| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| 1 选题背景与意义 | 第9-10页 |
| 2 国内外研究现状 | 第10-14页 |
| ·国内研究现状 | 第10-13页 |
| ·国外研究现状 | 第13-14页 |
| ·国内外研究现状述评 | 第14页 |
| 3 研究目标、内容 | 第14-17页 |
| ·研究目标 | 第15页 |
| ·研究内容 | 第15-16页 |
| ·技术路线 | 第16-17页 |
| 第二章 研究区域建设用地规模的驱动因素分析 | 第17-29页 |
| 1 研究区域概况 | 第17-19页 |
| ·自然条件 | 第18页 |
| ·社会经济条件 | 第18-19页 |
| 2 长株潭城市群建设用地动态分析 | 第19-20页 |
| 3 长株潭城市群建设用地规模变化的驱动力分析 | 第20-28页 |
| ·长株潭城市群建设用地驱动因素的选取 | 第20-22页 |
| ·建设用地规模与驱动因子的相关分析 | 第22-25页 |
| ·建设用地规模与重要驱动因子的动态分析 | 第25-28页 |
| 4 小结 | 第28-29页 |
| 第三章 应用于建设用地规模预测的GA-BP神经网络模型的构建 | 第29-42页 |
| 1 模型概述 | 第29-30页 |
| 2 人工神经网络 | 第30-33页 |
| ·人工神经网络的概述 | 第30页 |
| ·人工神经网络的原理 | 第30-33页 |
| 3 BP网络结构 | 第33-38页 |
| ·BP神经网络的概述 | 第33-34页 |
| ·BP神经网络算法 | 第34-36页 |
| ·BP神经网络用于建设用地规模预测的适宜性评价 | 第36页 |
| ·BP神经网络用于建设用地规模预测的不足 | 第36-38页 |
| 4 遗传算法 | 第38-40页 |
| ·遗传算法原理 | 第38-39页 |
| ·遗传算法的基本步骤 | 第39-40页 |
| ·遗传算法优化BP神经网络的优势分析 | 第40页 |
| 5 GA-BP神经网络模型的构建 | 第40-41页 |
| 6 小结 | 第41-42页 |
| 第四章 利用模型进行建设用地规模预测的实例研究 | 第42-51页 |
| 1 长株潭城市群建设用地规模预测的BP神经网络模型构建 | 第42-45页 |
| ·BP神经网络预测模型的结构 | 第42-43页 |
| ·BP神经网络预测模型参数的设定 | 第43-44页 |
| ·BP神经网络预测模型的训练与测试 | 第44-45页 |
| 2 长株潭城市群建设用地规模预测的GA-BP神经网络模型构建 | 第45-48页 |
| ·GA-BP神经网络模型的设计 | 第45-47页 |
| ·GA-BP神经网络模型的训练和测试 | 第47-48页 |
| 3 两种模型精度的比较与评价 | 第48-50页 |
| ·模型的精度比较 | 第48-50页 |
| 4 小结 | 第50-51页 |
| 第五章 结论与展望 | 第51-52页 |
| 1 结论 | 第51页 |
| 2 展望 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 致谢 | 第54-55页 |
| 作者简历 | 第55页 |
