文摘
背景。有机进化的发展模式的发展是一个城市,它可以促进城市不断地适应周围环境,因此调整他们的发展。前的研究主要是集中在城市和环境变化,研究有机发展城市各种条件相当稀缺。目的。通过创造一个有机城市评价指标体系,本文建立了多因素评价模型,提高了评价方法有机的城市。方法。作者想出了一个方法,结合主成分分析和CNN,建立一个优化模型来计算有机城市、验证评价指标体系的准确性为有机的城市,最后得出的结论是,城市有机发展主要是与自然环境、经济基础、土地利用、城市的人口规模。案例研究。此外,重庆璧山的例子区和江阴,江苏省,模拟和比较,准确预测有机发展的小城市在中国。结论。有机城市的评价指标体系由本文设计可以有效地评估应用有机的城市,和神经网络预测模型有机的城市由本文可以为进一步的研究提供参考设计有机的城市。
1。介绍
城市发展评价的定义是评价一个城市在城市发展的过程中。一方面,它可以用作指导下一阶段的城市发展,另一方面,它可以称为标准类似城市的发展。共同评价包括可持续性、生态建筑、绿色建筑、低碳建筑、城市更新。这些通常对应于一个特定的领域相关的城市发展;例如,城市可持续发展评价指标往往对应于资源分配,经济发展,环境保护和社会发展(1- - - - - -3]。生态城市(绿色)评价指标与资源节约、环境友好的性格,和经济可持续性4- - - - - -8]。城市更新评价方法评价第一,中间,和城市更新的最后阶段9- - - - - -12]。上述评价城市发展最重视城市发展的变化,重点是城市发展的一个方面。虽然它能提供一些科学的指导城市发展的过程中,缺点是显而易见的,它不能覆盖城市发展的大局。
目前,常用的评价方法是基于评价指标体系的建立使用德尔菲法、层次分析法、灰色关联分析、主成分分析等来确定指标权重,然后计算结果与加权的指数(13- - - - - -17]。后设置一个系统、科学的指标体系和合理的指标权重,这些方法可以评估各种评价指标的加权方式,因此表明一个城市的发展水平和能力在一个特定的区域更加全面、科学。然而,这些评价方法的问题不容忽视;结果只能提供评估目标的排名在大多数情况下,但不能解释为什么评估排名较低的目标这样的排名,无法提供清晰的参考评估目标的优化调整。最重要的是,这些方法选择特定的和有限的指数和忽略一个事实:这个城市是一个复杂的megasystem,和许多因素是城市发展以非线性的方式。
前面提到的问题,本文提出了一个综合评价城市发展结合主成分分析(PCA)和卷积神经网络(CNN),也就是说,评价城市有机的城市。城市有机的概念强调城市系统本身结构和活跃的像一个有机体,城市发展的内在动机是具有一个良性循环,可以创造一个环境,可以为市民提供健康生活最大程度(18]。本研究应用PCA为有机城市建立评价指标体系,基于卷积神经网络是用来提取特征值,和ResNet(残余网络)是进一步利用建立城市有机特性计算的优化模型。
本文的主要贡献如下:(1)本研究应用主成分分析(PCA)创建一个有机城市评价指标体系的评价方法,提高城市有机的城市。本研究建立了一个评价体系,可以使一个客观评价的存在有机城市城市建设。(2)此外,该研究提出了一个方法结合PCA和卷积神经网络的剩余网络(ResNet),随着网络层的加深,它介绍了剩余连接训练能够有效地解决这一问题的增加造成的错误太多层在现实网络训练,最终提高了预测的准确性有机的城市。(3)本研究建立了优化计算模型有机的城市和城市选择璧山和江阴的案例研究。
剩下的纸是组织根据以下模式。
节2,有机城市评价指标体系的建立进行了探讨。节3,主成分分析评价方法进行了探讨。节4,为有机城市进行测试。节5,实验是进行有机的城市应用卷积神经网络的剩余网络ResNet。节6,CNN地理和生态指数的分析结果,城市工业和经济结构、人口发展进行了讨论。节7进行比较分析,然后整个论文的结论部分8。
2。相关工作
节2有机城市的评价指标体系进行了探讨。此外,评价指标体系的建立,讨论了由五个部分组成。
2.1。为有机城市的评价指标体系
以下是评价指标体系的主要步骤为有机城市:(1)城市有机的性质进行了分析。研究应该分析的性质选择城市和建设的重点,与相关分析,确定评价指标体系中的指标及其权重。(2)建立了指标体系。这一研究的目的是建立一个指标体系,可以申请一般情况下,但在实际应用中,不同的城市、不同的特性的指标可以修改和改进。(3)确定了评价方法。研究选择真正的主成分分析表明城市的性质和建设重点(如图1)。
建立评价指标体系的步骤有机城市呈现在图1。
2.2。评价指标体系的建立
整个评价指标体系由5部分组成(如图2)。(我)目标一:有机城市综合指数表明城市有机发展的水平。(2)系统B:目标是进一步分为4系统根据组成系统的理念有机的城市。(3)子系统C:系统进一步划分。(iv)指标D:有机城市的想法的组成因素与相应的系统和子系统(如表所示1)。
3所示。方法
节3讨论了主成分分析评价方法,将线性收集变量转换成新的序列,然后减少方差的新变量的顺序。
3.1。主成分分析评价方法的应用
PCA变换线性变量收集新的序列,然后减少方差的新变量的顺序。数学变换,总方差保持常数,然后第一个变量具有最大的方差,在第一主成分,同样,每个变量都有一个主要组件。主成分分析是一种方法,可以减少维度。
3.1.1。标准化评价指标
假设有k指数和n样品和原始数据矩阵可以得到(如表所示2)。
然后,为每个索引对应的标准化数据xij如下: 在哪里我= 1,2,…n,j= 1,2,…k。标准化后,每个索引的值可以限制在[0,1]。
3.1.2。确定评价指标的权重
应用SPSS软件分析收集到的数据的主要组件,每个索引的索引系统相对应,和解释方差率和每个主成分的得分系数矩阵表3(如表所示3)。
从表中可以看出,前5个主成分特征值大于1,其贡献率大于85%,和累积方差贡献率达到95.758%,可覆盖评估所需的信息更全面。求和41的产品指标的系数在5个主成分和主成分的方差贡献率和标准化的过程后,每个评价因素的权重向量如下: 在哪里的方差贡献率是吗问主成分,一个气的得分系数吗我因素问主成分,是加权向量。可以获得加权值。
4所示。案例测试有机的城市
在这一节中,选择小城市的案例研究。城市有机的表综合指数评价提出了表4,然后每个系统的有机综合指数和分数和索引计算如表所示5。的统计结果的实际指标城市增长边界,城市规模、城市经济、城市环境展示在表6。分析城市有机的综合指数将在下面讨论。
4.1。选择的案例
本文只研究在中国的小城市。根据公告关于城市规模调整的分类标准由国务院发表在2014年11月,这项研究是城市的小城市(城区)的人口小于500000。重庆璧山区,被选为研究目标。
4.2。建立城市有机指数
重庆统计年鉴,璧山的统计年报,人民的经济和社会发展统计公报,第十一和第十二个五年计划等被称为总共获得350年的数据从2011年到2020年。使用有机城市部分的评价指标体系2.2创建璧山的评价体系,提出了城市有机综合指数评估表在以下(如表所示4)。最后,每个系统的有机综合指数和分数和索引计算(如表所示5)。
有机城市璧山主要是由16个指标表示城市增长边界的城市规模、城市经济、城市环境,它们可以反映城市的总体形势是有机的城市更全面。通过计算累积方差贡献率,分数的16个指标有不同的影响璧山的有机综合指数,其中,自然环境占10.71%,9.64%,人工环境地质和地理9.27%,自然生态9.19%,城市人口7.04%,城市土地利用6.53%,人工干预6.3%,5.09%人口规模,人口密度4.81%,人口结构4.71%,4.61%的社会环境,开发强度4.33%,主要功能为4.13%,工业结构3.84%,生产过程3.78%,分别与经济增长2.90%。
16个指标的统计,统计结果的实际指标城市增长边界的城市规模、城市经济、城市环境展示在表6(如表所示6)。
更好的比较和分析变化的趋势和四个系统之间的连接,应用不同的坐标系统进行数据的统计分析,呈现在图3强调不同的系统(图的变化趋势4)。
4.3。分析城市有机的综合指数
它可以观察到的分数每年城市环境的快速增长,但增长率已经放缓在2017年和2019年。城市增长边界的分数增加迅速,更迅速从2013年到2018年。此外,城市规模和经济系统的分数增加较为缓慢,这两个系统相互呈正相关,这表明随着城市经济的发展,城市规模的扩大。
SPSS用于收集数据进行主成分分析,方差贡献率,不同系统的相应的权重是38.33%的城市增长边界系统,23.07%的城市规模系统,13.64%的城市经济体系,分别为24.96%,城市环境系统。因此,城市增长边界对最终结果影响最大的城市有机的综合指数和城市增长边界系统>城市环境系统>城市规模系统>城市经济系统。分析城市有机的综合指数图所示5。
与索引的统计结果的四个系统,有机综合指数的得分璧山有机城市从2011年到2020年可以获得(如表所示7)。
从图6,它的平均年增长率可以看出璧山的有机复合率是5.31%在过去的9年,最低的1.51%,2015年最高的2014年的10.18%。
分数的有机综合指数的璧山县,很明显,建设有机的城市璧山迅速,从2011年到2020年,有机综合指数得分甚至翻了一倍。此外,分析综合指数的璧山县,城市的发展依赖于城市环境,合理的城市增长边界,控制城市规模,促进城市的经济发展。
5。模拟实验的基于神经网络的城市有机的城市
实验应用卷积神经网络的剩余网络ResNet,用于预测快速城市发展的有机城市如图7。深度学习的方法之前,数据集需要集成。本研究采用model-theoretic值模拟方法生成3600数据集。在图8、比较分析图表的数据仿真进行了探讨。
5.1。卷积神经网络结构的建立
为了更好地解决这一问题的消失或爆炸梯度计算反向传播时由于优化同时也避免穷人泛化的网络层,实验将卷积神经网络的网络ResNet残留。
首先,年度数据指标的地质和地理、自然生态、人工干预,人口规模、城市土地利用、城市人口、开发强度、主要功能、生产工艺、人工环境、人口结构、人口密度、经济增长、产业结构、自然环境、社会环境和输入。
对特征提取的数据网络前端骨干,供以后使用。骨干网采用ResNet50, 50层的神经网络。与金字塔池模块提取多尺度信息,从总体和部分信息收集的保险丝的功能。此外,从不同层次特征数据通过跳过合并连接,最后,与输出网络,分类和分割。模型分类和分割结果进行比较后的培训和实际的标准数据,损失价值损失函数的最小化。加权值神经网络中的节点不断地调整,以使预测更接近真实的模型。一个受过良好训练的神经网络可以用来预测快速城市发展的有机城市(如图7)。
城市有机指数数据输入网络前端骨干,根据反向传播公式,当输入层的价值非常大,计算梯度值的输入层的反向传播将成为非常大,导致学习效率低和大消费的时间。所以,当建立卷积神经网络(CNN)模型,实验将第一批正常化(BN)的数据信息,隐藏层的数据处理将执行BN处理,BN处理后,网络将会最优化计算过程。
BN算法如下所示:
批处理输入x(min-batch):
标准网络输入: (1)计算的均值批处理数据: (2)计算方差的批处理数据: (3)标准化: (4)规模的变化和偏差: (5)返回值:比例因子和转移因子在学习参数。
三个通道的数据信息通过网络前端模块ResNet50支柱和过滤的64倍卷积滤波器获得数据的64个频道。此外,数据由一个池池窗口,通过卷积计算48次,通道的数量扩大到2048年,这些步骤可以最大限度地从数据中提取特征信息的能力。然后计算金字塔的数据池模块在前方传播和集中 , , ,和池窗口,分别获得多尺度数据特征图。此外,渠道的数量减少后的卷积计算过滤和输出数据采样的双线性插值和输入模块的功能融合,要么在通道将连接(简称Concat)或为卷积操作地图添加相应的功能。假设输入通道 , ,…,和 , ,…, ,Concat处理定义为一个卷积计算的输入。
当数据输入输出端通过反向传播,需要的数据语义分割将数据结果划分为可能的分类。至于二进制分类,最后层神经网络采用乙状结肠激活函数和将Softmax函数为多个分类。本研究应用将Softmax激活函数。在分类、函数映射不同神经元的输出范围(0,1)完成分类。考虑到培训时间和困难,这项研究旨在规范化的输出端数据离散分类,和不同的连续输出值的回归,分类的神经网络输出是一系列离散值,因为输入数据是一系列离散频率数据。Softmax更适合离散值的训练和预测,同时,均方误差(L2规范)中常用的损失函数回归被添加到目标函数。
将Softmax函数定义如下: 在哪里代表的输入j神经元在过去的网络层,代表的输出j在最后一层神经元,自然数e用于加强差异的可能性,然后呢在最后一层神经元的总和。将Softmax函数将法官在最后一层神经元的输出的可能性分布,和某些神经元的可能性越高,越真实神经元对应的分类。
5.2。训练和预测
深度学习方法之前,数据集需要集成,在计算机视觉领域,数据集训练是开放和精确校准,并呼吁数以百万计的数据集。然而,在现实生活中,相关数据的城市有机综合指数,当场测量或转换,是有限的。因此,本研究采用model-theoretic值模拟方法生成3600数据集。
数据集分为16个类型根据城市有机复合指标的组合,他们是地质和地理、自然生态、人工干预,人口规模、城市土地利用、城市人口、开发强度、主要功能、生产工艺、人工环境、人口结构、人口密度、经济增长、产业结构、自然环境和社会环境。这16个分类对应年度数据(10年)相结合,最后,160数据集的设计。(我)首先,确定模型的内容后,执行160次数值模拟,实现了通过随机模型的代码重复计算。(2)第二,有机的数据参数分为160双模型,其中输入样本数据集,真模型校准数据集、输入数据集和校准数据集之间的对应关系是保证。(3)最后,训练数据集输入到卷积神经网络为重复的培训设计完美的重量分布卷积神经网络中的每个节点。经过几轮的训练,等待反演的数据输入到神经网络实现数据预测和反演结果。
5.3。数值模拟
五个数据集随机选择从研究模型作为卷积神经网络反演的例子,和结果呈现在图8(如图8),第一个图是城市的有机综合指数(PCA)的结果,第二个是深度学习的反演结果,第三是真正的数据。
它可以观察到测量和预测的PCA和CNN都接近真实的数据,和CNN的预测优于PCA。主成分分析进行数据计算的权重,而CNN并根据原始数据库,因此CNN具有更好的精度。从图中,人工干预的指数(蓝色)和城市人口(黄色)最大的波动和方差。通过比较原始的输入数据的两双数据,主成分分析有一个糟糕的准确性与人类相关的因素,但更好的准确性的因素涉及人类影响较小。我们可以确认深度学习卷积神经网络能够准确地实现非线性反演的有机城市数据在中国的小城市,至于条件更复杂的数据和各种人类的干预,它仍然可以实现,而良好的反演。
6。CNN的分析实验结果
6.1。分析城市地理和地质构造的影响
指数进行比较后的地质和地理、自然生态和人类干预璧山县,我们发现,从2011年到2020年(如图3)、地质和地理指数每年稳步增长,和城市的城市建设更加重视原始地质和地理条件。此外,自然生态变化较小的指数表明,原始自然生态环境被保护在城市建设和城市建设对自然环境的影响最小化。此外,每年减少人工干预指数意味着璧山的城市建设适应当地条件,整合城市和自然的发展。
6.2。城市工业和经济结构的分析
比较的指标经济增长、产业结构和生产过程(如图9)从2011年到2020年,每年经济增长指数增加更快,表明璧山县经济仍在加速发展的阶段。生产过程指数显示加速趋势从2017年基于稳定增加,因为生产过程已经从璧山县工业结构的调整升级。然而,产业结构指数经历了几个阶段的变化,达成临时高峰在2014年和2020年和2015年谷底,这表明璧山县工业发展的两个阶段发生在2014年以前和2017年以后。
6.3。城市人口发展结构的分析
在人口方面,璧山在2012年底的城市化率为32.8%,此后,璧山已进入城市发展的加速阶段。从图10(如图10的指标)从2014年到2017年,城市人口规模、结构和密度、和土地使用同时也迅速增加,表明璧山的城市化进程已经刺激了城市土地开发速度和城市规模的扩张。2018年之后,土地利用指数已经开始下降,而城市人口指数一直增加,这意味着大规模的城市建设已经放缓,但城市化带来的人口红利仍然存在,因此连续人口城市化,它的质量也得到了改进。此外,由于城市发展的结合,地质和地理,和自然生态环境,控制城市的快速扩张,因此人口城市化并不落后于土地城市化、城市发展以有序的方式。
7所示。比较分析
保障研究的结果享有一些普遍性的有机城市评估在中国的小城市和验证数据的稳定计算的城市有机指数在CNN模型,本文进行数据测量分析江阴(小城市),江苏省,在同一时间。
这一分析,同样,首先采用主成分分析来衡量和计算城市有机综合指数,然后输入数据集形成的有机指数到CNN建立模型。
7.1。城市地理环境对建筑的影响的有机的城市
指数进行比较后的地质和地理、自然生态和人类干预之间璧山CNN和江阴输出的计算,我们发现,当一个城市的原始地质和地理条件复杂,自然生态环境很好,城市发展是地质和地理环境的限制,城市建设与人工干预很少,特色和城市发展计算更好的地理和自然生态环境。当原始地质和地理条件很简单,这个城市有一些自然生态资源,城市发展需要指定不同的城市增长边界城市发展的不同阶段,和城市发展需要考虑到自然生态环境的保护和维护,导致一些人工干预,但干预会逐渐减少的城市发展和保护自然(如图11和12)。
总之,地理和自然环境不仅奠定了基础建设的有机的城市,也决定了建筑的基本形式和路径有机的城市。
7.2。城市经济和产业结构的影响有机城市的建设
比较指标的经济增长,产业结构、生产结构璧山到江阴,虽然璧山的经济增长指数大于江阴的,其他两个指标都是小于江阴。可以推断,经济增长不能充分反映了城市产业结构和生产过程的条件。产业结构的调整和升级可以直接导致生产过程的升级和转型。进一步,针对璧山与原有的经济基础和产业结构、生态和产业结构得到改善,促进经济快速增长,虽然主要的比例,第二,第三产业对整个产业结构需要优化。相比之下,在江阴,有机可持续工业系统提出基于原有的产业结构,以及第二产业的技术升级提高了生产效率。第三产业的比例增加,增强整个城市的产业结构水平,导致城市经济的良性发展和可持续增长(如图13- - - - - -15)。
通过这两个城市的比较,我们发现不同的经济基础作为城市有机经济发展有不同的影响。当城市在经济增长时期由于经济产业结构的调整,这种调整将促进经济的快速增长。然而,当城市是成熟的时期,产业结构的升级和转型和创新的生产工艺和技术都需要刺激城市经济。总之,虽然城市经济和产业结构是经济基础建设有机的城市,经济发展和产业结构的模式应该符合城市的发展时期。
7.3。城市人口的影响有机建筑的城市
在人口方面,璧山的城市化率是2012年底的32.8%,此后,璧山已进入加速发展的时期。根据统计指数得分呈现在图16,从2014年到2017年,璧山的四个指标同时显示出快速增长的趋势,这表明促进城市化进程的璧山促使城市土地使用的开发建设速度以及城市规模的扩张。然而,2018年以后,每年土地利用指数已经开始下降,而指数的城市人口仍在不断增加。它表明,大规模的城市建设在璧山县自2018年以来一直下降,但由于人口城市化人口红利仍然存在,导致一种改进城市化质量与持续的人口城市化。此外,由于城市发展的璧山顺利地质和地理条件和自然生态环境,控制城市的快速扩张,因此人口城市化并不落后于土地城市化、城市发展以有序的方式。
从图17可以看出,城市人口和土地利用之间的关系在江阴可以分为两个主要阶段,分别在2017年和2017年之后。2017年以前,2013年城市人口规模的增长急剧上升,并在2017年触底,而城市人口密度和结构的分数增加每年和城市土地利用的与成绩呈正相关指数。因此,可以推断,江阴已经达到一定规模的人口和城市规模不太受到人口规模的影响,但城市人口密度和结构将为这座城市带来新的功能需求。因此,城市土地使用的索引了。2017年之后,城市人口规模已经开始再次增加,其他三个指标普遍增加的趋势。自2017年以来,由于新一轮总体规划和实施的规则,江阴的城市功能进一步改善,优化城市产业结构的再次提升城市化、人口和土地的需求已成为突出。总之,江阴,即将进入成熟时期的城市发展,城市规模的变化主要受城市功能的影响,但是如果城市规模的发展并没有很好的控制,人口城市化滞后于土地城市化,因此城市发展和建设的速度是关键为江阴有机城市的建设。
考虑到璧山的病例和江阴,城市人口和土地使用的天平将对城市的发展有不同的影响在城市发展的不同阶段。当城市进入快速发展时期,城市人口的规模更大的影响力,和这个城市呆在一个快速增长的时期。然而,当城市接近或进入成熟发展的阶段,城市土地利用的规模会有更大的影响力,和内部的城市进入一个阶段优化。简而言之,城市人口对有机城市建设的影响主要发生在城市快速发展的时期;合理的城市人口的增长速度可以有效地控制城市规模的增长,城市建设有序进行。
7.4。城市发展的影响结构有机城市的建设
城市增长边界系统有机的城市包括地质地理指标、自然生态、人工干预,城市人口、城市土地使用。
从饼图(如图18),城市增长边界在璧山的城市发展有重大的影响,主要是由于地质和地理条件和周边地区的自然生态环境。江阴城市有机发展不太影响城市增长边界,主要是因为城市位于平原与简单的地质和地理条件,和城市增长边界主要是人为指定(如图19)。
有机城市的城市规模系统包括人口规模的指数、人口结构、人口密度、开发强度和主要功能(如图20.)。
通过比较,璧山是快速发展的时期,和城市人口规模对城市规模相对更大的影响力,而在江阴,在成熟的时期,城市人口获得了一定的规模,因此,城市的发展主要集中在城市土地利用和城市主要功能对城市规模的影响提供证据(如图21)。
8。结论
本研究应用主成分分析(PCA)创建一个有机城市评价指标体系的评价方法,提高城市有机的城市。此外,该研究提出了一个方法结合PCA和卷积神经网络的剩余网络(ResNet)建立优化模型计算城市有机的城市和选择璧山,江阴的案例研究。
主要结论如下:(1)有必要建立一个有机的城市评价指标体系来描述和反映一个城市的有机城市和发展现状以及监控和评估一个城市的发展计划。本研究建立了一个评价体系,可以使一个客观评价的存在有机城市城市建设。(2)在城市建设的过程中,存在严格的条件,可以量化而且灵活的那些不能完全量化。研究,建立评价指标体系时,吸收PCA避免评价过程中的主观性,因此提高了评价结果的科学性和准确性。(3)研究方法也吸收ResNet,网络加强网络的函数的卷积模块,网络层的加深,它介绍了剩余连接训练能够有效地解决这一问题的增加造成的错误太多层在现实网络训练,最终提高了预测的准确性有机的城市。(4)在这项研究中,我们选择2在中国小城市进行案例研究,结果证明该方法的有效性在评估中国一个小城市的有机的城市。
数据可用性
使用的数据来支持本研究的结果包括在本文中。
的利益冲突
作者宣称没有利益冲突。
确认
本研究支持反战的研究在保护文化遗址在贝贝区,重庆(不基于建筑信息建模技术的基础。21 skgh297)。