摘要：城市建成区规模受社会、经济、城市环境等诸多因素影响，传统统计方法难以准确预测城市建成区的面积。人工神经网络具有良好的非线性映射逼近性能，在各类预测研究中得到了广泛的应用，尤其是BP神经网络。主成分分析可以在有效保留数据信息前提下对数据进行降维，它与BP神经网络的结合主要在数据输入端，通过减少输入层神经元个数，增强网络性能，提高预测精度。本文以北京市为例，综合运用主成分分析和BP神经网络方法建立预测模型，以1986～2003年数据为学习样本，以2004年数据为检验样本，对2005年北京市城市建成区面积进行模拟预测。预测结果表明，基于主成分分析的BP神经网络预测结果与实际值的相对误差为2.8％。比传统BP神经网络预测精度提高1.8个百分点，网络训练收敛速度也更快，其预测精度和效率都有不同程度的改善。

原文链接:http://www.cqvip.com//QK/96015A/200706/26530550.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）