基于PCA-RBF神经网络的成都市建设用地需求预测  

Construction Land Demand Forecasting of Chengdu City Based on PCA-RBF Neural Network

作　　者：谢汀[1,2] 伍文 邓良基[1,2] 高雪松[1,2] 李启权[1] 徐安琪[1,2] 谢鑫[1] 

机构地区：[1]四川农业大学资源环境学院,成都611130 [2]四川农业大学生态环境研究所,成都611130 [3]成都市国土规划地籍事务中心,成都610072

出　　处：《西南大学学报（自然科学版）》2014年第11期183-190,共8页Journal of Southwest University(Natural Science Edition)

基　　金：国土资源部公益性行业科研专项项目(201211050);国家支撑计划资助项目(2012BAD14B18)

摘　　要：为建立"突变"增长条件下建设用地需求预测模型以利于区域土地资源的可持续利用和土地利用总体规划的定期修编,本文提出了基于主元分析(PCA)与径向基函数(RBF)神经网络模型相结合的建设用地需求预测方法.首先,利用灰色关联分析筛选出主要驱动因子作为输入数据;然后,利用主元分析消除其相关性,并达到降维目的;最后,以PCA结果为输入建立建设用地需求的RBF神经网络预测模型.实例研究表明,建设用地需求PCA-RBF神经网络预测模型具有较好的预测效果,平均绝对误差(MAE)、误差均方根(RMSE)、平均相对误差(MRE)、分年度残差和突变点残差都较常规的多元线性回归(MLR)模型更小,更适宜在复杂非线性条件下应用.This paper proposes a construction land forecasting method with the neural network model based on principal component analysis （PCA） and radial basis function （RBF） ,aiming at building a forecasting model under a“mutation”grow th condition of construction land ,so that sustainable utilization of regional land resources and regular modification of general land use planning can be improved .The paper consists of three parts .Firstly ,major driving factors were picked ,using grey relational analysis ,to be the import da‐ta .Then ,principal component analysis was adopted to eliminate the relevance of the driving factors and to reduce the dimensionality .Finally ,PCA results were used as the input to establish an RBF neural network mode to predict construction land demand .The case study shows that PCA‐RBF neural network prediction model for construction land demand can give accurate prediction results .The mean absolute error （MA E） , root mean square error （RMSE） ,mean relative error （MRE） ,sub‐annual residuals and point mutations residuals are smaller than those of the conventional multiple linear regression （MLR） model and are more suitable for complex nonlinear conditions .

关 键 词：建设用地 预测 主元分析 径向基神经网络模型 多元线性回归模型 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]