[发明专利]基于改进神经网络算法的建设用地面积预测方法

说明书

本发明公开基于改进神经网络算法的建设用地面积预测方法，包括如下几个步骤：步骤一、收集各年度待预测地区建设用地面积及其影响因素样本数据；步骤二、构建含一层隐含层的三层结构反向传播神经网络，以影响因素项数作为输入层节点数、以1作为输出层节点数，结合试凑法和以下公式求解得到一组隐含层节点数；步骤三、训练模型，步骤四、模型定型，比较各假设模型相应的测定系数、变异系数，以其中精度最高的假设模型作为预测未来建设用地面积的定型模型。

技术领域

本发明涉及一种基于改进神经网络算法的建设用地面积预测方法，属于数据预测技术领域。

背景技术

随着乡村振兴战略的提出，社会越来越关注村镇的可持续健康发展，建设用地面积作为表征其发展的最基本指标之一，能否把握某地区各影响因素与建设用地面积变化之间的关系，并对该地区的用地面积进行预测，是本发明的基本出发点。

建设用地面积变化受多种驱动因子的影响和制约，是一个动态的、非线性与多反馈回路的复合系统。现有的建设用地面积预测模型大多是线性回归模型，该模型需要先判断变量之间是否是线性关系，不能很好的拟合非线性数据，无法准确提取建设用地面积变化规律。

神经网络作为一个高度复杂的非线性动力学习系统，特别适合处理需要同时考虑许多因素的、不精确的信息处理问题，具有良好的非线性映射能力。

发明内容

发明目的：针对现有技术中存在的问题与不足，本发明提供一种基于改进神经网络算法的建设用地面积预测方法，以弥补现有预测方法的不足，更好地把握某地区各影响因素与建设用地面积变化之间的关系，提高建设用地面积预测的精度。

技术方案：基于改进神经网络算法的建设用地面积预测方法，其特征在于：包括如下步骤：

步骤一、收集数据——收集各年度待预测地区建设用地面积及其影响因素样本数据；

步骤二、构建网络——构建含一层隐含层的三层结构反向传播神经网络，以影响因素项数作为输入层节点数、以1作为输出层节点数，

结合试凑法和以下公式求解得到一组隐含层节点数；

m＝log₂n (2)

其中，m：隐含层节点数；n：输入层节点数；l：输出层节点数；α：1-10之间的常数；

步骤三、训练模型，具体包括：

第一步、将收集的样本数据按前、中、后时间顺序分为训练集、验证集和测试集，对模型进行假设，并确定所述反向神经网络的输入与输出；

第二步、用训练集中的样本数据分别训练不同隐含层节点数的各所述神经网络，正向计算各层单元的激活值、反向计算各层单元激活值误差、计算代价函数关于各参数的偏导项，利用梯度下降法更新参数矩阵、重复所述正向计算与反向计算，直至各所述神经网络的预测输出值与实际值误差在5％以内，固定此时的参数，进而确定相应的假设模型；

第三步、将验证集样本数据分别输入各假设模型，预测相应的建设用地面积值，当误差大于5％时，重新训练该模型，当误差小于5％时，进入下一步，以此来对模型进行验证。

第四步、将测试集样本数据分别输入各假设模型，得到相应的预测建设用地面积值；

步骤四、模型定型——比较各假设模型相应的测定系数、变异系数，以其中精度最高的假设模型作为预测未来建设用地面积的定型模型。

本发明进一步限定的技术特征为：在步骤四中，所述测定系数的计算包括如下几个步骤：

A1，获取所预测年份的土地面积影响因数样本数据；