BP人工神经网络在嘉鱼县农用地定级中的应用研究

BP人工神经网络在嘉鱼县农用地定级中的应用研究 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。 下载论文网 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11339-11422，北纬2948-3019，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%，其中耕地面积为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；输出层神经元是农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69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110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。 （3）初始化网络及学习参数，即将隐含层和输出层各节点的连接权值、神经元阈值赋予某一区间的一个随机数。 （4）提供训练样本。即从样本数据中，选取一部分样本，作为网络学习样本。 （5）训练样本经过隐含层、依权值和激活函数的作用在输出节点算得网络输出值，并计算网络输出与样点期望输出间的均方差，如果均方差大于给定限差，则执行下一步（6）；如小于，则返回本步，进行下一个训练样本训练，直到训练样本集合中的每个样本满足输出要求为止，即BP网络学习完毕。 （6）从输出层反向计算到第一隐含层，首先计算同一层节点的的误差，然后按梯度法修正权值，再用修正后的各节点连接权值转到第（5）步重新计算。3 嘉鱼县农用地定级评价3.1 嘉鱼县农用地定级指标体系构建3.1.1 农用地定级影响因素分析 影响农用地定级的因素主要指对农用地质量差异有显著影响的自然因素、区位因素和社会经济因素3。 （1）自然因素：指对农用地质量有显著影响的局部气候差异、地形、土壤条件、水资源状况等，主要包括温度、降水量、蒸发量、地形部位、坡度坡向、土壤质地、土壤pH值、土壤污染状况、地下水埋深、水源水质等。 （2）区位因素：指土地利用状况、耕作便利条件和基础设施条件等，主要包括灌溉保证率、排水条件、田间道路、耕作距离、田块平整度、利用集约度、人均耕地、利用现状等。 （3）社会经济因素：指对农用地质量有影响的区位条件和交通条件，主要包括中心城市影响度、农贸市场影响度、道路通达度等。 不同地区，影响农用地质量的因素存在差异，在具体评估过程中，选择定级因素应遵循以主导因素为主的原则，选择那些对农用地质量有显著影响的、有较大变化范围的主要因素，尽可能舍弃那些影响弱、或与主导因素存在相关关系的因素。为了便于应用数学模型对农用地定级评价，还必须根据各因素对农用地质量的影响程度大小进行量化及相应的处理。3.1.2 嘉鱼县农用地定级指标体系 根据以上分析，结合农用地定级规程（TD/T 1005-2003）中提供的农用地定级备选因素因子、统计资料与影响因素的相关性和资料收集的难易性、以及以往土地评估经验和专家的建议，利用特尔菲法，最终确定选择了自然因素、社会经济因素和区位因素3个方面共10个因子指标，建立了嘉鱼县农用地定级评价指标体系，如表1： 3.2 属性数据的标准化处理 为了统一数据量纲、提高数据可比性，并满足BP模型对数据的要求，需要对所有因子指标进行量化，并根据需要对数据进行极差标准化处理，从而把所有数据转化到01范围内5。经极差标准化后的数据如表2：3.3 定级评价过程BP网络模拟 在嘉鱼县农用地定级评价过程中，采集的样本数总数为163，其中训练集样本63个，占总数的38.7%，测试集样本100个。利用MATLAB软件将经过标准化处理后的10个定级因子作为样本的输入值，利用63个训练样本进行网络学习训练，并进行网络隐含层神经元数的调整，最终确定隐含层神经元数为6，即网络结构为10-6-1，程序代码如下： %p为样本输入数据；%t为目标数据 net=newff（0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1,6 1,tansig purelin,traingdx）； net.trainParam.goal=0.001； net.trainParam.epochs=10000； net=init（net）；net=train（net,p,t）；save net10 net； 网络训练成功，并保存网络。将测试样本输入训练好的网络中，输出定级结果。神经网络输出的结果是定级评估的量化值，而不仅是级别，级别内部差别也可得到体现。如表3：3.4 试验结果与分析 根据神经网络计算出的评价值，可将嘉鱼县农用地分为5级。一、二级地分别占总面积的16%和15%，分布在全县的东南部地势较平缓的平原地区；三级和四级地分别占总面积的31%、35%，主要分布在全县的西北岗地区；五级地占总面积的3%，主要为自然条件和灌溉条件差、利用率低的地区。评价结果与嘉鱼县实际情况基本相符，该结果反映出嘉鱼县农用地低等级别地较多，占农用地总面积的六成以上。也间接反映出近年来，耕地质量下降的问题。4 结论 尽管BP神经网络有其自身的弱点，还有待进一步的完善。但由于神经网络具有自身适应能力，排除了很多人为的干扰因素，从而能对农用地定级给出一个客观的评价。并且，人工神经网络还可以精简评价过程，为评价工作减少不必要的冗余。通过BP网络在嘉鱼县农用地定级评价中的应用，与嘉鱼县实际情况是基本相符合的，证明了该方法还是具有很强的实际应用价值的。参考文献：1 金晓斌，张鸿辉.基于模糊ISODATA聚类方法的农用地定级研究J.农业工程学报，2008，24（7）:82-85.2 朱红梅，周子英.BP人工神经网络在城市土地集约利用评价中的应用以长沙市为例J.经济地理，2009，29（5）:836-839.3 TD/T1005-2003.农用地定级规程S.4 张蓬涛，杨红.基于神经网络的基准地价预测模型研究-以河北省主要城市为例J.中国土地科学，2000，14（5）:32-35.5 刘耀林，焦利民.土地评价理论、方法与系统开发M.北京: 科学出版社，2008：213-223.6 赵霈生，陈百明.在土地评价中应用人工神经网络专家系统的理论与实践J.中国土地科学，1998，12（2）:28-34.7 周开利，康耀红.神经网络模型及其MATLAB仿真程序设计M.北京:清华大学出版社，2005：89-100.8 闻新，周露，王丹力，熊晓英.MATLAB神经网络应用设计M.北京:科学出版社，2002：207-243.9 闻新，周露，李翔，张保伟.MATLAB神经网络仿真与应用M.北京:科学出版社，2003：264-284.