基于人工神经网络的城市拓展区可持续发展指数序列研究

北京大学学报（自然科学版）

基于人工神经网络的城市拓展区可持续发展指数序列研究

郁亚娟,王真,郭怀成¹ ,黄凯,王树通,刘永

北京大学环境学院，北京，100871；¹通讯联系人，E-mail: hcguo@pku.edu.cn

收稿日期:2005-07-27 出版日期:2006-07-20 发布日期:2006-07-20

Application of Artificial Neural Ntwork in Urban Fringe's Sustainable Development Index Series

YU Yajuan, WANG Zhen, GUO Huaicheng¹, HUANG Kai, WANG Shutong, LIU Yong

College of Environmental Sciences, Peking University, Beijing, 100871; ¹Corresponding Author, E-mail: hcguo@pku.edu.cn

Received:2005-07-27 Online:2006-07-20 Published:2006-07-20

摘要/Abstract

摘要： 基于压力-状态-效应(PSR)理论，着重分析我国传统农业地区在快速城市化过程中融入城市拓展区，并逐步城市化过程中的可持续发展问题，提出了一套以PSR为基础框架的城市拓展区可持续发展指标体系。基于灰色系统理论，将该特定区域的社会-经济-环境复杂巨系统作为灰箱系统模型，应用人工神经网络的人工智能方法，计算城市拓展区的可持续发展指数(ISD)。最后，将该方法应用于郑州惠济区的1987—2004年ISD时间序列评估，并作了不确定性分析。该方法可应用推广于类似的区域可持续发展的综合评价以及时间序列分析等问题。

关键词: PSR理论, 可持续发展指数, 人工神经网络, 惠济区

Abstract: Deriving from the Pressure-State-Response (PSR) theory, a framework of sustainable development (SD) indicators describing urban fringe's urbanization process was brought forward. Sustainable Development Index (ISD) series for multi-years were used to measure the regional capability of sustainability. The socio-economic-environmental grand system was considered as a grey system and artificial neural network (ANN) was applied to calculate the ISD series. Then a case study of Huiji District, Zhengzhou City was adopted for ISD assessment from the year 1987 to 2004, and uncertainty analysis was also construed. The results showed that both the framework and the ISD with ANN were suitable in reflecting its SD levels. The method is recommendable for analogous problems.

Key words: PSR theory, sustainable development index, artificial neural network, Huiji District

中图分类号:

X821

郁亚娟,王真,郭怀成 ,黄凯,王树通,刘永. 基于人工神经网络的城市拓展区可持续发展指数序列研究[J]. 北京大学学报（自然科学版）.

YU Yajuan,WANG Zhen,GUO Huaicheng,HUANG Kai,WANG Shutong,LIU Yong. Application of Artificial Neural Ntwork in Urban Fringe's Sustainable Development Index Series[J]. Acta Scientiarum Naturalium Universitatis Pekinensis.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/

https://xbna.pku.edu.cn/CN/Y2006/V42/I4/496

[1]	刘佳驹, 李金城, 郭怀成, 袁鹏, 李政, 张扬, 王志勇. 基于人工神经网络的雅鲁藏布江水化学变化趋势研究[J]. 北京大学学报自然科学版, 2023, 59(6): 1043-1051.
[2]	屈永霖, 闻新宇, 张慕琪, 刘喆. 使用人工神经网络改进2022年北京冬奥会数值天气预报后处理过程的算法研究[J]. 北京大学学报自然科学版, 2022, 58(2): 210-220.
[3]	张慕琪, 闻新宇, 包赟, 屈永霖. 基于人工神经网络开发中国地区统计降尺度气候预估数据[J]. 北京大学学报自然科学版, 2022, 58(2): 221-233.
[4]	周佩, 黄颖婕, 胡冰逸, 韦骏. 基于LSTM深度学习的ENSO预测及其春季预报障碍研究[J]. 北京大学学报自然科学版, 2021, 57(6): 1071-1078.
[5]	于超月, 王晨旭, 冯喆, 吴克宁, 赵华甫. 北京市生态安全格局保护紧迫性分级[J]. 北京大学学报自然科学版, 2020, 56(6): 1047-1055.
[6]	朱丽君, 蒙吉军, 李江风. 河北省植被覆盖变化及对生态建设工程的响应[J]. 北京大学学报自然科学版, 2020, 56(4): 755-764.
[7]	王雨琪, 程舒鹏, 陆文涛, 付正辉, 郭怀成. 基于径向基函数网络模型的中国生态压力指数评价[J]. 北京大学学报自然科学版, 2019, 55(1): 182-188.
[8]	杨阳, 沈泽昊, 郑天立, 丁雨賝, 李本纲. 中国当前城市空气综合质量的主要影响因素分析[J]. 北京大学学报（自然科学版）, 2016, 52(6): 1102-1108.
[9]	王磊,王羊,蔡运龙. 土地利用变化的ANN-CA模拟研究??以西南喀斯特地区猫跳河流域为例[J]. 北京大学学报（自然科学版）, 2012, 48(1): 116-122.
[10]	王羊,高阳,赵琳,赵志强,李双成. 元胞自动机模型的尺度敏感性分析[J]. 北京大学学报（自然科学版）, 2011, 47(4): 750-758.
[11]	张吉豫,刘先华,梁?,程旭. 一种基于人工神经网络的基本块重排方法[J]. 北京大学学报（自然科学版）, 2011, 47(1): 9-16.
[12]	窦浩洋,邓航,孙小明,赵昕奕. 基于均生函数-最优子集回归预测模型的青藏高原气温和降水短期预测[J]. 北京大学学报（自然科学版）, 2010, 46(4): 643-648.
[13]	孙莉英,毛小苓,黄铮,刘永伟. 洪水灾害对区域可持续发展的长期影响分析[J]. 北京大学学报（自然科学版）, 2009, 45(5): 875-883.
[14]	孙莉英,黄铮,刘永伟,倪晋仁. 洪水灾害对可持续发展影响的区域差异分析[J]. 北京大学学报（自然科学版）, 2009, 45(2): 319-326.
[15]	孙强,王乐,蔡运龙. 基于SOFM网络的中国耕地压力综合分区[J]. 北京大学学报（自然科学版）, 2008, 44(4): 625-631.