论文部分内容阅读
本文运用人工神经网络的理论和方法，通过构建BP神经网络来评价2005年江苏省县域城市性，将52个县域城市性综合评价值分为5级。通过对频数分布特征及变异系数、加权变异系数、威廉森系数和最大与最小系数的分析，表明江苏省县域城市性空间分异显著，呈现出三个特征：①从南向北呈现梯度递减的格局；②呈正偏态分布，第三、第四级别的县市比例略大；③三大区域内部差异呈现从南向北递增的趋势。通过Spearman’s rho相关分析表明，对城市性影响最大的是经济增长水平，它是提高城市性的强大动力；与城市性相关性最大的因子为X1、