10.3969/j.issn.1007-6301.2007.06.014
基于主成分分析的BP神经网络在城市建成区面积预测中的应用——以北京市为例
城市建成区规模受社会、经济、城市环境等诸多因素影响,传统统计方法难以准确预测城市建成区的面积.人工神经网络具有良好的非线性映射逼近性能,在各类预测研究中得到了广泛的应用,尤其是BP神经网络.主成分分析可以在有效保留数据信息前提下对数据进行降维,它与BP神经网络的结合主要在数据输入端,通过减少输入层神经元个数,增强网络性能,提高预测精度.本文以北京市为例,综合运用主成分分析和BP神经网络方法建立预测模型,以1986～2003年数据为学习样本,以2004年数据为检验样本,对2005年北京市城市建成区面积进行模拟预测.预测结果表明,基于主成分分析的BP神经网络预测结果与实际值的相对误差为2.8%,比传统BP神经网络预测精度提高1.8个百分点,网络训练收敛速度也更快,其预测精度和效率都有不同程度的改善.
主成分分析、BP神经网络、建成区面积、预测、北京
26
TU98(地下建筑)
国家科技攻关项目2004BA516A18;北京市国土资源局资助项目
2008-04-17（万方平台首次上网日期，不代表论文的发表时间）
共9页
129-137
