城鎮(zhèn)化水平評估及預(yù)測

II5.2.1模型的分析目前，層次分析法(AnalyticHierarchyProcess，AHP)被廣泛應(yīng)用于多因素綜合評價中，但尚無法有效反映評價結(jié)果的空間分布格局，而GIS強(qiáng)大的空間分析能力恰好彌補(bǔ)了層次分析法的不足。因此，GIS和層次分析法的結(jié)合將有助于提高區(qū)域經(jīng)濟(jì)發(fā)展評價水平，能更好的評估新疆省城市化。在模型=1\*ROMANI基礎(chǔ)的上先對數(shù)據(jù)進(jìn)行處理。基于層次分析法和GIS的數(shù)據(jù)處理技術(shù)路線見圖2。AHP對經(jīng)濟(jì)發(fā)展的分析評價AHP對經(jīng)濟(jì)發(fā)展的分析評價GIS的數(shù)據(jù)管理和空間分布建立評價指標(biāo)體系區(qū)域經(jīng)濟(jì)發(fā)展與城鎮(zhèn)化空間格局分析專題地圖和統(tǒng)計表等結(jié)果輸出空間和屬性數(shù)據(jù)的預(yù)處理圖2數(shù)據(jù)處理技術(shù)路線5.2.2模型的建立結(jié)合新疆省的實際情況，以經(jīng)濟(jì)發(fā)展為總目標(biāo)，以經(jīng)濟(jì)總量、經(jīng)濟(jì)結(jié)構(gòu)和經(jīng)濟(jì)效率為準(zhǔn)則層，按各準(zhǔn)則層隸屬關(guān)系再細(xì)化為若干指標(biāo)，建立了衡量其經(jīng)濟(jì)發(fā)展水平的指標(biāo)體系(圖3)，指標(biāo)數(shù)據(jù)見表3。截至目前，賦權(quán)方法尚未形成完整的體系。解決該問題的方法主要有專家估測法、調(diào)查統(tǒng)計法、指標(biāo)值法、主因子分析法及層次分析法等，該評價中采用了層次分析法。依據(jù)已建立的遞階層次結(jié)構(gòu)體系，采用Saaty1—9比率標(biāo)度法構(gòu)造判斷矩陣，可得每一個評價指標(biāo)相對于最高層區(qū)域經(jīng)濟(jì)發(fā)展水平的權(quán)重值(圖3)，并通過一致性檢驗。表3新疆各地區(qū)經(jīng)濟(jì)發(fā)展指標(biāo)地區(qū)GDP人均GDP第一產(chǎn)業(yè)比重第二產(chǎn)業(yè)比重第三產(chǎn)業(yè)比重GDP增長率經(jīng)濟(jì)效率烏市13385172430391.49%44.86%53.65%18.75%0.156吐魯番18278662982813.36%63.54%23.11%15.43%0.138哈密16738482937514.36%44.81%40.83%22.15%0.08塔城34190472356236.97%34.52%28.51%16.70%0.101阿勒泰13486442240621.93%43.44%34.63%12.96%0.218阿克蘇39611751587234.85%30.87%34.28%19.10%0.144喀什3599718874842.16%18.06%39.78%21.04%0.065和田1034972518135.09%16.96%47.96%14.41%0.053經(jīng)濟(jì)發(fā)展指標(biāo)經(jīng)濟(jì)發(fā)展指標(biāo)經(jīng)濟(jì)總量（0.4）經(jīng)濟(jì)結(jié)構(gòu)（0.3）經(jīng)濟(jì)效率（0.3）人均GDP（0.4）人均消費(fèi)（0.4）0GDP增長率（0.2）三產(chǎn)占GDP比（1.0）產(chǎn)業(yè)貢獻(xiàn)率（1.0）圖3經(jīng)濟(jì)發(fā)展評價指標(biāo)層次結(jié)構(gòu)體系由于所選指標(biāo)的含義、量綱與大小均不相同，無法直接進(jìn)行加減，因此必須進(jìn)行標(biāo)準(zhǔn)化處理，得到相對統(tǒng)一的量綱。采用極差標(biāo)準(zhǔn)化法，設(shè)數(shù)據(jù)系列中的最大值為，最小值為，則數(shù)列中的標(biāo)準(zhǔn)化數(shù)據(jù)為變化后的新數(shù)據(jù)變化范圍均在0到1之間。對表4中的數(shù)據(jù)進(jìn)行極差標(biāo)準(zhǔn)化處理，再根據(jù)圖3中經(jīng)濟(jì)發(fā)展的I、Ⅱ級指標(biāo)權(quán)重值，對表3中8個地區(qū)指標(biāo)數(shù)據(jù)加權(quán)求和，計算得出各區(qū)縣經(jīng)濟(jì)發(fā)展指標(biāo)得分(表5)。在ArcGIS9.2軟件中，將經(jīng)濟(jì)發(fā)展指標(biāo)綜合得分分為3個等級，分別為經(jīng)濟(jì)落后地區(qū)(0～0.3)、經(jīng)濟(jì)中等地區(qū)(O.3～0.6)及經(jīng)濟(jì)領(lǐng)先地區(qū)(0.6～1.0)，生成各區(qū)經(jīng)濟(jì)發(fā)展指標(biāo)綜合得分等級分類圖(圖4a)，表4城市化過程階段劃分方法劃分階段階段城市化率/%特點(diǎn)方法1初期＜20城市數(shù)量少，規(guī)模小，城市化水平低，發(fā)展緩慢中期20～80人口向城市集聚，資本向城市集聚，城鎮(zhèn)數(shù)量迅速增加，城市化水平大約每提高一個百分點(diǎn)，城市規(guī)模不斷擴(kuò)大后期＞80城鄉(xiāng)差別近乎消滅，人口城市化趨緩，郊區(qū)城市化（逆城市化）開始出現(xiàn)方法2起步期＜20城市數(shù)量少，規(guī)模小，城市化水平低，發(fā)展緩慢發(fā)展期20～40人口向城市集聚，資本向城市集聚，城鎮(zhèn)數(shù)量迅速增加，城市化水平大約每提高一個百分點(diǎn)，城市規(guī)模不斷擴(kuò)大成熟期40～75城鄉(xiāng)差別近乎消滅，人口城市化趨緩，郊區(qū)城市化（逆城市化）開始出現(xiàn)表五經(jīng)濟(jì)發(fā)展指標(biāo)得分地區(qū)經(jīng)濟(jì)發(fā)展綜合得分排序城鎮(zhèn)化水平排序位序差烏魯木齊市0.6910.97010吐魯番地區(qū)0.2820.7214-2哈密地區(qū)0.2430.88221塔城地區(qū)0.1370.73834阿勒泰地區(qū)0.1640.5536-2阿克蘇地區(qū)0.1650.63050喀什地區(qū)0.260.3627-1和田地區(qū)0.0380.320805.2.3城鎮(zhèn)化水平分析根據(jù)世界各國經(jīng)濟(jì)發(fā)展水平及城市化進(jìn)程情況，一般將城鎮(zhèn)化全過程分為3個階段，有2種相似的劃分方法（表4）。表4中劃分方法1是根據(jù)美國城市地理學(xué)家Northam描繪的城鎮(zhèn)化發(fā)展的“S”型曲線所得。綜合以上2種劃分方法，將城鎮(zhèn)化水平劃分為3個階段，即<40％為初步發(fā)展階段；40％～75％為加速發(fā)展階段；>75％為成熟階段。按該標(biāo)準(zhǔn)對新疆各地區(qū)城鎮(zhèn)化水平進(jìn)行劃分(圖4b）。圖4新疆經(jīng)濟(jì)與城鎮(zhèn)化水平劃分由此可以看出，新疆省城鎮(zhèn)化初步發(fā)展地區(qū)為喀什、和田；加速發(fā)展階段地區(qū)為吐魯番、塔城、阿勒泰、阿克蘇；成熟階段為烏魯木齊、哈密。對經(jīng)濟(jì)綜合指標(biāo)得分進(jìn)行排序，再與城鎮(zhèn)化水平的排序結(jié)果進(jìn)行比較，得出各區(qū)位序差（表4）。該數(shù)據(jù)統(tǒng)計方法，可以確定城鎮(zhèn)化水平與經(jīng)濟(jì)發(fā)展之間空間格局的相互關(guān)系提供量化支撐。綜合得分越高，經(jīng)濟(jì)發(fā)展水平越快，城鎮(zhèn)化率越高。從位序差看出，吐魯番、阿勒泰、喀什經(jīng)濟(jì)域城鎮(zhèn)化沒有很好的協(xié)調(diào)發(fā)展，其余地區(qū)經(jīng)濟(jì)與城鎮(zhèn)化很好得到發(fā)展。5.3模型Ⅲ在前2個模型的基礎(chǔ)上建立BP神經(jīng)網(wǎng)絡(luò)來預(yù)測進(jìn)十年城市化水平。5.3.1模型的分析在進(jìn)行BP網(wǎng)絡(luò)預(yù)測設(shè)計時，主要考慮網(wǎng)絡(luò)的層數(shù)和每層中神經(jīng)元的個數(shù)。網(wǎng)絡(luò)層數(shù)：BP網(wǎng)絡(luò)是通過輸入層到輸出層的計算來完成的。多余一層的隱含層，雖然能在速度上提高網(wǎng)絡(luò)的訓(xùn)練。但是在實際應(yīng)用中需要較多的訓(xùn)練時間，而訓(xùn)練速度可以用增加隱含結(jié)點(diǎn)個數(shù)來實現(xiàn)，因此，在應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測時，選區(qū)只有一個隱含層的三層BP神經(jīng)網(wǎng)絡(luò)就足夠了網(wǎng)絡(luò)各層中神經(jīng)元的個數(shù)：輸入輸出節(jié)點(diǎn)是與樣本緊密相關(guān)的，與其應(yīng)用的領(lǐng)域有關(guān)，通過新疆GDP歷史數(shù)據(jù)，確定輸入層神經(jīng)元個數(shù)為5，即輸入變量為連續(xù)五年，輸出層神經(jīng)元數(shù)為1。如果隱含層神經(jīng)元個數(shù)過少，網(wǎng)絡(luò)很難識別樣本，難以完成訓(xùn)練，網(wǎng)絡(luò)的容錯性降低；如果數(shù)目過多則會增加網(wǎng)絡(luò)的迭代次數(shù)，從而延長網(wǎng)絡(luò)的訓(xùn)練時間，導(dǎo)致預(yù)測能力下降，在具體設(shè)計時，首先根據(jù)經(jīng)驗公式初步確定隱含層神經(jīng)元個數(shù)，然后通過對不同神經(jīng)元數(shù)的網(wǎng)絡(luò)進(jìn)行訓(xùn)練對比，再最終確定神經(jīng)元數(shù)。通用的隱含層神經(jīng)元數(shù)的確定經(jīng)驗公式有：（1.6）其中為隱含層神經(jīng)元的個數(shù)，為輸入層神將元的個數(shù)，輸出層神經(jīng)元的個數(shù)，為常數(shù)，且1＜＜10,(參見下圖)因此可以設(shè)定隱含層的神經(jīng)元數(shù)為5.圖5神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)5.3.2BP神經(jīng)網(wǎng)絡(luò)預(yù)測的MATLAB的實現(xiàn)1數(shù)據(jù)樣本的預(yù)處理為了保證數(shù)據(jù)為同一數(shù)量級，首先需要對神經(jīng)網(wǎng)絡(luò)的輸入和輸出數(shù)據(jù)進(jìn)行一定的預(yù)處理，將原數(shù)據(jù)乘以10-3，同時，將樣本分為訓(xùn)練集和測試集，2005年到2010年新疆GDP的處理結(jié)果作為訓(xùn)練集，2005年到2009年新疆GDP作為訓(xùn)練輸入，2010年新疆的GDP作為訓(xùn)練輸出；2006年到2011年新疆GDP作為測試集，2006到2010新疆GDP作為測試輸入，2011年新疆GDP作為測試輸出。以此類推，得到2012年到2020年的新疆GDP。A、確定激活函數(shù)，根據(jù)處理后的數(shù)據(jù)范圍，本文選取tansing和purelin作為激活函數(shù)。B、設(shè)定網(wǎng)絡(luò)的最大學(xué)習(xí)迭代次數(shù)為6000.C、設(shè)定網(wǎng)絡(luò)的學(xué)習(xí)精度為0.005；D、創(chuàng)建和訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)的MATLABE程序（程序見附錄）現(xiàn)實的數(shù)據(jù)與所設(shè)計的網(wǎng)絡(luò)模型相符，且如圖顯見網(wǎng)絡(luò)學(xué)習(xí)迭代到411次時，就達(dá)到學(xué)習(xí)精度0.00499674，其學(xué)習(xí)速度較快。利用MATLAB軟件得到2011到2020年的新疆GDP，如下表：表62011到2020年新疆GDP年份20112012201320142015GDP6206.1057083.3948084.6969227.5410531.94年份20162017201820192020GDP12020.7213719.9615659.417872.9920399.5由表看出新疆在未來十年的經(jīng)濟(jì)增長迅速，因城鎮(zhèn)化水平主要受經(jīng)濟(jì)影響，所以得出新疆城鎮(zhèn)化水平在未來十年也是逐年提高。6模型的評價及推廣6.1模型的評價單一指標(biāo)法所選用的指標(biāo)便于統(tǒng)計分析，具有較強(qiáng)的適用性，因而在實際工作中常常偏重于單一指標(biāo)法，層次分析法與GIS相結(jié)合，通過分解、比較判斷、綜合的思維方式進(jìn)行決策，其中每一層的權(quán)重在設(shè)置都直接或間接的影響到結(jié)果，而且每個層次中每個因素對結(jié)果的影響程度都是量化的，非常清晰、明確。但尚無法有效反映評價結(jié)果的空間分布格局，而GIS強(qiáng)大的空間分析能力恰好彌補(bǔ)了層次分析法的不足。BP神經(jīng)網(wǎng)絡(luò)具有較高的非線性映射能力，能很好的自學(xué)習(xí)和自適應(yīng)且具有泛化能力和一定容錯能力。但其有局限性且算法速度慢。6.2模型的推廣單一指標(biāo)法應(yīng)用廣泛，還可用于公司價值評價，生物健康評價等。層次分析法和GIS可應(yīng)用于選址、土地質(zhì)量評價等方面。神經(jīng)網(wǎng)絡(luò)的應(yīng)用范圍很廣，可以用于人工智能、自動控制、計算機(jī)科學(xué)、信息處理、機(jī)器人等方面。參考文獻(xiàn)[1]汪曉銀，周保平，數(shù)學(xué)建模與數(shù)學(xué)實驗[M],北京：科學(xué)出版社，2010.[2]于洪俊，城市地理概論[M]，合肥：安徽科技出版社，1983.[3]謝文惠，城市經(jīng)濟(jì)學(xué)[M]，北京：清華大學(xué)出版社，1996.[4]姜愛林，城鎮(zhèn)化水平的不同測算方法探討[J]，樂山師范學(xué)院學(xué)報，2002.附錄BP神經(jīng)網(wǎng)絡(luò)的MATLABE程序P=[0.21144

0.33591

0.40231

0.49525

0.66232

0.81485

0.90093

1.03985

1.10695

1.16317

1.36356

1.4916

1.61265

1.88635

2.20909

2.60414

3.04526

3.52316

4.18321

4.2705

5