【摘要】：城市建設(shè)用地的準(zhǔn)確預(yù)測是城市土地總體規(guī)劃的重要決策基礎(chǔ)。通過對影響城市建設(shè)用地主要因素的研究,提出一種基于小波神經(jīng)網(wǎng)絡(luò)的城市建設(shè)用地預(yù)測模型,并給出相應(yīng)的網(wǎng)絡(luò)學(xué)習(xí)算法。以湖南省長沙市為例,建立了基于小波神經(jīng)網(wǎng)絡(luò)的長沙市建設(shè)用地預(yù)測模型,比較分析了小波神經(jīng)網(wǎng)絡(luò)模型與灰色BP神經(jīng)網(wǎng)絡(luò)模型和傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果。分析結(jié)果表明:小波神經(jīng)網(wǎng)絡(luò)模型比灰色BP神經(jīng)網(wǎng)絡(luò)模型和傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型的收斂速度快、預(yù)測精度高,在城市建設(shè)用地預(yù)測中更具應(yīng)用價(jià)值。該成果為城市建設(shè)用地預(yù)測研究提供了有益參考。
[Abstract]:Accurate prediction of urban construction land is an important decision-making basis of urban land master planning. Based on the study of the main factors affecting urban construction land, a prediction model of urban construction land based on wavelet neural network is proposed, and the corresponding network learning algorithm is given. Taking Changsha City, Hunan Province as an example, the prediction model of construction land in Changsha City based on wavelet neural network is established. The prediction results of wavelet neural network model, grey BP neural network model and traditional BP neural network model are compared and analyzed. The results show that the wavelet neural network model is faster than the grey BP neural network model and the traditional BP neural network model in the convergence speed and the prediction accuracy is high. The wavelet neural network model is more valuable in urban construction land prediction. The results provide a useful reference for the prediction of urban construction land.
【作者單位】： 浙江農(nóng)業(yè)商貿(mào)職業(yè)學(xué)院農(nóng)業(yè)經(jīng)濟(jì)管理系;
【基金】：浙江省供銷社2011年度科學(xué)研究項(xiàng)目(11SS88)
【分類號】：TP183;F299.23

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 梁松林;潘宏俠;高陽;;基于DSP的小波神經(jīng)網(wǎng)絡(luò)齒輪箱故障診斷[J];煤礦機(jī)械;2010年09期

2 李銀國;張邦禮;曹長修;;小波神經(jīng)網(wǎng)絡(luò)及其結(jié)構(gòu)設(shè)計(jì)方法[J];模式識別與人工智能;1997年03期

3 余勇;萬德鈞;程啟明;;電力設(shè)備基于小波神經(jīng)網(wǎng)絡(luò)故障檢測方法的仿真研究[J];鹽城工學(xué)院學(xué)報(bào)(自然科學(xué)版);2000年02期

4 陳哲,馮天瑾,陳剛;一種基于BP算法學(xué)習(xí)的小波神經(jīng)網(wǎng)絡(luò)[J];青島海洋大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年01期

5 康中尉,羅飛路,潘孟春,陳棣湘;小波神經(jīng)網(wǎng)絡(luò)在缺陷數(shù)據(jù)壓縮和信號重構(gòu)中的應(yīng)用[J];自動化儀表;2004年12期

6 彭鴿,袁慎芳;復(fù)合材料結(jié)構(gòu)損傷的小波神經(jīng)網(wǎng)絡(luò)辨識研究[J];宇航學(xué)報(bào);2005年05期

7 陳惠明,王蘭春;一種小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化設(shè)計(jì)方法[J];福建電腦;2005年11期

8 馬致遠(yuǎn);龔灝;黃曉春;;基于小波神經(jīng)網(wǎng)絡(luò)的中國煤炭消耗預(yù)測[J];能源技術(shù)與管理;2006年05期

9 嚴(yán)圣華;羅兵;;基于小波神經(jīng)網(wǎng)絡(luò)的視頻圖像恢復(fù)[J];長江大學(xué)學(xué)報(bào)(自科版)理工卷;2006年01期

10 李春明;王勇;;基于小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷[J];微計(jì)算機(jī)信息;2007年01期

相關(guān)會議論文 前10條

1 董健;尹萌;張輝;;小波神經(jīng)網(wǎng)絡(luò)結(jié)合多項(xiàng)式的混合預(yù)測方法在通信規(guī)劃中的應(yīng)用[A];2011全國無線及移動通信學(xué)術(shù)大會論文集[C];2011年

2 金向陽;張莉;于廣濱;;基于改進(jìn)小波神經(jīng)網(wǎng)絡(luò)的航空滾動軸承的故障檢測[A];第二十六屆中國控制會議論文集[C];2007年

3 牟海維;馬娜;付光杰;劉祥樓;;基于小波神經(jīng)網(wǎng)絡(luò)的電力諧波檢測方法[A];第二十九屆中國控制會議論文集[C];2010年

4 侯霞;張軍峰;劉國海;;基于小波神經(jīng)網(wǎng)絡(luò)的飛機(jī)故障診斷[A];第二十九屆中國控制會議論文集[C];2010年

5 魯艷軍;陳漢新;陳緒兵;;基于小波神經(jīng)網(wǎng)絡(luò)的齒輪裂紋故障診斷[A];2010全國機(jī)械裝備先進(jìn)制造技術(shù)(廣州)高峰論壇論文匯編[C];2010年

6 魯艷軍;陳漢新;陳緒兵;;基于小波神經(jīng)網(wǎng)絡(luò)的齒輪裂紋故障診斷[A];節(jié)能減排 綠色制造 智能制造——低碳經(jīng)濟(jì)下高技術(shù)制造產(chǎn)業(yè)與智能制造發(fā)展論壇論文集[C];2010年

7 周紹磊;張文廣;李新;;一種基于改進(jìn)遺傳算法的小波神經(jīng)網(wǎng)絡(luò)[A];2007年中國智能自動化會議論文集[C];2007年

8 史健芳;湯洪彪;楊盤洪;朱慶雙;龔海燕;;小波神經(jīng)網(wǎng)絡(luò)的機(jī)動目標(biāo)跟蹤方法[A];2008中國儀器儀表與測控技術(shù)進(jìn)展大會論文集（Ⅰ）[C];2008年

9 王海斌;黃顯林;王永富;胡恒章;;基于離散小波神經(jīng)網(wǎng)絡(luò)的直接自適應(yīng)控制[A];1999中國控制與決策學(xué)術(shù)年會論文集[C];1999年

10 李海良;吉國力;米紅;;小波神經(jīng)網(wǎng)絡(luò)及其聚類研究[A];2003中國控制與決策學(xué)術(shù)年會論文集[C];2003年

相關(guān)博士學(xué)位論文 前10條

1 章文俊;小波神經(jīng)網(wǎng)絡(luò)算法及其船舶運(yùn)動控制應(yīng)用研究[D];大連海事大學(xué);2014年

2 薛雅麗;基于軌跡線性化方法的近空間飛行器魯棒自適應(yīng)控制研究[D];南京航空航天大學(xué);2010年

3 宋清昆;自適應(yīng)結(jié)構(gòu)優(yōu)化神經(jīng)網(wǎng)絡(luò)控制研究[D];哈爾濱理工大學(xué);2009年

4 周衛(wèi)東;一類混合動態(tài)系統(tǒng)建模與優(yōu)化調(diào)度問題的研究[D];山東大學(xué);2005年

5 劉守生;遺傳算法與小波神經(jīng)網(wǎng)絡(luò)中若干問題的研究[D];南京航空航天大學(xué);2005年

6 付光杰;油田電網(wǎng)諧波檢測與APF控制技術(shù)的研究[D];大慶石油學(xué)院;2008年

7 李文軍;多小波和小波神經(jīng)網(wǎng)絡(luò)構(gòu)造及其在電弧故障診斷中的應(yīng)用研究[D];吉林大學(xué);2008年

8 侯霞;小波神經(jīng)網(wǎng)絡(luò)若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2006年

9 陳斌;天然氣管道泄漏監(jiān)測網(wǎng)絡(luò)的多源數(shù)據(jù)融合方法與關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2009年

10 王改革;基于智能算法的目標(biāo)威脅估計(jì)[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2013年

相關(guān)碩士學(xué)位論文 前10條

1 袁月春;基于模糊小波神經(jīng)網(wǎng)絡(luò)的多輥熱連軋產(chǎn)品質(zhì)量控制[D];山西師范大學(xué);2010年

2 員世芬;小波神經(jīng)網(wǎng)絡(luò)理論的研究及其在加熱爐鋼坯溫度預(yù)報(bào)中的應(yīng)用[D];太原理工大學(xué);2005年

3 王勇;基于小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷的研究[D];內(nèi)蒙古工業(yè)大學(xué);2006年

4 李昂;基于小波神經(jīng)網(wǎng)絡(luò)的入侵檢測系統(tǒng)研究[D];河南大學(xué);2007年

5 徐龍?jiān)?基于小波神經(jīng)網(wǎng)絡(luò)的齒輪故障診斷[D];蘭州理工大學(xué);2007年

6 李進(jìn)如;基于改進(jìn)小波神經(jīng)網(wǎng)絡(luò)的故障識別方法研究[D];華北電力大學(xué)（北京）;2008年

7 吳箏;基于小波神經(jīng)網(wǎng)絡(luò)的混合氣體測試系統(tǒng)研究[D];華中科技大學(xué);2007年

8 楊崴崴;小波神經(jīng)網(wǎng)絡(luò)在汽輪發(fā)電機(jī)組故障預(yù)測中的應(yīng)用[D];浙江大學(xué);2008年

9 謝華;小波神經(jīng)網(wǎng)絡(luò)在非線性系統(tǒng)辨識中的應(yīng)用[D];華北電力大學(xué)（河北）;2006年

10 王建雙;基于小波神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)與研究[D];哈爾濱理工大學(xué);2009年

，

本文編號：2270939