城镇化水平评估及预测

II5.2.1模型的分析目前，层次分析法(AnalyticHierarchyProcess，AHP)被广泛应用于多因素综合评价中，但尚无法有效反映评价结果的空间分布格局，而GIS强大的空间分析能力恰好弥补了层次分析法的不足。因此，GIS和层次分析法的结合将有助于提高区域经济发展评价水平，能更好的评估新疆省城市化。在模型=1\*ROMANI基础的上先对数据进行处理。基于层次分析法和GIS的数据处理技术路线见图2。AHP对经济发展的分析评价AHP对经济发展的分析评价GIS的数据管理和空间分布建立评价指标体系区域经济发展与城镇化空间格局分析专题地图和统计表等结果输出空间和属性数据的预处理图2数据处理技术路线5.2.2模型的建立结合新疆省的实际情况，以经济发展为总目标，以经济总量、经济结构和经济效率为准则层，按各准则层隶属关系再细化为若干指标，建立了衡量其经济发展水平的指标体系(图3)，指标数据见表3。截至目前，赋权方法尚未形成完整的体系。解决该问题的方法主要有专家估测法、调查统计法、指标值法、主因子分析法及层次分析法等，该评价中采用了层次分析法。依据已建立的递阶层次结构体系，采用Saaty1—9比率标度法构造判断矩阵，可得每一个评价指标相对于最高层区域经济发展水平的权重值(图3)，并通过一致性检验。表3新疆各地区经济发展指标地区GDP人均GDP第一产业比重第二产业比重第三产业比重GDP增长率经济效率乌市13385172430391.49%44.86%53.65%18.75%0.156吐鲁番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阿克苏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经济发展指标经济发展指标经济总量（0.4）经济结构（0.3）经济效率（0.3）人均GDP（0.4）人均消费（0.4）0GDP增长率（0.2）三产占GDP比（1.0）产业贡献率（1.0）图3经济发展评价指标层次结构体系由于所选指标的含义、量纲与大小均不相同，无法直接进行加减，因此必须进行标准化处理，得到相对统一的量纲。采用极差标准化法，设数据系列中的最大值为，最小值为，则数列中的标准化数据为变化后的新数据变化范围均在0到1之间。对表4中的数据进行极差标准化处理，再根据图3中经济发展的I、Ⅱ级指标权重值，对表3中8个地区指标数据加权求和，计算得出各区县经济发展指标得分(表5)。在ArcGIS9.2软件中，将经济发展指标综合得分分为3个等级，分别为经济落后地区(0～0.3)、经济中等地区(O.3～0.6)及经济领先地区(0.6～1.0)，生成各区经济发展指标综合得分等级分类图(图4a)，表4城市化过程阶段划分方法划分阶段阶段城市化率/%特点方法1初期＜20城市数量少，规模小，城市化水平低，发展缓慢中期20～80人口向城市集聚，资本向城市集聚，城镇数量迅速增加，城市化水平大约每提高一个百分点，城市规模不断扩大后期＞80城乡差别近乎消灭，人口城市化趋缓，郊区城市化（逆城市化）开始出现方法2起步期＜20城市数量少，规模小，城市化水平低，发展缓慢发展期20～40人口向城市集聚，资本向城市集聚，城镇数量迅速增加，城市化水平大约每提高一个百分点，城市规模不断扩大成熟期40～75城乡差别近乎消灭，人口城市化趋缓，郊区城市化（逆城市化）开始出现表五经济发展指标得分地区经济发展综合得分排序城镇化水平排序位序差乌鲁木齐市0.6910.97010吐鲁番地区0.2820.7214-2哈密地区0.2430.88221塔城地区0.1370.73834阿勒泰地区0.1640.5536-2阿克苏地区0.1650.63050喀什地区0.260.3627-1和田地区0.0380.320805.2.3城镇化水平分析根据世界各国经济发展水平及城市化进程情况，一般将城镇化全过程分为3个阶段，有2种相似的划分方法（表4）。表4中划分方法1是根据美国城市地理学家Northam描绘的城镇化发展的“S”型曲线所得。综合以上2种划分方法，将城镇化水平划分为3个阶段，即<40％为初步发展阶段；40％～75％为加速发展阶段；>75％为成熟阶段。按该标准对新疆各地区城镇化水平进行划分(图4b）。图4新疆经济与城镇化水平划分由此可以看出，新疆省城镇化初步发展地区为喀什、和田；加速发展阶段地区为吐鲁番、塔城、阿勒泰、阿克苏；成熟阶段为乌鲁木齐、哈密。对经济综合指标得分进行排序，再与城镇化水平的排序结果进行比较，得出各区位序差（表4）。该数据统计方法，可以确定城镇化水平与经济发展之间空间格局的相互关系提供量化支撑。综合得分越高，经济发展水平越快，城镇化率越高。从位序差看出，吐鲁番、阿勒泰、喀什经济域城镇化没有很好的协调发展，其余地区经济与城镇化很好得到发展。5.3模型Ⅲ在前2个模型的基础上建立BP神经网络来预测进十年城市化水平。5.3.1模型的分析在进行BP网络预测设计时，主要考虑网络的层数和每层中神经元的个数。网络层数：BP网络是通过输入层到输出层的计算来完成的。多余一层的隐含层，虽然能在速度上提高网络的训练。但是在实际应用中需要较多的训练时间，而训练速度可以用增加隐含结点个数来实现，因此，在应用BP神经网络进行预测时，选区只有一个隐含层的三层BP神经网络就足够了网络各层中神经元的个数：输入输出节点是与样本紧密相关的，与其应用的领域有关，通过新疆GDP历史数据，确定输入层神经元个数为5，即输入变量为连续五年，输出层神经元数为1。如果隐含层神经元个数过少，网络很难识别样本，难以完成训练，网络的容错性降低；如果数目过多则会增加网络的迭代次数，从而延长网络的训练时间，导致预测能力下降，在具体设计时，首先根据经验公式初步确定隐含层神经元个数，然后通过对不同神经元数的网络进行训练对比，再最终确定神经元数。通用的隐含层神经元数的确定经验公式有：（1.6）其中为隐含层神经元的个数，为输入层神将元的个数，输出层神经元的个数，为常数，且1＜＜10,(参见下图)因此可以设定隐含层的神经元数为5.图5神经网络结构5.3.2BP神经网络预测的MATLAB的实现1数据样本的预处理为了保证数据为同一数量级，首先需要对神经网络的输入和输出数据进行一定的预处理，将原数据乘以10-3，同时，将样本分为训练集和测试集，2005年到2010年新疆GDP的处理结果作为训练集，2005年到2009年新疆GDP作为训练输入，2010年新疆的GDP作为训练输出；2006年到2011年新疆GDP作为测试集，2006到2010新疆GDP作为测试输入，2011年新疆GDP作为测试输出。以此类推，得到2012年到2020年的新疆GDP。A、确定激活函数，根据处理后的数据范围，本文选取tansing和purelin作为激活函数。B、设定网络的最大学习迭代次数为6000.C、设定网络的学习精度为0.005；D、创建和训练BP神经网络的MATLABE程序（程序见附录）现实的数据与所设计的网络模型相符，且如图显见网络学习迭代到411次时，就达到学习精度0.00499674，其学习速度较快。利用MATLAB软件得到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由表看出新疆在未来十年的经济增长迅速，因城镇化水平主要受经济影响，所以得出新疆城镇化水平在未来十年也是逐年提高。6模型的评价及推广6.1模型的评价单一指标法所选用的指标便于统计分析，具有较强的适用性，因而在实际工作中常常偏重于单一指标法，层次分析法与GIS相结合，通过分解、比较判断、综合的思维方式进行决策，其中每一层的权重在设置都直接或间接的影响到结果，而且每个层次中每个因素对结果的影响程度都是量化的，非常清晰、明确。但尚无法有效反映评价结果的空间分布格局，而GIS强大的空间分析能力恰好弥补了层次分析法的不足。BP神经网络具有较高的非线性映射能力，能很好的自学习和自适应且具有泛化能力和一定容错能力。但其有局限性且算法速度慢。6.2模型的推广单一指标法应用广泛，还可用于公司价值评价，生物健康评价等。层次分析法和GIS可应用于选址、土地质量评价等方面。神经网络的应用范围很广，可以用于人工智能、自动控制、计算机科学、信息处理、机器人等方面。参考文献[1]汪晓银，周保平，数学建模与数学实验[M],北京：科学出版社，2010.[2]于洪俊，城市地理概论[M]，合肥：安徽科技出版社，1983.[3]谢文惠，城市经济学[M]，北京：清华大学出版社，1996.[4]姜爱林，城镇化水平的不同测算方法探讨[J]，乐山师范学院学报，2002.附录BP神经网络的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