土地利用项目分析中应考虑的生态服务价值评估模型

来源:用户上传      作者:

　　摘要：首先，我们使用Logistic回归分析来确认很有可能评估土地开发项目的环境成本。由于减少土地利用变化的负面结果需要大量的经济成本，为了简化建模过程，我们选择：污染河流，空气质量差，废水处理不当，气候变化，建立基于傅里叶变换的非线性拟合模型。通过给这四个因素赋予不同的权重，可以计算环境退化的成本，然后通过线性增加经济成本来获得实际的经济成本。然后利用我们建立的模型分析小社区项目和大型国家项目的成本效益。然后考虑时间，利用神经网络算法预测土地开发项目的长期成本效益。实现了土地开发项目的真实综合评价，为项目规划者对土地开发进行商业投资提供了一定的参考，避免了成本收益率计算不完全造成的环境破坏，造成经济损失。
　　关键词：神经网络算法 皮尔森系数 环境恶化 成本效益
　　一、环境成本评估模型
　　土地资源开发成本在土地利用项目中往往没有得到充分考虑，成本较低。相对缺乏对土地资源的保护会对生态环境造成严重破坏。因此，有必要建立一个包含环境成本的土地利用评价新模型，以便对成本效益进行综合评价。
　　（一）基于傅里叶变换的非线性拟合模型
　　非线性拟合具有精度高，可靠性高，配件形式多样化的优点。通过拟合各种形式，我们发现基于傅里叶变换的非线性拟合模型的拟合精度最高。因此，我们分别对土地开发总成本和环境退化成本进行了基于傅里叶变换的非线性拟合，从而得到了模型的合理解。其中，在不考虑其他小概率事件的情况下，我们把重点放在空气污染，河水污染，废水排放和气候变化等四个指标上，以反映环境恶化的整体水平。
　　（二）环境退化的四种典型经济成本分析
　　（1）符号说明
　　A：空气污染控制的经济成本B：期限t的经济效益c：期限t的总经济成本
　　D：预防气候变化的经济成本F：废水处理的经济成本
　　R：河流污染控制的经济成本RBC：成本效益比
　　Wt：土地开发的总成本i：社会贴现率
　　（2）四种典型环境退化的经济成本
　　利用Matlab进行傅里叶三次拟合拟合2000～2011年美国土地总成本的、
　　离散点数据，得到土地总成本随时间变化的图像和特定函数表达式。
　　·土地开发的总成本
　　Wt=8O470-290.7×cos（0.3876×t）-12210 cos（2×t×0.3876）+6335×sin（2×t×0.3876）-3874×cos（3×t×0.3786）+1407×sin（3×t×0.3876）
　　在相同条件下，采用傅里叶二次拟合分别拟合河流水污染控制，大气污染控制，污水排放控制和气候变化预防的成本，得到四个指标成本随时间变化的曲线和函数表达式。
　　·河水污染控制成本（R平方=O.9776）
　　Rt=73.62-6.2O4×cos（t×0.3118）-11.54×sin（0.3118×t）-2.179×cos（2×0.3118×t）-5.022×sin（2×t×0.3118）
　　·大气污染防治成本（R平方=O.984）
　　At=70.49-7.129×cos（t×O.2886）+lO.3×sint×O.2886+6.444×cos（2×t×0.2886）-2.205×sin（2×t×0.2885）
　　·廢水排放控制成本（R平方=O.9297）
　　Ft=43.66-6418×cos（t×O.2831）-1.278×sin（t×0.2831）-2.643×cos（2×t×0.2831）+4.723×sin（2×t×0.2831）
　　·预防气候变化的成本（R平方=0.9648）
　　Dt=1636+1357.1×cos（t×0.2831）-1.278×sin（t×0.2831）-2.643×cos（2×t×0.2831）+4.723×sin（2×t×0.2831）
　　（3）综合考虑土地成本和环境退化成本根据假设，我们可以确定ct与wt，Rt，Ft，At和Dt之间存在一定的线性关系。它可以描述为：Ct=Wt+αlRt+α2lt+α3Ft+α4Dt
　　其中，αl-α4分别代表河水污染控制成本，空气污染控制成本，控制废水排放成本和防止气候变化成本占总量的百分比联邦政府的环保成本。通过咨询相关文献，我们可以确定：
　　αl=25%
　　α2=30% α3=18% α4=30%
　　然后我们可以得到总的经济成本：
　　Ct=Wt+0.25Rt+0.30At+0.18Ft+0.30Dt
　　其应用的基本原则是，对于开发项目，有几种实施方案，使用模型结果，可以计算每个方案的成本和效益，并且可以通过效益比公式计算评估指标值。
　　（三）模型评估
　　1.优点
　　（1）模糊推理的优点
　　由于某些环境数据可能随时发生变化且无法准确测量，因此我们得到的数据集可能并不全面。但是，即使没有大量的数据集，我们的模型也可以通过改变参数，分配规则而完全可行。但是我们可以改变参数和分配规则，即使没有广泛的数据集，我们的模型仍然可行。所以我们的模型有很好的模糊推理。 　　（2）决策优化
　　该模型引入了成本效益比作为评价指标的概念，明确地描述了评价结果的卓越程度。因此，决策者可以根据该指标设计最优方案，以降低环境成本和对环境生态的影响。
　　2.缺点
　　（1）数据的局限性
　　在2000-2011年期间，该模型中有12个离散数据点。与其他更好的模型相比，我们选择的数据量太小，这将不可避免地导致拟合过程中的一些错误。
　　（2）影响因素的相关性
　　在模型假设中，我们认为土地开发项目是相互独立的，不会相互影响。但在现实生活中，却很少。各种土地开发项目之间存在一些影响，可能相互制约或相互促进。与此同时，各种环境污染并非完全独立。在这个模型中没有考虑到这些因素，因此存在一定的不确定性。
　　二、不同尺度的长期和短期分析
　　（一）短期小社区项目的成本与效益分析
　　小社区项目的短期成本一效益分析模型：小社区项目土地利用开发的成本效益分析可以概括为预测模型。
　　基于傅里叶变换的非线性拟合模型在估计非线性曲线时，功能模型相对简单。因此，在分析土地开发成本和小社区项目效益时，我们仍然使用基于傅里叶变换的非线性拟合模型来拟合和分析2000年至2011年美国小社区项目的成本和效益，并找出具体的功能表达。依据经济效益比的公式，并通过大量预测并采取均值，我们得到：
　　RBC=2.1511
　　（1）通过使用MATLAB来拟合基于傅立叶变换的2000年至2011年美国小规模社区项目的成本，我们得到了成本随时间变化的曲线和函数表达式：
　　·小社区项目的建设成本
　　Ct1=3834 + 62.6×cos（t×O.3088）-967.9×sln（t×0.3088）+213.4×COS（2×t×0.3088）-132.5×sin（2×t×0.3088）
　　（2）基于傅里叶变换非线性，利用MATLAB拟合2000年至2011年美国小型社区项目的效益，得到了随时间变化的收益曲线和函数表达式：
　　·小社区项目的建设效益
　　Bt1 = 84O0 - 2101×cos（t×0.3081）-290×sin（t×0.3081）-500.8×COS（2×t×O.3081）-375.5×sln（2×t×0.3081）
　　（二）短期内国家大项目短期成本一效益分析模型
　　基于傅里叶变换的非线性拟合方法可用于对其进行建模和求解。两种方法的区别在于它们的成本和收益受到不同因素的影响。最值得注意的是，大规模的国家项目受到联邦政府相关政策的极大影响。小型社区项目的成本和收益主要取决于社区的商业模式。
　　通过使用Matlab来拟合基于傅里叶变换的2000年至2011年美国大型国家项目的成本，获得了成本的时变曲线和函数表达式。
　　·大型国家项目的建设成本
　　Ct2=1693+320.7×COS（t×O.2897）-410.7×sln（t×O.2897）+156.9×COS（2×t××0.2897）+5418×sin（2×t×0.2897t）
　　（三）长期不同规模项目的成本效益分析
　　通过神经网络算法分析项目的长期成本效益在上文中，我们为不同规模的项目建立了有效的预测和评估模型，用于短期成本效益分析。在考虑时间变化时，我们构建了另一个长期预测模型。因为灰色预测GM（1，1）和时间序列方法主要用于处理具有一定线性关系或周期性變化的数据，不能预测正态分布的数据。
　　同时，神经网络算法可以正确处理复杂数据并获得可靠信息。因此，在本文中，我们将使用神经网络算法来构建模型，并对小型社区项目的成本效益进行长期预测。
　　（1）根据“最佳验证性能”图表，培训，验证和测试在初始阶段同步下降，第五次达到最低值，并且稳步增长几乎没有变化。值得注意的是，三者之间的差异在第六次是最小的，从而实现了期望的结果。
　　（2）梯度曲线反映了输出随输入变化的变化，整个阶段梯度总是大于零，表明输出随输入的增加而增大：验证检查在0-6次时几乎为零，并在6次后迅速增长。
　　（3）在误差曲线中，零误差位置出现在中间位置。如果训练次数太少，则不会有验证数据，并且测试数据的数量在一定程度上与训练数据的数量无关。
　　（4）考虑到训练数据，验证数据和测试数据的相关性，我们可以看到神经网络的相关系数对于训练数据和所有数据是R=l，但对验证数据和测试数据不是很友好。相关系数分别为O.51073和O.039344。
　　三、基于Pearson系数的模型试验
　　由于上述模型的函数表达式以时间的形式作为单个变量，因此可以通过结果数据和理论标准数据之间的线性关系来评估成本-收益模型的有效性。线性关系越强，效果越好。Pearson系数是描述两组线性数据相同运动趋势的指标，因此我们考虑使用Pearson系数来评估上述模型。
　　通过计算，可以获得理论标准收益与小型和大型项目的实际标准收益之间的Pearson系数：
　　皮尔森（小）=1.000
　　皮尔逊（大）=0.998
　　它表明理论标准效益与实际标准效益之间存在很强的线性关系，实际标准效益由我们建立的模型计算得出。进一步表明3.1基于短期的小型社区项目成本效益分析模型和3.2基于短期的成本效益分析模型对大型国家项目是有效的。
　　结论：我们从2000年到2011年开始搜索环境，土地成本和土地收益的数据，并用非线性拟合方法得到函数曲线和表达式。然后，我们加入环境退化因子，确定构成环境成本的四个退化因子及其权重，从而达到真正全面预测项目成本效益比的目标。我们的结论表明，在评估开发项目时考虑环境成本是非常可能和必要的。最后，我们使用两种不同的算法，分别从长期和短期角度为小型项目和大型项目创建成本效益评估模型。通过相关分析得出结论，我们建立的模型和得到的结果不仅有效性高，而且适应性强。换句话说，我们的模型具有很强的可行性，可以作为项目规划者和管理者评估效益和环境成本的准确理论指导。
转载注明来源:https://www.xzbu.com/3/view-14970253.htm