预警指标预测

7.3　预警指标预测

本研究采用三层BP神经网络模型对预警指标进行预测，模型构建通过MATLAB7.0编程语言实现，基础数据为1996～2005年淮安市土地生态系统各预警指标实际值。

7.3.1 BP神经网络结构确定

经过试算，研究最终确定对土地生态安全的自然因素子系统建立9-10-9的BP神经网络模型；对土地生态安全的经济因素子系统建立6-4-6的BP神经网络模型；对土地生态安全的社会因素子系统建立7-8-7的BP神经网络模型。

模型参数方面，初始权值采用-0.5～＋0.5的随机数；最小速率取0.1；允许误差取0.0001；最大迭代次数取5 000次；选择Sigmoid参数作为神经元激励函数；并对基础数据进行标准化转换。

7.3.2 网络训练

淮安市土地生态系统安全预警指标BP神经网络训练思路是，用预警指标1996～2003年的数据作为网络的样本输入数据，1997～2004年的数据作为目标样本期望输出，进行网络训练，并用2005年的数据用于测试检验。

根据以上思路对土地生态安全的自然因素子系统、经济因素子系统和社会因素子系统分别进行网络训练，得到各子系统原样本的拟合结果，对2005年的数据测试检验结果如表7-3、表7-4、表7-5所示。

从表7-3中可以看出，土地生态安全的自然因素子系统样本拟合程度较好，预测样本2005年数据相对误差不超过5%，该网络可以用来对土地生态安全的自然因素子系统预警指标进行预测。从表7-4中可以看出，土地生态安全的经济因素子系统样本拟合程度较好，除指标e₄外，预测样本2005年数据相对误差不超过10%，该网络可以用来对土地生态安全的经济因素子系统预警指标进行预测。从表7-5中可以看出，土地生态安全的社会因素子系统样本拟合程度较好，预测样本2005年数据相对误差不超过5%，该网络可以用来对土地生态安全的社会因素子系统预警指标进行预测。

表7-3　土地生态安全的自然因素子系统神经网络拟合训练结果和检验结果

注:①相对误差是指拟合值与实际值之间的误差。②2005^﹡表示2005年数据为测试检验结果。

表7-4　土地生态安全的经济因素子系统神经网络拟合训练结果和检验结果

注:①相对误差是指拟合值与实际值之间的误差。②2005^﹡表示2005年数据为测试检验结果。

表7-5　土地生态安全的社会因素子系统神经网络拟合训练结果和检验结果

（续表）

注:①相对误差是指拟合值与实际值之间的误差。②2005^﹡表示2005年数据为测试检验结果。

7.3.3 外推预测

用训练好的BP神经网络模型，对三个子系统2006～2010年的各预警指标进行外推预测，结果见表7-6、表7-7和表7-8。主要思路是，用2005年的数据对2006年的数据进行预测，将预测值再次带入模型再预测，直至预测到2010年的预测值。

表7-6　土地生态安全的自然因素子系统预警指标2006～2010年预测值

表7-7　土地生态安全的经济因素子系统预警指标2006～2010年预测值

表7-8　土地生态安全的社会因素子系统预警指标2006～2010年预测值