论文部分内容阅读
城镇化作为世界发展的引擎给世界经济带了举世瞩目的成就。对于中国这个世界上人口最多的国家而言，城镇化一方面是我国经济发展的必然趋势，一方面也为我国来带了诸多不可持续挑战。面对当前我国高速的城镇化发展，如何以城市这一城镇化的核心载体为研究对象，以其可持续性表现评价为切入点，研究各城市城镇化的发展质量和状态对我国城镇化建设具有迫切的意义。 本研究通过梳理国内外既有的可持续性表现评价方法，结合可持续发展的特征，试探性的引入自适应模糊神经网络推理系统的评价方法，目的旨在减少既有传统可持续评价过度依赖专家知识的主观性缺点。本文首先通过整理模糊集理论、神经网络算法、以及自适应模糊神经网络推理系统理论，提出基于自适应模糊神经网络推理系统（adaptive neuro-fuzzy inference system,ANFIS）的城市可持续性表现评价框架。然后选择城市中国计划(UCI)的报告结论作为ANFIS模型的训练、检验样本与比较样本，证明 ANFIS在城市可持续性表现评价中的可行性。最后选择了9种常用的包括线性三角形、梯形隶属度函数，以及非线性高斯、联合高斯、π型、Sigmoidal型、差型Sigmoidal、积型Sigmoidal、以及钟型隶属度函数进行隶属度函数优化备选函数，通过建立包含整体误差、平均误差、波动误差在内的三个误差评价准则，进行最优隶属度函数筛选。结果显示；1）ANFIS在我国城市可持续性表现评价是一种可行的方法。2）高斯隶属度函数是9种隶属度函数中最适合我国城市可持续性表现评价的隶属度函数。3）非线性隶属度函数比线性隶属度函数更适合我国城市可持续性表现评价。 本研究提出的ANFIS方法不仅可用于城市可持续性表现评价，也可用于诸如国家可持续性表现评价、省域可持续性表现评价、以及单个项目的可持续性表现评价，这极大地丰富了可持续评价方法理论。同时，ANFIS评价结果对于指导我国可持续城镇化实践也有一定的参考意义。