文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 城乡/园林规划 > 武汉市城市土地储备量研究
侵权投诉

武汉市城市土地储备量研究

第29卷第2期湘潭师范学院学报(自然科学版)Vol.29No.2

             

2007年6月JournalofXiangtanNormalUniversity(NaturalScienceEdition)June.2007

武汉市城市土地储备量研究

唐佳林

(华中农业大学土地管理学院,湖北武汉430070)

①

摘 要:城市土地储备量的测算是制定城市土地储备计划的关键与难点,却涉及较少。基于城市土地储备制度建立时间短,历史数据有限等条件,进行分析,并得到较好预测效果。

关键词:GRNN;城市土地储备;土地储备量

中图分类号:TU984.2;F293.2   文献标识码-()02-0086-04

“土地滞涨”,因此如何合理确定城市土地储[1]。关于城市土地储备量的测算,但目前学术界对于城市土地储备量的定量计算却涉及较少。LR=f(MF,MS,MI,R,P),即城市土地储备量由现有市场流量、市场存量、正常市场增量、市场利率、土地价格决定[2]。周旋在假设政府拥有固定数量的土地资源,土地储备机构是“寻价者”,土地价格作为单位土地社会价值的代表的前提下,提出用可耗尽资源的社会价值来判断资源利用方式合理性的方法,构建了土地资源利用的最优化模式,但仍是一个理论模型[3]。陈伟通过对土地需求、土地储备与土地供应的关联分析,建立了基于BP神经网络的预测模型,以

[4]

合理确定土地储备量,对于城市土地储备的现状而言是一种较好的预测模型。

综合各种测算方法,由于城市土地储备制度从建立到现在不过短短十年,存在历史数据比较匮乏,对城市土地储备的经验知识缺乏等等问题,结合人工神经网络具有很好的非线性映射能力,对被建模对象的经验知识要求不多,一般不必要求有关被建模对象的结构、参数和动态特征等方面的知识,只需给出对象的输入/输出数据,通过网络本身的学习功能就可以得到输入与输出的映射关系等优点,因此适合用人工神经网络进行预测[4]。

城市土地储备量可以利用BP网络和RBF网络模型,但是这两种网络在用于预测的时候,存在收敛速度慢和局部极小的缺点,在解决样本量少且噪声较多的问题时,效果并不理想。而广义回归神经网络GRNN在逼近能力、分类能力和学习速度上叫BP网络和RBF网络有着较强的优势,网络最后收敛于样本量集聚较多的优化回归面,并且在样本数据匮乏时,预测效果也比较好,此外,网络还可以处理不稳定的数据[4]。因此,本文采用基于GRNN预测方法来建立城市土地储备量预测模型。

1 影响城市土地储备量的因素

(1)土地供应量。土地供应量是城市土地储备量的直接影响因素。城市土地储备制度中,土地供应是

整个城市土地储备活动的最终环节也是最关键的环节。土地供应量受到社会经济各种因素的影响,在本文中选取了GDP、人均GDP、人均储蓄余额、全社会固定资产投资额、地方财政等5项指标作为对城市土地供应量的影响因子。

(2)储备系数。城市土地储备理论储备量应为供应规模按照适当比例放大,曾红霞称这比例为储备系数[5]。具体储备系数的选择参考各地的储备能力进行选择,如美国城市规划协会(AmericanPlanningAsso2ciation)在1997年出版的《精明增长立法指南中建议》就曾提到“城市增长地区应该储备足够的土地,规模

①

收稿日期:2007-04-11

作者简介:唐佳林(1982-),女,湖南永州人,硕士生,研究方向:土地经济与管理。

86

第1页

你可能喜欢

  • 土地评价
  • 北京土地储备
  • 土地储备管理办法
  • 土地储备规划
  • 年度土地储备计划
  • 哈尔滨房地产

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email