数据分类是数据分析领域中一个常见的问题，即按照一组数据对象的特征给出数据对象的数学划分过程。许多实际问题都可转化为分类问题，所以它的应用范围十分广泛。近年来，数据分类技术已被广泛、有效地应用于科学实验、医疗诊断、气象预报、信贷审核、商业预测、案件侦破等领域，引起了工业界和学术界的广泛关注。数据分类的方法很多，包括决策树方法、统计学方法、神经网络方法、最近邻方法等。 基于神经网络的分类方法是目前应用较广泛的一种数据分类方法。神经网络方法是基于生物神经系统的结构和功能而建立起来的，神经网络具有并行结构和并行处理、自适应性、知识的分布存储、较强的容错性、本质的非线性系统等特性，通过网络训练，可以建立数据库信息的非线性模型，并从中提取出相应的规则。．BP网络(Baek propagation network，简称BP网络)是一种非线性映射人工神经网络。Robert Hecht Nielson(1989)证明了对于任意闭合区间连续函数都可以用含有一个隐层的BP网络来逼近，基于BP神经网络的数据分类通常具有较小的分类误差和对噪声有较强的鲁棒性，因而在数据分类方面具有一定的优越性。 在对BP算法进行深入研究后，从理论上找到了BP算法缺陷的一个重要因素，并提出了改进算法，基于BP神经网络的二步检测法。 农业生态经济系统是由生态、经济和技术三个系统组成的复合系统。由于自然生态条件、社会经济条件存在着地域性差异，使各地域农业生态经济系统在结构和功能以及系统的边界特征上有着较为显著的差别，系统的物质、能量、价值和信息流的转化效率以及生态、经济和社会效益也大不相同。 农业生态经济分区是从一个特定区域的总体功能出发，根据自然生态因素和社会经济因素的特点及其内在联系所构成的空间组合形式的相似性和差异性，划分若干不同层次、各具特色的生态经济功能单元，旨在协调区域经济发展与生态环境保护以及综合利用自然资源的关系，实现区域社会经济的持续发展。具体地说，就是建立一个物质能量高效利用、生态良性循环、社会经济持续稳定协调发展的社会—经济—自然复合生态系统。 在对农业生态经济分区方法进行研究后，找出了目前采用的分区方法所存在的缺陷，即分区结果有较大的主观性，分区结果和实际经济发展情况有偏差；对领域专家的时时依赖较强： 针对以上问题，本文利用BP神经网络在数据分类上的优势，将农业生态经济分区问题归结成数据分类，利用我们在BP算法上研究的成果，基于BP算法的改进算法建立一个适合特定区域的农业生态经济分区的数据分类模型，对农业生态经济进行分区，这样不仅能克服目前分区方法的缺点，还能实现生态经济分区的自动化，提高生态经济分区的效率和准确率。 本论文的主意研究工作如下： 1．全面地综述了神经网络知识，以及所涉及的应用领域，详细地介绍了农业生态经济