BP人工神经网络在嘉鱼县农用地定级中应用研究.docVIP

BP人工神经网络在嘉鱼县农用地定级中应用研究 　　摘 要：农用地定级作为农用地分等与估价的中间环节，起到承上启下的作用，传统的定级评价方法都在不同程度上受到人为主观的影响。本文基于BP人工神经网络的理论和基本思路，构建农用地定级评价的BP模型，并应用于嘉鱼县农用地定级评价中，结果表明与实际情况较为相符，证明该方法具有很强的实际应用价值。 　　关键词：BP神经网络；农用地定级；评价 　　0 引言 　　 农用地定级作为农用地分等与估价的中间环节，是在分等对农用地质量区域性差异评价的基础上，考虑影响土地质量的自然因素和社会经济因素，根据土地管理，尤其是耕地保护管理的需要，在一定行政区内进行的农用地质量综合评定[1]。根据《农用地定级规程》（TD/T1005-2003），农用地定级推荐采用因素法、修正法或样地法，在加权求和模型、几何平均模型或复合模型求取土地评价单元总分值的基础上，通过等间距法、数轴法或总分频率曲线法进行土地级别的划分。 　　 传统的定级方法容易受人为主观因素影响，导致评价结果的不准确性，而人工神经网络的评价方法具有自学习、自组织、自适应性的特点，正好可以解决此问题。人工神经网络（Artifical Neural Network，ANN）的评价与优化功能在近几年的地学研究中得到充分体现[2]，其中BP（Back Propagatin）人工神经网络是目前应用最广泛的一类，该网络在具有人工神经网络各特点的同时，还具有构建简单、训练算法丰富、映射能力强等优点。本文尝试运用 BP人工神经网络进行农用地定级，利用这种非线性定量分析的方法不仅可以减少人为确定权重的主观性和模糊性，同时还可以精简评价过程。 　　1 研究区概况 　　 嘉鱼县位于湖北东南部，长江中游南岸。地跨东经113°39′-114°22′，北纬29°48′-30°19′，县境地形狭长，全境长85km，宽5.7-17.9km。地属长江冲积平原，地面高程都在18-26m之间。属亚热带湿润型季风气候，具有四季分明、气候温和、湿度较大、日照充足、雨热同季、无霜期长等特点。境内平原与丘岗气候亦无明显区别。 　　 嘉鱼县国土面积为101842.36hm2。其构成是：农用地面积74，885hm2，占总面积73.53%，其中耕??面积为32，944.26hm2，占总面积32.35%；建设用地面积10，462.7hm2，占总面积的10.27%，其中居民点及工矿用地5，254.72hm2，占总面积5.16%，未利用地16，494.66hm2，占总面积16.20%。 　　2 研究方法与模型 　　2.1 BP人工神经网络 　　 BP（Back Propagatin）人工神经网络是目前世界上研究最深入、应用最广泛的人工神经网络模型。该网络一般由输入层、隐含层（或称中间层）和输出层三层构成；层内的单元不发生联系，层间的单元间通过输入数据及其对应的权重值相互连接。信息由输入层进入网络后，传到隐含层单元，经过响应传递函数（一般取Sigmoid 函数），再传到输出层并计算输出值。之后网络将应有的输出与实际输出进行比较，通过反向传播误差，修正与基本单元相连接的各输入量的权重，并重新计算输出、进行比较。通过信息传递、输出、比较、反馈的连续反复训练，使模拟误差逐步降低直至低于规定要求[4]。 　　2.2 建立定级模型 　　 根据对BP人工神经网络的分析，农用地定级评价的BP神经网络模型结构如图1所示： 　　 　　 由模型结构图可以看出，模型由三层神经元组成：输入层、隐含层和输出层。其中输入层神经元是经过标准化处理后的农用地定级评价基础指标；输出层神经元是??用地定级评价的结果，即农用地定级级别；而隐含层的神经元数目的多少则是对整个网络能否正常工作具有重要意义，所以科学地、自动地确定隐含层节点数目是极其重要的。 　　2.2.1 确定隐含层节点数 　　 从原理上说, 一个在输入层上具有m个神经元，隐含层具有（2m+1）个神经元，输出层具有n个神经元的三层网络，可以精确地实现任意给定的连续的映射。因此，每当创建一个新的人工神经网络模型时，可以从这（2m+1）个隐层节点入手进行筛选，根据前人经验[6~9]可以依据以下公式进行设计： 　　 （1） 　　 （2） 　　 式中：m为隐层节点数；n为输入层节点数；w为输出层节点数；R（10）为1~10之间的常数。 　　2.2.2 模型建立步骤 　　 根据图1所示BP网络，可按以下步骤建立模型： 　　 （1）确定影响因素因子并进行数据量化处理，作为网络输入。收集研究区内样点资料，并进行必要的分析与检验，剔除不合格的样点数据，确保样本数据可靠。 　　 （2）确定网络结构，即根据评估对象特性确定隐含层节点数及各层的节点数。