江苏省县域城市性发展差异的BP神经网络测定

本文运用人工神经网络的理论和方法,通过构建BP神经网络来评价2005年江苏省县域城市性,将52个县域城市性综合评价值分为5级。通过对频数分布特征及变异系数、加权变异系数、威廉森系数和最大与最小系数的分析,表明江苏省县域城市性空间分异显著,呈现出三个特征:①从南向北呈现梯度递减的格局;②呈正偏态分布,第三、第四级别的县市比例略大;③三大区域内部差异呈现从南向北递增的趋势。通过Spearman's rho相关分析表明,对城市性影响最大的是经济增长水平,它是提高城市性的强大动力;与城市性相关性最大的因子为X1、X4、X11和X16;因子X3和X12与城市性呈负相关。