城市可持续发展调控预测模型的BP网络实现

journal6 ›› 2001, Vol. 22 ›› Issue (4): 29-32.

城市可持续发展调控预测模型的BP网络实现

( 1. 华东师范大学教育部城市与环境开放实验室, 上海 200062;2.上海市地质调查研究院,上海 200072)

出版日期:2001-12-15 发布日期:2013-01-05
作者简介:过仲阳( 1965- ) ,男, 浙江省嵊县人,博士, 华东师范大学教育部城市与环境开放实验室副教授, 主要从事环境演变中的数值模拟研究.
基金资助:
上海市教育委员会重点学科基金资助项目( B990305)

Establishment in Artificial Neural Network of Urban Sustainable Development Adjustment Prediction Model

( 1. Urban and Environmental Open Laboratory, the Ministry of Education, East China Normal University,Shanghai 200062, China; 2. Shanghai Geologic Survey Bureau, Shanghai 200072, China)

Online:2001-12-15 Published:2013-01-05

摘要/Abstract

摘要：根据1990-1999年10年时间序列上海市可持续发展评价指标体系的数据库,选取表征研究区域可持续发展的主要因子,即国民生产总值、人均用水量、人口自然增长率、海域环境质量、万元产值工业废水排放量及人均公共绿地面积,利用神经网络技术建立了上海市可持续发展的调控预测模型,取得了良好的效果.

关键词： 神经网络, 可持续发展, 预测模型

Abstract: On the basis of the evaluation database of Shanghai sustainable development from 1990 to 1999, six main influential factors of regional sustainable development were selected, which including gross domestic product, percapita water consumption, natural growth rate, ocean water quality, per 10 thousand yuan product industrial waste water discharge and per capita public green areas.Thus Shanghai sustainable development adjustment prediction model using artificial neural network is established, from which good results were obtained.

Key words: artificial neural network, sustainable development, prediction model

过仲阳, 石纯, 潘黎帆, 陆衍. 城市可持续发展调控预测模型的BP网络实现[J]. journal6, 2001, 22(4): 29-32.

GUO Zhong-Yang, SHI Chun, PAN Li-Fan, LU Yan. Establishment in Artificial Neural Network of Urban Sustainable Development Adjustment Prediction Model[J]. journal6, 2001, 22(4): 29-32.

[1]	叶海燕. 基于卷积神经网络的特定目标文本情感分析模型[J]. 吉首大学学报（自然科学版）, 2024, 45(1): 24-29.
[2]	石季雨, 余思瑶, 易叶青. 优化NGM(1,1,k)模型在国内能源消费中的应用[J]. 吉首大学学报（自然科学版）, 2022, 43(4): 27-33.
[3]	王宇, 张诗茹, 张渝佶, 周立群. 比例时滞神经网络的全局多项式镇定性[J]. 吉首大学学报（自然科学版）, 2022, 43(3): 15-25.
[4]	李家稳, 王崇旭, 王浩. 基于神经网络的桥下开挖竖向位移预测[J]. 吉首大学学报（自然科学版）, 2022, 43(2): 53-59.
[5]	王雨嫣, 廖柏林, 彭晨, 李军, 印煜民. 递归神经网络研究综述[J]. 吉首大学学报（自然科学版）, 2021, 42(1): 41-48.
[6]	李钰，段明秀，宋思思，李翅. 基于深度学习SSD模型的人数统计技术[J]. 吉首大学学报（自然科学版）, 2020, 41(2): 19-22.
[7]	伍逸凡，朱龙娇，石俊萍. 人工神经网络在信息过滤中的应用[J]. 吉首大学学报（自然科学版）, 2019, 40(3): 17-22.
[8]	张永胜，肖林. 二次最小化问题的有限时间递归神经网络求解[J]. 吉首大学学报（自然科学版）, 2019, 40(2): 21-26.
[9]	贺电，谭渡渡，何海零，邹晟，钟佳辰，王庭婷. 基于气象大数据的配网故障数量预测[J]. 吉首大学学报（自然科学版）, 2019, 40(1): 53-56.
[10]	王军. 安徽省某地区中长期电力负荷预测[J]. 吉首大学学报（自然科学版）, 2018, 39(6): 46-49.
[11]	丁李，曾水玲，熊涛. 基于BP神经网络的湘西民间方块苗文特征提取方法[J]. 吉首大学学报（自然科学版）, 2018, 39(5): 14-18.
[12]	谢正发. 武陵山片区特色村镇旅游的可持续发展[J]. 吉首大学学报（自然科学版）, 2018, 39(4): 78-82.
[13]	韦建波，张栋柱，罗浩杰，谭惠，韦涛. 基于改进的RBF神经网络的配电网故障诊断模型[J]. 吉首大学学报（自然科学版）, 2018, 39(1): 54-58.
[14]	赵超越，张友华. 小麦赤霉病神经网络和偏最小二乘预测模型[J]. 吉首大学学报（自然科学版）, 2017, 38(4): 47-52.
[15]	向秋红,廖柏林,马川. 新型递归神经网络求解时变矩阵Moore-Penrose逆[J]. 吉首大学学报（自然科学版）, 2017, 38(3): 31-35.