基于 BP 神经网络的城市整体发展水平综合评价模型.doc
《基于 BP 神经网络的城市整体发展水平综合评价模型.doc》由会员分享,可在线阅读,更多相关《基于 BP 神经网络的城市整体发展水平综合评价模型.doc(7页珍藏版)》请在三一文库上搜索。
1、精品论文基于 BP 神经网络的城市整体发展水平综合评价模型的研究苏程程,汪磊 辽宁工程技术大学,辽宁阜新(123000) E-mail:摘要:神经网络起源于 20 世纪,它是当今世界关注的高科技热点,并开始显示 出广阔的应用前景,现如今已经应用到人们生产生活的各个方面。本文在综合分析影响城市整体发展水平的诸多因素的基础上,提出了可由社会综合状况、经济综合状况、环境综合状况 3 个方面共 21 项指标组成的城市发展水平的评价指标集,构建了基于 BP 神经网络的评 价模型,并结合算例分析了其计算方法,该方法对于提高政府部门的决策水平具有指导作用。 关键词:BP 神经网络;城市发展水平;评价模型1.
2、 引言城市是生态系统中最为复杂的类型,属于复杂区系统,具有变量多、机制复杂、结构层 次难以定界、不确定性因素的作用显著等特点。要对各城市的整体发展水平进行综合评价,常常是一个很伤脑筋的问题。 1 自 1943 年 Mc Culloch 和 Pitts 提出形式神经元结构的数学描述(M-P 模型)以来,经过了 50 多年曲折的发展道路,人工神经网络理论与应用技术取得了长足的发展。由于神经网 络具有大规模并行,分布式存储和处理、自组织、自适应和自学习等优越性能,使其成为人 工智能研究的重要工具,其应用范围已设计到模式识别,故障检测,计算机视觉,智能机器人,字适应控制,企业管理,决策优化,专家系统,
3、知识处理等诸多领域。 2 本文在分析影响城市整体发展水平的诸多因素的基础上,利用 BP 神经网络来建立一套系统的、科学的、全面的综合评价模型,旨在更好地体现决策者的判断和对事物的认识,以 便清晰概括地反映各个城市的综合发展水平,引导各个城市决策者明确自身的优势和不足, 为各决策者提供政策选择依据,从而进一步提高城市的整体功能,加快现代化进程。2. 信息系统评价指标体系的建立2.1 评价指标集的建立城市是生态系统中最为复杂的系统,影响城市整体发展水平的因素有很多,根据其自身 的特点,建立城市综合指标体系时,应遵循以下原则:(1)系统全面性。评价指标体系必须能够全面反映城市发展的各个方面,并且评价
4、目 标和评价指标有机的联系起来组成一个层次分明的整体。(2)同源可靠性。评价指标体系中的指标数据来源要相同,口径要一致,并且指标数 据要真实可靠,这样才能保证评价结果的真实性和可比性。(3)简明可操作性。评价指标体系必须能够反映目标与指标间的支配关系,同时还应根据评价者的不同的评价目标动态地生成相应的评价指标体系。 1我们依据上述原则,将影响城市整体发展水平因素加以系统分析和合理综合,建立的城市整体发展水平综合评价指的标体系如下所示:- 7 -表 1 城市整体发展水平综合评价指的标体系一级指标二级指标三级指标社会状况综合指数社会生活主体状况 A城区人口自然增长率 A1地区人口密度 A2地区万名
5、职工拥有自然科技人数 A3社会公共事业状况 B市区职工平均工资 B1市区人均年末储蓄余额 B2市区人均居住面积 B3社会生活管理状况 C每 10 万人交通事故死亡人数 C1每 10 万人火灾死亡人数 C2经济状况综合指数经济活动成果 D地区国内生产总值 D1地区国民收入 D2 地区全部固定资产总额 D3 地区地方财政预算内收入 D4地区综合经济效益 E人均居民收入 E1人均国内生产总值 E2地区利用外资情况 F利用外资新签协议数 F1实际利用外资金额 F2绿化状况 G城市绿化覆盖率 G1城市人均绿地面积 G2废物处理情况 H工业废水处理率 H1工业废气处理率 H2工业固体废物处理率 H3环境状
6、况综合指数2.2 评价指标的取值和标准化由于各评价指标描述的内容不同,取值也不一样。有的指标是定量性指标,有的是定性 性指标等。对于定量性指标我们可以直接收集,对于定性性指标我们采取专家评价法,给每 个指标按照等级打分。但是无论是定量性指标还是定性性指标,在对神经网络进行训练时, 都需要进行标准化处理。数据标准化处理主要解决数据的可比性,在此我们采用指数化处理方法。指数化处理以指标的最大值和最小值的差距进行数学计算,其结果介于 0,1之间。对于定性性指标可以直接由专家给出,对于定量性指标具体计算公式如下:iz = ( xi xmin )xmax xmin其中: zi 为指标的标准值; xi 为
7、某指标的测量值; xmax 为此项指标的最大值; xmin 为 此项指标的最小值。如果是逆向指标则:iz = 1 ( xi xmin )xmax xmin经过上述标准化处理,原始数据均转换为无量纲化指标测评值,即各指标值都处于同一 个数量级别上,可以进行综合测评分析。2.3 评语集的建立根据试运行评价城市整体水平系统后各项指标的评价,我们给出评价结果为很高,较高,一般,较低。3. 基于 BP 神经网络的信息系统综合评价模型的设计3.1 关于 BP 算法涉及知识BP 学习算法也称反向传播学习算法,相应的神经网络也称为 BP 网络。BP 学习算法 是一种多层前馈网络使用的监控式学习算法。反向传播是
8、指误差信号的反向传播,并不是将输出层状态再作用到隐层节点,或隐层输 出再作用到输出层节点。网络自身不存在反馈,所以 BP 网络不能视为非线性动力系统,只 是一个非线性映射。BP 算法的基本思想是以使得网络实际输出与期望输出的均方差达到最小。网络的学习 过程是,将输出层误差反向传播回去,并借以修正权值。典型的三层 BP 网络结构为图 1:图 1 典型三层 BP 网络结构x1 , x2 ,L, xn 为输入层节点; y1 , y2 ,L, ym 为输出层节点。3.2 BP 学习算法的步骤(1)初始化 在依据实际问题(输入变量和输出变量个数)给出网络连接结构,随机的设置所有连接权值为任意小。(2)提
9、供训练样本如果输入变量为 n 个,输出变量为 m 个,则每个训练样本形式为:(x1 , x2 ,L, xn ; t, t2 ,L, t m ) 。这里 t, t2 ,L, tm 是输入为 x1 , x2 ,L, xn 时的期望输出。(3)计算实际输出利用非线性函数1 y j = 1 + exp wij xi i逐级计算各层节点(不包括输入层)的输出值,令最后的输出为 O1 , O2 ,L, Om 。(4)权值调整j用递归方法从输出节点开始返回到隐层节点,按下式调整权值ijwij (N + 1) = wij (N ) + oi j这里 Oi 是上层第 i 节点的输出, 是一个正的增益系数,也称作
10、步长。j若 j 是输出层节点,则 j= O j(1 O)(t O j );若 j 是隐层节点,则 j次的所有节点。= O j (1 O j ) k w jk ,其中其中 k 是节点 j 所在层次的下层k有时为了收敛速度快些,可增加一个冲量项,使权值变得平滑一些,即wij(N + 1) = wij(N ) + oi j+ w(N ) wij(N 1)0 1j(5)返回(2)步,重复之,直到误差 e = 1 (t O j)2 满意为止。2 j在实际训练时,一般是通过查看计算输出向量( O1 , O2 ,L, Om )与目标输出向量( t, t2 ,L, tm )的接近程度来确定训练是否结束,只有训
11、练组中所有样本都加入到网络上后, 输出向量和对应的目标向量都接近,才认为训练结束,权值都得到固定。 2 3.3 基于 BP 神经网络的综合评价模型的设计(1)输入层设计本人所采集城市整体发展水平综合评价指的数据指标有 21 个,故输入层设置 21 个输 入点,与每个指标一一对应。(2)隐含层设计 隐含层节点的数目需要根据算法的复杂程度来确定,节点选择过多,浪费学习时间影响效率,过少又会使网络的容错性等性能降低,一般选择在 1 到 10 之间,本设计初步定为 5个。(3)输出层设计根据评语集,本网络的输出层设置 2 个节点,每个节点的取值为 1 或 0,则有 4 种可 能的结果,分别代表 4 种
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 BP 神经网络的城市整体发展水平综合评价模型 神经网络 城市 整体 发展 水平 综合 评价 模型
链接地址:https://www.31doc.com/p-3624014.html