基于ANN适宜性评价的特色小镇发展研究*

金周益

（1.浙江建设职业技术学院建筑艺术学院，浙江 杭州 310058；2.湖南农业大学资源环境学院，湖南 长沙 410128；3.杭州浙家景观设计有限公司，浙江 杭州 310058）

现阶段，我国城镇化发展主要以城乡一体、城乡统筹、节约集约、产业互动、和谐发展、生态宜居为特征，特色小镇属于城镇发展必然产物。特色小镇并非行政区划层面的“镇”，而是按照开放、绿色、协调、创新、共享的发展建设理念，按照当地实际情况，准确定位，发展当地特色产业，进而推动当地经济发展。

1 ANN相关概述

1.1 ANN简介

ANN中文为人工神经网络，指的是大量处理单元相互连接而形成结构复杂的网络，对人脑的组织结构、运行机制进行某种简化、抽象与模拟。ANN（Artificial Neural Network），通过数字模型对神经元的活动进行模拟，属于以大脑的神经网络结构与功能为基础所构建的信息数据处理系统。ANN分为单层与多层，各层包含大量神经元，神经元间通过带可变权重的有向弧互相连接，网络对已知的信息数据进行反复训练学习，对神经元的连接权重进行不断调整，达到处理信息、模拟输入输出之间关系的目的。其不需了解输出与输入间确切关系，不需依靠大量的参数，仅需了解造成输出信息变化的非恒定因素（非常量性参数）[1]。相比于传统数据信息处理方式，ANN在模糊数据、非线性数据、随机数据处理中表现出明显的优势，对信息模糊、结构复杂、规模大的系统更为适用。ANN具有自适应、自组织、自学习性能，容错性强，能够进行仿真、识别二值图像、模糊控制和预测，是准确处理非线性系统的有效工具。ANN应用的主导思想包括功能主义和结构主义。其中，功能主义逐渐成为传统的智能理论研究的基础。结构主体则是从人脑的神经网络微观结构分析方面着手，围绕人脑结构主要特征，对简单非线性的神经元间灵活、复杂的连接关系进行研究，对人脑认识过程进行深刻揭示，建立ANN理论。

1.2 ANN的应用

在SCM环境中应用ANN进行合作合办综合性评价选择，构建和人类思维定量、定向相结合的综合评价模式。学习给定的样本模式，取得评价专家知识、经验和主观判断、目标意义倾向，综合评价合作伙伴时，此方式能够再现专家经验、知识以及直觉思维，实现定量分析和定性分析互相结合，能够确保合作伙伴评价结果的客观性。评价指标获取评价值，由于各个指标间没有统一度量标准，无法直接进行分析、比较，对输入的神经网络计算存在一定的影响，所以综合评价神经网络前，应当先把输入评价值经隶属函数作用转变为[0，1]区间值，将评价值标准无量纲化，用作神经网络输入，便于ANN能够对定性、定量指标进行处理。

2 基于ANN适宜性评价的特色小镇框架构建

评价特色小镇适宜性，一是要分析特色小镇的类型，对特色小镇各类特色进行识别。二是建立预测指标，大量搜集县域指标数据，按照预测值明确适宜特色小镇的发展类型。笔者以浙江省为案例进行分析研究。

2.1 特色小镇的分类和特征识别

以浙江省特色小镇的产业类别为基础，综合大众、学者认同的当地特色小镇分类：时尚创意类型、交通区位类型、金融类型、特色产业类型、高端制造类型、新兴产业类型、资源禀赋类型、城郊休闲类型、生态旅游类型、历史文化类型。并按照主导产业的性质进一步进行归纳，把特色小镇划分为智能创新类型、高端制造类型、金融类型、文化旅游类型。1）智能创新类型。集时尚、科技智能、高新技术、互联网为一体的新兴产业，该类型的小镇区域具有较好的优势，具有经济基础，高国际化，交通便利，产业园区集中。其基础特征为：对于区位的要求比较高，具有一定经济基础，交通便利。2）高端制造类型。该类型的小镇产业主要为高端精密制造业，秉承产城融合相关理念，实现智能化小镇建设。其基础特征为：对区位的要求较低，但是需要具备一定产业基础，对交通基础设施要求较高。3）金融类型。小镇区位得天独厚，具有区位、人才、资源、政策等优势，在投资空间、市场较大的地区集聚财富，该类型小镇的发展需要科技金融作为支撑。其基础特征为：对区位公共基础的条件要求比较高，需要县域具备一定经济实力，交通便利[2]。4）文化旅游类型。具有独特的地域特色，历史文化资源丰富，主要为旅游业、制造业互相融合模式，把原有的产业结合实际情况转换成特色产业。其基础特征为：对区位没有具体要求，如果存在适合产业便可以申报发展，对交通便利性的要求较高。

2.2 构建预测指标

特色小镇发展模式同中有异。一是特色小镇的发展需要所在区域有一定社会经济和自然作为支撑；二是对于不同类型的特色小镇，其发展受区位影响，所以对于指标体系的构建包括基础指标、特色指标。

首先，选取基础指标。基础指标指的是各类型特色小镇发展时所需要的基础条件，如县域人口、面积、交通、经济总值、地形、现有小镇发展状况。人口数量属于特色小镇发展中的重要角色，其为特色小镇主要劳动力与建设者，并且其属于特色小镇的消费者与宣传者，所以人口数量较少、人口结构不合格将无法为特色小镇发展提供良好的支撑。县域面积是特色小镇可发展重要指标，县域面积较大能够构建多个特色小镇，是建立集聚效应的重要基础。经济实力对特色小镇发展有直接的影响，具有充足的资金支持能够为特色小镇的发展提供保障，同时县域经济实力较强将有助于招商引资，促使更多企业融资推动特色小镇的建设。交通是特色小镇建设发展的重要影响因素，不论是文化旅游类型特色小镇，还是智能创新类型、高端制造类型、金融类型特色小镇，交通道路建设都属于基础要求。县域交通能力决定着特色小镇空间的可达性，提升可达性能够吸引更多人口入驻，提升产城的融合度，推动小镇经济发展，促进当地经济水平提升。笔者按照浙江省实际情况将地形分为盆地、滨海、山地、丘陵、平原。地形也将对不同类型的特色小镇发展产生影响。就文化旅游类型特色小镇而言，盆地、山地等地形更适宜丰富自然景观，促进特色小镇发展。就智能创新类型、金融类型特色小镇而言，平原地形为其建设发展提供有利条件。高端制造类型特色小镇主要依赖县域现有产业基础，对地形要求较低。小镇当前发展情况是衡量特色小镇现状的重要指标，按照政府评级对特色小镇的综合发展情况表征加以反映。

其次，选取特色指标。特色指标指的是特色小镇在发展中所具备的不同的倾重点表征，属于县域非必备的指标。例如，文化旅游类型特色小镇在发展中应首先对相关产业的高素质从业人员加以考虑，将娱乐体育文化人员作为文化旅游类型特色小镇发展特色指标。县域的经济环境对金融机构的集聚与金融产业的发展存在影响。另外，由于金融类型特色小镇多建设在地形平坦地区，有助于人才的引进，所以丘陵、平原、滨海对特色小镇建设影响为正，盆地、山地的影响为负。科学技术产业工作人员对高端制造类型特色小镇发展具有重要意义，因此，该类型特色小镇特色指标为科技研究与技术服务人员数量。同时，高端制造类型特色小镇需要完善的交通运输体系，所以货运量反映县域的运输能力。而智能创新类型特色小镇包含时尚产业、互联网技术产业，该类新型产业的发展需要县域具有第三产业作为支持，所以通过第三产业比重数据分析县域第三产业发展情况。此外，平原、滨江有助于经济发展，吸引人才，山地、丘陵优势减弱，所以赋值存在差异。

2.3 ANN模型

ANN指的是从信息处理角度对人脑神经元网络进行抽象，构建简单模型，根据不同连接方式构成不同网络。ANN对大量的原始数据进行处理，并不需要通过规则、公式描述问题，具有明显优势，其中，BP网络具有较强的自适应性、灵活性。多层BP网络具备输出节点、输入节点，并具备一层、多层的隐节点。BP网络一般存在一个或者多个隐层，在隐层中神经元借助S型函数表示，输出层神经元通过纯线性函数表示。基本神经元具备R个输入，各输入p均经过适当权值w和神经元连接，神经元输出为：a=fpb(ω*p,b)。在BP网络内神经元激活函数需要处处可微，因此，多利用S型对数函数、正切函数、线性函数。通常传递函数区间[0，1]，S型函数为f(x)=1/(1+e-x)。学习公式的推导指导思想为修正网络权值和阈值，误差函数按照负梯度下降。网络的三层节点为输出节点、隐节点、输入节点。隐节点和输入节点网络权值表示ωij，输出节点和隐节点网络权值表示Tij。输出节点为：δ=-（tl-Ol）·f(netl)；权值修正为：Tli(k+1)=Tli(k)+△Tli=Tli(k)+η,δi,yi。ANN处理没有先验函数结构且又是高度非线性过程的突出能力，在科学领域已经取得了大量的成果。对现有研究情况进行分析，ANN模型能否成功应用关键在学习样本的充足性与可靠性[3]。

3 基于ANN适宜性特色小镇评价

经过BP网络模拟，选择浙江省10个县市作为研究对象，获取10组数据，选取人口、县域面积、地形、经济总值、交通、娱乐业、文化体育、就业人数以及小镇发展情况7个相关因子作为训练模型[4]。其中，人口、县域面积、地形、经济总值、交通、娱乐业、文化体育、就业人数为输入层的神经元，为自变量，通过DPS进行网络训练，通过多次试验模拟，网络设置5层，3层为隐含层，隐含层的节点数量为5；小镇发展情况为输出层的神经元，为因变量，激发函数为Sigmoid，参数0.9，训练速率最小值0.1，允许误差为0.000 1，动态参数为0.6，数据的转变形式是标准变化，在10组数据获取之前已进行50组训练，10组是检验样本。笔者研究BP网络运算以DPS为基础，通过输出结果获取不同类型的特色小镇学习、预测中误差最大值与误差平均绝对值。不同类型特色小镇学习、预测中误差平均绝对值需小于10%，符合特色小镇适宜性评价需求，确保评价结果的合理性。对学习、预测误差进行分析，根据各县域特色小镇预测值获取各特色小镇的适宜结果，包括一般适宜、中等适宜和高度适宜。如浙江省杭州市区高度适宜为文化旅游类型，中等适宜为智能创新类型、金融类型，一般适宜为高端制造类型；淳安区高度适宜为高端制造类型，中等适宜为智能创新类型、金融类型，一般适宜为文化旅游类型；临安区高度适宜为高端制造类型、智能创新类型，中等适宜为文化旅游类型、金融类型；建德市高度适宜为高端制造类型、智能创新类型，中等适宜为金融类型，一般适宜为文化旅游类型。宁波市市区高度适宜为高端制造类型，中等适宜为文化旅游类型，一般适宜为智能创新类型、金融类型。余姚市高度适宜为金融类型，中等适宜为智能创新类型、高端制造类型、文化旅游类型；象山县高度适宜为智能创新类型、高端制造类型，中等适宜为金融类型，一般适宜为文化旅游类型。温州市市区高度适宜为智能创新类型，文化旅游类型，中等适宜为高端制造类型、金融类型。乐清市高度适宜为智能创新类型，中等适宜为金融类型，一般适宜为文化旅游类型、高端制造类型。嘉兴市市区高度适宜为智能创新类型，中等适宜为高端制造类型、金融类型；一般适宜为文化旅游类型等。借助BP人工神经网络进行模拟分析，各类型特色小镇ANN学习和预测过程误差如表1所示。

表1 各类型特色小镇ANN学习和预测过程误差

通过对浙江省各个县域、地区特色小镇适宜性发展进行全面分析，结合当地实际情况推动经济发展。

4 总结

特色小镇为城镇发展新模式，能够促进企业互动，实现节约集约发展[5]。明确县域特色小镇的发展模式是开发基础，但是现阶段缺少对特色小镇建设发展宏观角度的研究。笔者首先构建特色小镇适宜性评价框架，按照浙江省的县域尺度借助ANN评价各个地区特色小镇的适宜性，模拟误差约10%，按照ANN结果划分适宜度（高度、中度、一般），为特色小镇的建设提供参考。适宜性评价分析，误差平均绝对值约10%。不同地形对不同类型特色小镇的适宜性存在显著影响。地形以平原为主的地区，高度适宜为智能创新类型特色小镇的约50%；地形以丘陵为主的地区，高度适宜为高端制造类型特色小镇的约41%；地形以山地为主的地区，高度适宜为智能创新类型特色小镇的为100%；地形以滨海为主的地区，高度适宜为文化旅游类型特色小镇的约50%。因此，对于特色小镇适宜性的选择要着重考虑地形因素。