基于BP人工神經(jīng)網(wǎng)絡的農(nóng)村居民點用地整理潛力評價

鮑倩　胡召玲　蘇繼良　紀亞洲　楊小艷

摘要：針對當前農(nóng)村居民點整理潛力評價方法效率低、易受主觀因素影響的現(xiàn)狀，提出利用反向傳播（BP）人工神經(jīng)網(wǎng)絡方法對農(nóng)村居民點建設用地整理潛力進行評價。以江蘇省徐州市豐縣的12個鎮(zhèn)為研究對象，在Matlab R2015b軟件平臺支持下，構建BP人工神經(jīng)網(wǎng)絡預測模型，在對數(shù)據(jù)進行關聯(lián)關系分析的基礎上，測算農(nóng)村居民點建設用地整理的現(xiàn)實潛力，實現(xiàn)對豐縣各鎮(zhèn)土地整理潛力集約利用的評價。結果表明：（1）豐縣農(nóng)村居民點人均占地面積較大，農(nóng)村居民點布局較為分散。豐縣農(nóng)村居民點最終可整理面積達2 111.81 hm2，原耕地面積為64 775 hm2，耕地可增加系數(shù)達3.26%。（2）宋樓鎮(zhèn)的整理潛力最大，范樓鎮(zhèn)次之，師寨鎮(zhèn)的整理潛力最小。

關鍵詞：農(nóng)村居民點整理;BP人工神經(jīng)網(wǎng)絡;潛力評價;豐縣;Matlab軟件

中圖分類號： F301.2

文獻標志碼： A

文章編號：1002-1302（2020）02-0007-07

收稿日期：2018-10-18

作者簡介：鮑 倩（1993—），女，江蘇徐州人，碩士研究生，主要從事土地整理及“3S”應用方面研究。E-mail：bqianjiayou@foxmail.com。

通信作者：胡召玲，博士，教授，主要從事遙感與GIS理論及應用等方面的教學與科研。E-mail：huzhaoling@jsnu.edu.cn。

土地整理是實現(xiàn)土地資源集約利用，提高土地生產(chǎn)力和利用率的重要途徑[1]。隨著人口的不斷增長，我國的土地后備資源日益短缺，廣大農(nóng)村的土地利用率不高且退化嚴重。據(jù)統(tǒng)計，2016年全國總人口數(shù)約138 271萬人，其中鄉(xiāng)村人口58 973萬人，占全國總人口的42.65%，人均建設用地面積282.74 m2[2]。但近年來隨著江蘇省農(nóng)村人口的減少，農(nóng)村居民點用地并未減少，人均農(nóng)村居民點用地規(guī)模反而增大。2016年江蘇省農(nóng)村居民點用地面積為289.38 m2/人，大于2010年年末的 252.19 m2/人，且遠遠高于國家150 m2/人的最高標準，這是一種不合理的現(xiàn)象[3]。我國有十幾億的人口要養(yǎng)活，而耕地最主要的作用是生產(chǎn)糧食作物，我國的人均耕地面積僅為0.092 hm2，遠遠低于世界平均水平。由于二胎政策的開放，未來幾年我國的人口數(shù)量仍處于不斷上升階段，耕地數(shù)量的減少對我國未來的發(fā)展勢必會帶來巨大的隱患。當前我國農(nóng)村居民點土地普遍存在閑置、廢棄等浪費現(xiàn)象，利用率低下，結構不合理。對農(nóng)村居民點用地進行整理不僅能豐富農(nóng)村居民點整理的理論體系，還可以優(yōu)化用地布局并釋放農(nóng)村建設用地潛力，是建設社會主義新農(nóng)村的重要舉措，如何有效利用農(nóng)村土地，促進農(nóng)村土地資源的有效利用，進而實現(xiàn)農(nóng)村經(jīng)濟持續(xù)發(fā)展，不僅已成為目前我國農(nóng)村亟需解決的問題，也是學術界關注的熱點[4-6]。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

豐縣地處江蘇省徐州市的西北部，屬黃泛沖積平原，地勢高亢，地形平坦，土地肥沃，物產(chǎn)豐饒。豐縣總面積為144 970 hm2，南北長約59.2 km，東西寬約46.6 km，共有12個鎮(zhèn)，總人口數(shù)為919 275人，從業(yè)人員共508 259人。2015年《江蘇省統(tǒng)計年鑒》數(shù)據(jù)資料顯示，豐縣土地總面積為 120 293 hm2，耕地面積為64 775 hm2，占全縣土地總面積的54%。根據(jù)實際調研資料可知，豐縣居民點布局較為分散，用地面積大，同時住宅地空置和廢棄現(xiàn)象嚴重。豐縣各鄉(xiāng)鎮(zhèn)的地理位置如圖1所示。

1.2 數(shù)據(jù)來源

以豐縣12個鎮(zhèn)為研究對象，通過文獻檢索、實地調研與專家訪談等方式，廣泛收集影響農(nóng)村居民點整理潛力的因素，并分析每種因素的影響機制。根據(jù)2015年《江蘇省統(tǒng)計年鑒》、豐縣政府統(tǒng)計數(shù)據(jù)、豐縣農(nóng)村居民點調查數(shù)據(jù)（2015年）以及2014—2015年豐縣土地利用變更資料數(shù)據(jù)，獲得豐縣各個鎮(zhèn)經(jīng)濟水平、財政收入、人口基數(shù)、居民點用地面積和豐縣土地利用狀況等數(shù)據(jù)。

1.3 豐縣土地利用強度分析

土地利用強度是指單位面積內的土地利用狀況，各鎮(zhèn)的土地利用強度與土地的集約利用情況有著很大的關系，土地利用強度的總體狀況可根據(jù)農(nóng)村居民點用地面積占鎮(zhèn)域面積的比重、人口密度等指標來衡量。

從表1可以看出，綜合分析農(nóng)村居民點規(guī)模和人均用地面積特征，豐縣的農(nóng)村居民點總體上以小規(guī)模為主，從空間上看，各個鎮(zhèn)的農(nóng)村居民點分布較為分散。由于社會經(jīng)濟發(fā)展狀況的不同，鎮(zhèn)與鎮(zhèn)之間存在突出的地域差異，大沙河鎮(zhèn)和順河鎮(zhèn)的農(nóng)村居民點用地面積所占比重相對來說較小，而常店鎮(zhèn)和王溝鎮(zhèn)相對較大。

2 研究方法

近年來，對農(nóng)村居民點整理的研究主要集中在對當前農(nóng)村居民點利用現(xiàn)狀剖析、 農(nóng)村居民點整理潛力估算方法以及整理適宜性評價等方面。最常用的農(nóng)村居民點整理潛力估算方法為數(shù)理統(tǒng)計方法，包括Logistic二元邏輯回歸模型[7-10]、模糊綜合評價法[11-12]、層次分析（AHP）法[13-14]、綜合修正與測算法[15-16]等。盡管數(shù)理統(tǒng)計方法可以較好地反映單個居民點的整理潛力，但忽略了外部因素對居民點整理潛力的影響，忽視了選取的各項指標之間的必然聯(lián)系，大大削弱了對農(nóng)村居民點用地整理研究的現(xiàn)實意義。

針對數(shù)理統(tǒng)計方法存在的不足，本研究提出利用反向傳播（BP）人工神經(jīng)網(wǎng)絡法進行農(nóng)村居民點建設用地整理。人工神經(jīng)網(wǎng)絡是一種模擬人腦數(shù)據(jù)分析機制的計算方法，也是目前最成功的分析方法之一，它能進行分布式并行信息處理，具有強大的特征提取與抽象能力，能夠整合多源信息、處理異構數(shù)據(jù)、捕捉變化動態(tài)，是實現(xiàn)數(shù)據(jù)價值轉換的橋梁[17-18]，已被用于土地整理潛力評析、未來土地利用的發(fā)展趨勢預測等方面[19-22]。BP人工神經(jīng)網(wǎng)絡模型具有較強的非線性擬合能力，學習規(guī)則簡單，便于計算機實現(xiàn)，是一種適應性比較廣的非參數(shù)模型。由于BP人工神經(jīng)網(wǎng)絡模型內部較好的自適應過程可以彌補傳統(tǒng)方法模型存在的主觀性等弊端，因此該模型能夠解決土地整理過程中的非線性映射問題。

根據(jù)研究區(qū)農(nóng)村居民點分布現(xiàn)狀，本研究在Matlab R2015b軟件平臺支持下，構建基于BP人工神經(jīng)網(wǎng)絡的農(nóng)村居民點人均建設用地面積預測模型，對2015年豐縣各鎮(zhèn)農(nóng)村居民點建設用地面積進行評價，并估算其整理潛力。

3 農(nóng)村居民點建設用地整理潛力評價模型構建

3.1 評價指標選取

在對豐縣農(nóng)村居民點建設用地進行整理的過程中發(fā)現(xiàn)，居民對其居住地的滿意程度直接影響他們的整理意愿，而居民的年齡、性別、人均收入、家庭人口數(shù)、受教育程度、從事職業(yè)、現(xiàn)居住地的住房面積、房屋結構以及建造時間等最終影響他們的整理意愿。

從農(nóng)村居民點的自然、經(jīng)濟以及社會角度出發(fā)，為全面準確地評價并反映研究區(qū)的土地整理狀況，指標體系的選取本著整體性、科學性原則以及綜合性與實用性相結合原則，將影響農(nóng)村居民點整理的因素主要分為農(nóng)村居民點空間區(qū)位、人均建設用地面積、人均耕地面積、家庭成員人口遷移比例、人均遷出時間、土地流轉意愿等作為影響因素評價指標（表2）。

農(nóng)村居民點的空間區(qū)位指研究區(qū)的地形地貌狀況，若居民點地勢平坦，土地開闊，易于耕種，用地規(guī)模大，則整理工作易開展，整理成本低;反之，若居民點地形崎嶇，多山地丘陵，且分布較為分散，用地面積小，則整理作業(yè)難以開展，整理成本高。

人作為土地資源的使用者和服務對象，對土地資源整理具有深遠的影響。居民點人口指標是影響居民點整理的重要社會要素，反映目標地勞動力的多少。農(nóng)村人口遷出較多或遷出時間較長的區(qū)域，整理工作容易進行;反之，家庭成員遷出較少或者遷出時間較短、農(nóng)村人口多的區(qū)域，勞動力充足，人地矛盾尖銳，開展居民點整理工作就難。

就業(yè)率變化反映一個地區(qū)就業(yè)人口與當?shù)啬隄M18歲以上總人口的百分比變化率，就業(yè)率與居民點整理呈正相關關系，當研究區(qū)的就業(yè)人口較多時，則易于開展居民點整理工作。反之，若大多數(shù)居民待在家里務農(nóng)，他們大多不愿對自己的居住地或活動區(qū)域進行整理。

財政收入反映了地方基層政府的經(jīng)濟實力，對農(nóng)村居民點用地進行整理需要當?shù)卣慕y(tǒng)籌協(xié)調，更需要多方面的資金支持，所以基層政府的財政收入越高，進行農(nóng)村居民點用地整理的能力越強，整理的資金壓力越小，農(nóng)村居民點用地整理的潛力就越大。

人均收入反映研究區(qū)農(nóng)民的收入水平，一般農(nóng)民的人均收入越高，則證明其承受能力和投資能力就越強，就易于開展整理工作。

人均補償標準、人均新房重購成本、農(nóng)戶搬遷成本，這3個與主體經(jīng)濟效益密切相關的成本因素，是決定居民點用地整理開展是否順利的重要經(jīng)濟因素。

人均建設用地面積根據(jù)GB 50188—1993《中華人民共和國村鎮(zhèn)規(guī)劃標準》中人均建設用地分級標準（一級：50～60 m2/人;二級：60～80 m2/人;三級：80～100 m2/人;四級：100～120 m2/人;五級：120～140 m2/人）進行分級，人均建設用地面積越大，則整理成標準后的挖掘潛力就越大[23]。

人均耕地面積與農(nóng)村居民點土地整理潛力呈負相關關系。人均耕地面積越小，農(nóng)民的土地整理愿望越強烈。

土地流轉意愿可反映村民對整理工作的認可度。農(nóng)村居民點整理是改善農(nóng)村生產(chǎn)、生活的有效方式，關系到農(nóng)民切身利益。流轉意愿越強，對居民點整理工作的開展越有利;同理，年輕人對整理工作開展的支持率較老年人高，若農(nóng)村年輕人口比例高，則整理工作可獲更多支持，工作開展阻力小。

農(nóng)村居民點整理是一個耗資較大的社會工程，整理工作的正常開展，需要充分的資金支持。目標地經(jīng)濟水平和財政收入指標，是衡量整理工作的經(jīng)濟指標。目前，農(nóng)村居民點整理仍是以政府投資為主，目標地經(jīng)濟水平和財政收入是否殷實，是資金保障的關鍵。農(nóng)民利益訴求依靠經(jīng)濟指標得到最大滿足，若農(nóng)民利益訴求得到最大滿足則可最大限度地釋放整理潛力。

3.2 BP人工神經(jīng)網(wǎng)絡模型的構建

Roberto等已經(jīng)證明，對任何一個在閉區(qū)間內的連續(xù)函數(shù)都可以用一個3層BP網(wǎng)絡（即含有1個隱含層）進行逼近，因此3層網(wǎng)絡結構即可完成任意n維到m維的映射[24-25]，且訓練速度快，很少產(chǎn)生過度吻合[26]。本研究建立的BP人工神經(jīng)網(wǎng)絡模型包括3層，即輸入層、隱含層、輸出層，其中輸入層包括各項指標數(shù)據(jù)，隱含層包括要素權重類別判斷、指標權重策略判斷，輸出層主要包括目標輸出數(shù)據(jù)。采用多層感知器神經(jīng)網(wǎng)絡智能算法，將每個影響要素看作一個神經(jīng)元細胞，建立各神經(jīng)元細胞之間的聯(lián)系，利用多層感知器分類自適應能力，設置激勵函數(shù)，得出各要素連接權值，進而更準確地得出每項要素對居民點整理的影響權值，對理論潛力進行改正。

以各鎮(zhèn)為單位，將各鎮(zhèn)總人口數(shù)、從業(yè)人員數(shù)、人均收入、人均耕地面積等進行標準化后作為樣本數(shù)據(jù)輸入模型中，對目標鎮(zhèn)的要素權重類別進行判斷;將自然要素、社會要素、經(jīng)濟要素權重指標作為輸入數(shù)據(jù)，對指標權重進行策略判斷，得出各項指標元權重。根據(jù)上述分析構建的影響因子評價模型結構如圖2所示。

4 評價過程及結果分析

4.1 數(shù)據(jù)預處理

為了加快BP人工神經(jīng)網(wǎng)絡對數(shù)據(jù)的訓練速度，消除不同量綱對結果的影響，避免因輸入輸出數(shù)據(jù)數(shù)量級的差別較大而造成過大網(wǎng)絡預測誤差，需要將輸入和輸出的數(shù)據(jù)進行歸一化處理，將每組數(shù)據(jù)的取值范圍設為0～1，具體見表3。

4.2 訓練過程

4.2.1 訓練樣本 訓練樣本也稱專家樣本，BP人工神經(jīng)網(wǎng)絡通過對樣本數(shù)據(jù)進行不斷的訓練和學習，數(shù)據(jù)在隱含層中通過函數(shù)關系不斷進行計算，自動獲取模型參數(shù)間的合理規(guī)則，樣本數(shù)據(jù)網(wǎng)絡訓練完畢后，該網(wǎng)絡的權值和閾值不需要再進行修改，只需改變輸入節(jié)點數(shù)和輸出節(jié)點數(shù)，即可直接用于測試樣本的訓練，對計算結果進行反復修正，從而使網(wǎng)絡輸出的最后結果具有誤差最小、精度最高的特點。

本研究選取位于豐縣周邊蘇北地區(qū)的24個新農(nóng)村建設示范鎮(zhèn)村的各指標值作為訓練樣本，從地理位置及經(jīng)濟發(fā)展狀況等方面來看，這些新農(nóng)村示范鎮(zhèn)村與研究區(qū)的經(jīng)濟、社會、自然狀況相似，且具有農(nóng)村居民點用地整理的示范性。這些鎮(zhèn)村分別為徐州市銅山區(qū)的劉集鎮(zhèn)、漢王鎮(zhèn)西沿村，睢寧縣的睢城鎮(zhèn)、高作鎮(zhèn)八里村，連云港市贛榆區(qū)的海關鎮(zhèn)小口村、羅陽鎮(zhèn)，泗洪縣的上塘鎮(zhèn)、石集鄉(xiāng)石集社區(qū)，沛縣的棲山鎮(zhèn)胡樓村、胡寨鎮(zhèn)草廟村，邳州市的港上鎮(zhèn)前湖村，新沂市的新安鎮(zhèn)臧圩村、馬陵山鎮(zhèn)王莊村，東海縣的洪莊鎮(zhèn)連灣村，盱眙縣的盱城鎮(zhèn)宣化村，豐縣的鳳城鎮(zhèn)古豐社區(qū)、鳳城鎮(zhèn)江豐社區(qū)、首羨鎮(zhèn)王莊新村、孫樓鎮(zhèn)張梨園村、華山鎮(zhèn)徐屯村、鳳城鎮(zhèn)周廟村、師寨鎮(zhèn)古廟村、華山鎮(zhèn)嵐山新村，徐州市泉山區(qū)的奎山街道奎西社區(qū)。

4.2.2 測試樣本 將測試樣本數(shù)據(jù)進行歸一化后輸入網(wǎng)絡，將logsig函數(shù)作為輸入層到隱含層的傳遞函數(shù)，將Purelin線性傳遞函數(shù)作為隱含層到輸出層的傳遞函數(shù)。訓練函數(shù)為traingdx，訓練參數(shù)通過net.trainParam來設定。隱含層神經(jīng)元數(shù)設為3個，網(wǎng)絡性能函數(shù)為mse，網(wǎng)絡迭代次數(shù)為5 000次，期望誤差目標為 0.000 000 1，開始訓練網(wǎng)絡。趙莊鎮(zhèn)位于主城區(qū)的西北部，棉花、特種蔬菜種植的發(fā)展速度較快，是傳統(tǒng)的農(nóng)業(yè)大鎮(zhèn)。據(jù)豐縣鎮(zhèn)村布局規(guī)劃可知，趙莊鎮(zhèn)被規(guī)劃為以木業(yè)加工、漢文化旅游為特色的邊貿(mào)型城鎮(zhèn)，居民點分布以及人均建設用地面積均合理，為新農(nóng)村建設標準的典范。本研究以豐縣趙莊鎮(zhèn)為例，將其相關數(shù)據(jù)代入網(wǎng)絡模型對算法進行計算說明，根據(jù)網(wǎng)絡訓練測試結果可得，在對樣本進行了89次訓練后，誤差達到規(guī)定范圍。網(wǎng)絡設定的誤差范圍逼近見圖3。

通過該神經(jīng)網(wǎng)絡模型訓練，可預測各個鎮(zhèn)的居民點人均建設用地面積。

4.3 整理潛力測算結果

豐縣農(nóng)村居民點建設用地理論整理潛力的預測公式為

式中：Qi為該鎮(zhèn)居民點理論整理潛力，m2;Qio為該鎮(zhèn)居民點人均建設用地面積實際值，m2;Pit為該鎮(zhèn)居民點人均建設用地面積預測值，m2;S為該鎮(zhèn)人口

總數(shù)，人。若理論整理潛力的預測結果為正，則說明該鎮(zhèn)的農(nóng)村居民點建設用地具有整理潛力;若理論整理潛力的預測結果為負，則說明該鎮(zhèn)原來的農(nóng)村居民點建設用地較為合理。根據(jù)建立的模型計算2015年豐縣各個鎮(zhèn)的居民點整理潛力，結果見表4。

由表4可知，豐縣居民點理論整理潛力總計為21 118 109.31 m2，其中宋樓鎮(zhèn)農(nóng)村居民點值的預測值與實際值差異較大，其相應整理潛力最大，為 5 486 162.50 m2;范樓鎮(zhèn)整理潛力次之，理論整理潛力為3 985 406.12 m2;歡口鎮(zhèn)再次之，為 3 253 996.98 m2;師寨鎮(zhèn)整理潛力最小，為 126 354.80 m2。

4.4 整理潛力測算結果分析

首先對人口、實際人均建設用地面積、預測人均建設用地面積數(shù)據(jù)等進行歸一化處理，從圖4中可以看出，人口和預測的農(nóng)村居民點人均建設用地面積呈相反變化趨勢。幾個人口相對較少的鎮(zhèn)，如順河鎮(zhèn)、大沙河鎮(zhèn)等，預測的農(nóng)村居民點人均建設用地面積較大，理論整理潛力與人均建設用地面積呈相關性。

5 結論

本研究通過綜合考慮研究區(qū)自然地理條件、社會經(jīng)濟發(fā)展情況、土地利用狀況、土地利用規(guī)劃布局以及居民意愿等因素對農(nóng)村居民點建設用地整

理的影響，采用BP人工神經(jīng)網(wǎng)絡方法構建了農(nóng)村居民點建設用地整理潛力預測模型，該模型不僅單純著眼于單個指標要素對居民點整理潛力的影響，更加注重要素與要素之間的相互聯(lián)系，注重從地理空間和時間上對影響要素進行分析，不受主觀因素影響。對豐縣農(nóng)村居民點建設用地整理的研究結果表明：（1）豐縣農(nóng)村居民點人均占地面積較大，農(nóng)村居民點布局較為分散。（2）豐縣各鎮(zhèn)農(nóng)村居民點最終可整理面積達2 111.81 hm2，耕地可增加系數(shù)達326%。（3）由于豐縣農(nóng)村居民點規(guī)模、個數(shù)、密度等方面存在較大地域性差異，農(nóng)村居民點用地形狀在不同尺度下都較為零散且較為不規(guī)則。（4）從居民點個數(shù)上來看，宋樓鎮(zhèn)的農(nóng)村居民點個數(shù)最多，位于豐縣主城區(qū)西南部且距離相對較遠，居民點集約化程度低且較為分散，整理潛力最大。范樓鎮(zhèn)的居民點個數(shù)雖不及宋樓鎮(zhèn)，但處于豐縣最南部，距主城區(qū)最遠，整理潛力僅次于宋樓鎮(zhèn)。（5）從各個鎮(zhèn)的規(guī)劃上看，歡口鎮(zhèn)宜被規(guī)劃為以現(xiàn)代制造業(yè)、建材、食品加工為主要功能的工業(yè)型城鎮(zhèn)，其建設用地規(guī)模大，相應的耕地數(shù)量就會減少，整理潛力也較大。師寨鎮(zhèn)宜被規(guī)劃為以鹽鉀化工、鍛造工藝為主要功能的工礦型城鎮(zhèn)，該鎮(zhèn)人多地少，其居民點的整理潛力較小。

參考文獻：

[1]劉世梁，安南楠，王 軍. 土地整理對生態(tài)系統(tǒng)服務影響的評價研究進展[J]. 中國農(nóng)業(yè)生態(tài)學報，2014，22（9）：1010-1019.

[2]國家統(tǒng)計局. 中國統(tǒng)計年鑒2000—2004[J]. 北京：中國統(tǒng)計出版社，2000—2004.

[3]江蘇省統(tǒng)計局. 江蘇統(tǒng)計年鑒2009—2017[J]. 北京：中國統(tǒng)計出版社，2009—2017.

[4]馬 歷，唐 宏，尹 奇，等. 四川農(nóng)村人口土地和經(jīng)濟系統(tǒng)的協(xié)調發(fā)展及時空演變[J]. 中國生態(tài)農(nóng)業(yè)學報，2017，25（1）：136-146.

[5]文 博，劉友兆，夏 敏，等. 基于灰靶模型的宜興市農(nóng)村居民點布局適宜性評價及分類調控研究[J]. 地域研究與開發(fā)，2016，35（5）：153-157，169.

[6]王雨桐，李 鋼，趙 華，等. 農(nóng)村居民點整理潛力測算方法綜述[J]. 江蘇農(nóng)業(yè)科學，2014，42（5）：260-263.

[7]高 會，譚莉梅，劉 鵬，等. 基于二分類Logistic回歸模型的太行山丘陵區(qū)縣域耕地資源潛力估算[J]. 中國生態(tài)農(nóng)業(yè)學報，2017，25（4）：490-497.

[8]王二磊，高海迎，戎曉紅. 基于Logistic模型農(nóng)戶居民點整理的農(nóng)戶意愿分析——以徐州市睢寧縣楊懷村為例[J]. 現(xiàn)代商業(yè)，2016（17）：186-187.

[9]何娟娟，石培基，高小琛，等. 農(nóng)村居民點整理意愿影響因素分析——以張掖市甘州區(qū)為例[J]. 干旱區(qū)資源與環(huán)境，2013，27（10）：38-43.

[10]鄧梅娥，張安錄，陳紅兵. 基于集體土地產(chǎn)權權能的農(nóng)戶宅基地退出意愿：上海松江、金山區(qū)的實證分析[J]. 中國生態(tài)農(nóng)業(yè)學報，2017，25（9）：1392-1402.

[11]孟 霖，郭 杰，歐名豪. 基于適應性和潛力分析的徐州市農(nóng)村居民點整理分區(qū)管制研究[J]. 資源科學，2014，36（11）：2291-2298.

[12]陳榮清，張鳳榮，張軍連，等. 農(nóng)村居民點整理潛力調查——以山東省文登市侯家鎮(zhèn)為例[J]. 中國土地科學，2008，22（10）：70-73.

[13]紀亞洲，臧永宜，顧和和. 基于GIS技術與AHP方法的農(nóng)村居民點整理潛力評價——以江蘇省新沂市為例[J]. 江蘇農(nóng)業(yè)科學，2015，43（2）：432-437.

[14]倪九派，李 萍，魏朝富，等. 基于AHP和熵權法賦權的區(qū)域土地開發(fā)整理潛力評價[J]. 農(nóng)業(yè)工程學報，2009，25（5）：202-209.

[15]曲衍波，張鳳榮，宋 偉，等. 農(nóng)村居民點整理潛力綜合修正與測算——以北京市平谷區(qū)為例[J]. 地理學報，2012，67（4）：490-503.

[16]李 鑫，甘志伍，毆名豪，等. 農(nóng)村居民點整理潛力測算與布局優(yōu)化研究——以江蘇省江都市為例[J]. 地理科學，2013，33（2）：150-156.

[17]章 毅，郭 泉，王建勇. 大數(shù)據(jù)分析的神經(jīng)網(wǎng)絡方法[J]. 工程科學與技術，2017，49（1）：9-18.

[18]劉澤麟，彭長輝，項文化，等. 人工神經(jīng)網(wǎng)絡在全球氣候變化和生態(tài)學中的應用研究[J]. 科學通報，2010，55（31）：2987-2997.

[19]梁彥慶，黃志英，馮忠江，等. 基于人工神經(jīng)網(wǎng)絡的土地整理項目綜合效益評價研究[J]. 安徽農(nóng)業(yè)科學，2011，39（8）：4799-4801.

[20]翟 航，辛 欣. BP人工神經(jīng)網(wǎng)絡對長春市土壤質量評價[J]. 環(huán)境研究與檢測，2009，22（4）：70-72.

[21]李 煥，徐建春，徐知淵，等. BP人工神經(jīng)網(wǎng)絡在土地集約利用評價中的應用研究——以浙江省遂昌工業(yè)園區(qū)為例[J]. 中國農(nóng)學通報，2011，27（6）：447-450.

[22]張明媛. 基于GIS和人工神經(jīng)網(wǎng)絡預測土地利用變化[J]. 燕山大學學報，2004，28（3）：279-282.

[23]李 旭. 基于神經(jīng)網(wǎng)絡方法的土地整理潛力評價——以河北省青縣為例[D]. 石家莊：河北經(jīng)貿(mào)大學，2016.

[24]張立明. 人工神經(jīng)網(wǎng)絡的模型及應用[M]. 上海：復旦大學出版社，1993：43-46.

[25]王耀南. 智能信息處理技術[M]. 北京：高等教育出版社，2003：25.

[26]米湘成，馬克平，鄒應斌. 人工神經(jīng)網(wǎng)絡模型及其在農(nóng)業(yè)和生態(tài)學研究中的應用[J]. 植物生態(tài)學報，2005，29（5）：863-870.王 爔，房建恩. 鄉(xiāng)村旅游產(chǎn)品同質化問題分析及對策研究[J]. 江蘇農(nóng)業(yè)科學，2020，48（2）：14-19.