北京城市代谢预测研究——基于长短期记忆神经网络模型     

刘炳春  齐鑫  王庆山 《地理科学进展》2019,38(6):851-860

城市化进程提升促使城市环境污染加剧、能源消耗激增、人口密度过大等问题的深层次原因在于城市代谢失调。为精准预测北京市城市代谢变化趋势,论文通过能源消费量及人类活动时间指标测算了1980—2016年北京市体外能代谢率,表征城市代谢程度。据此运用长短期记忆神经网络模型(LSTM)预测了2017—2022年北京各部门体外能代谢率。结果表明：① 基于长短期记忆神经网络的城市代谢预测模型精度较高,能够对北京各部门体外能代谢率进行更为精准的预测;② 2017—2022年间,北京第一产业和总体外能代谢率呈下降趋势,其中第一产业在2017年达到峰值,第二、第三产业及生活部门体外能代谢率将呈现增长趋势。③ 除第一、第三产业和总体外能代谢率外,历史变化的时间扰动幅度先小后大。④ 对各部门体外能代谢率EMR_T的影响贡献度最大的因子为第二产业体外能代谢率EMR₂,最小的为第一产业体外能代谢率EMR₁。论文研究结果可为政策制定者优化城市管理方案、提升城市综合实力提供理论依据和决策支持。  相似文献