005,(10):18-51. Sun X F, Diao E T, He D. Prediction of urban population and building lang in China[J]. Modern Urban Research,2005,(10):18-51.

[6] 朱明倉,楊韜. 城鎮(zhèn)建設(shè)用地需求預(yù)測與配置研究[J]. 資源開發(fā)與市場,2007,23(1):10-12. Zhu M C, Yang T. Study on prediction of urban building land demand and allocation[J]. Resource Development & Market, 2007,23(1):10-12.

[7] 儲衛(wèi)東,陳江龍. 城鎮(zhèn)化進(jìn)程中建設(shè)用地需求量預(yù)測方法研究[J].上海國土資源,2014,35(2):79-82. Chu W D, Chen J L. Methods for predicting demand for construction land during the process of urbanization[J]. Shanghai Land & Resources, 2014,35(2):79-82.

[8] 史婧然,袁承程. 建設(shè)用地減量化對都市郊區(qū)景觀格局和功能影響研究[J]. 上海國土資源,2016,37(3):19-22,27. Shi J R, Yuan C C. Exploring the effects of a reduction in construction land on landscape patterns and functions in the city suburb[J]. Shanghai Land & Resources, 2016,37(3):19-22,27.

[9] 郭杰,歐名豪,劉瓊,等. 基于BP神經(jīng)網(wǎng)絡(luò)的南通市建設(shè)用地需求預(yù)測[J]. 資源科學(xué),2009,31(8):1355-1361. Guo J, Ou M H, Liu Q, et al. Construction land demand forecast in Nantong city based on BP neural network[J]. Resources Science, 2009,31(8):1355-1361.

Prediction of city construction land dimensions based on the urban-country view: Using Siping as a case study

MENG Xiang-Jian, LI Xiu-Xia
(School of Tourism and Geographical Sciences, Jilin Normal University, Jilin Siping 136000, China)

With the rapid pace of urbanization and economic development in our country, urban construction is expanding. Meanwhile, farmland is eroding and food security is seriously threatened. Many scholars are now focusing on how to forecast the scale of city construction's land use. The expansion of city construction land affects both city and countryside. In this paper, Siping city is used as a case study to examine the urban-rural interactions, and thereby construct the effect of construction land expansion. The study uses correlation analysis and the BP neural network to make predictions. The results show that the BP neural network has a higher rate of accuracy than grey prediction when predicting results.

land use; construction land; expanded dimensions; predicition; BP neural network

F301.24

A

2095-1329(2016)04-0031-03

10.3969/j.issn.2095-1329.2016.04.009

2016-06-30

2016-08-14

孟祥健(1991-),男,碩士生,主要研究方向?yàn)樽匀毁Y源開發(fā)與利用.

電子郵箱: mxj372233805@qq.com聯(lián)系電話: 0434-3291130

吉林省科技廳項(xiàng)目(20120691);吉林省社科基金項(xiàng)目(2012BS60)

*通訊作者: 李秀霞(博士/教授): jykxzz@163.com