[发明专利]一种基于BP神经网络的城市宜居性评价方法

权利要求书

1.一种基于BP神经网络的城市宜居性评价方法，其特征在于，包括以下步骤：

S1：建立基于因子分析法的BP神经网络评价模型；

S2：对因子分析模型的建立与求解；

S3：对步骤S1建立的BP神经网络评价模型进行改进，获取改进的BP神经网络模型；

S4：根据所述改进的BP神经网络模型的结果对多参数灵敏度进行分析；

S5：构建城市宜居性的动态综合评价模型，对城市宜居性进行评价；

所述步骤S3还包括以下步骤：

S31：确定评价指标、评价目标向量并选定样本城市；

S32：将所述确定评价指标及所述评价目标向量进行初始化权值；

S33：归一化处理所述评价指标并输入训练样本；所述归一化通过K-means算法对城市进行聚类，并将相似度大的城市归为一类；构造比值μ描述此次聚类效果为：

其中，μ_i1表示使用各个聚类点来判断聚类效果的比值，y_i1min和y_i1max分别表示在聚类后某个类中的聚类点与其他类的点之间距离的最小值和最大值，μ_i2表示用各个聚类中心判断聚类效果的比值，y_i-1max和y_i-1min分别表示聚类后某个聚类中心与其他聚类中心之间的距离的最大值和最小值，K表示聚类的个数；

当μ越大时，此次聚类的效果越好；若结果过小，则证明此次分类不合理，重新进行分类；

S34：计算各层输出和输入样本；

S35：计算局部梯度并修正权值；

S36：判断是否满足误差条件，如果满足则执行步骤S37；若不满足则执行步骤S33；

S37：输入所述选定样本城市的数据，得出评价结果。

2.根据权利要求1所述的一种基于BP神经网络的城市宜居性评价方法，其特征还在于：

输入层到下一层的权值矩阵为：

所述下一层到输出层权值矩阵：

3.根据权利要求1所述的一种基于BP神经网络的城市宜居性评价方法，其特征还在于：

所述步骤S2还包括以下步骤：

S21：对指标进行选取；

S22：对因子分析模型实现指标的降维进行筛选；

首先采集数据，进而为了对整体指标进行综合评价，进行无量纲化处理，计算公式为：

因子分析模型是将每个指标X_i用m(m≤n)个公共因子F₁,F₂,…F_m的线性组合表示，即：

其中：a_i,j表示因子载荷(i＝1,2,…n,j＝1,2,…,m)，为X_i在第j个公共因子上的负荷，即公共因子对每一个初始指标的影响程度；ε_i表示特殊因子且只对X_i起作用；因子分析模型还可以转化为：

其中：

μ_jl表示第j个指标对应于第l个主成分的初始因子载荷，λ_l表示第l个主成分对应的特征值；通过KMO检验判断样本是否适宜做因子分析；

KMO检验统计量d介于0-1之间，当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时，KMO值接近1，而KMO值越接近1，也意味着指标间的相关性越强，原有变量越适合作因子分析，其公式为：

其中，AA表示所有变量之间，即两两但不包括变量自己与自己的偏相关系数的平方和；X和Y均表示偏相关系数：X和Z线性回归得到的残差Rx与Y和Z线性回归得到的残差Ry之间的简单相关系数；Z表示其他所有的变量；BB表示所有变量之间，即两两不包括变量自己与自己的相关系数的平方和；同时确定筛选后指标个数并确定筛选后指标名称；

S23：筛选指标结果；

S24：筛选指标的合理性。