神经网络在地区发展差异分析中的应用.pdf

摘 要 改革开放以来,我国经济发展迅速,各地区经济实力不断壮大, 社会发展水平 不断提高。但是，由于我国地域辽阔,自然条件各异, 传统的生产力布局造成了各 地区经济发展的起点不同。不同地区在经济基础、自然资源、基础设施等方面存在 着很大的差异，导致了地区间的经济实力和社会发展水平存在很大的差异性。随着 我国国民经济的持续、快速发展,地区间的发展不平衡问题不但没有得到解决, 反 而有进一步加剧的趋势。这种现象如果长期得不到缓解,任其扩大,就会对整个国民 经济造成不利的影响,甚至会制约我国经济的协调、快速发展。因此，正确理解和 分析我国地区发展的差异问题,并对其进行综合评价和分析，准确度量地区差异的 真正原因，有针对性地制定地区发展战略, 为决策部门实施切实有效的经济政策提 供策略建议，对顺利实施第三个战略目标，促进国民经济协调发展、建立和谐社会 具有十分重要的理论价值和现实意义。 我国国内学术界和决策部门对地区发展的差异问题进行了大量的探索和研究， 成果日渐丰厚。纵观以往的这些研究可以看出，大部分学者主要分析我国东中西部 三大地带间的地区经济差异问题。他们对地区差异的理解不同，研究的范围和指标 选定的依据略有差异，由此产生的研究结果就会各不相同。在分析过程中，他们主 要采用多元统计方法对全国各省市地区的经济发展水平进行地区分类分析。这些方 法简便易算,可实施性较强,但在分析过程中由于判断准则的选取不同，可能会导致 最终的分析结果不同。在计算过程中过多的主观因素,使得研究成果之间的可比性 降低。 本文采用神经网络的方法进行地区差异分析。该方法与传统的统计分析方法相 比，具有更好的自学习、自组织和自适应性。在地区发展差异分析时，不必事先确 定各评价因子间的权值，因而评价结果较为客观；在应用方面，该方法的“去噪音， 容残缺”的能力更好一些；在算法上具有容错性、稳健性和联想记忆的功能,自然 1 呈现出较强的鲁棒性。一方面，由于信息的分布式存储，网络中部分神经元的损坏 是不会对系统的整体性能造成影响的；另一方面，当输入模糊、残缺或者变形的信 息时，神经网络能通过联想恢复完整的记忆，从而实现对不完整输入信息的正确识 别。神经网络不是替代传统的统计分析技术，实际上，它是统计分析方法的延伸和 扩展。人工神经网络具有很强的输入输出非线性影射能力，易于学习和训练，在预 测预报、分类及评价分析等方面最为适用。 本文借鉴许月卿的想法，采用误差反向传播的 BP 神经网络算法对地区发展的 差异问题进行分析。这种算法的基本思想是借鉴统计方法中的最小二乘学习算法 (LS)，采用梯度搜索技术，以期达到网络的实际输出值与期望输出值的误差均方值 最小。 笔者认为地区差异的研究应该主要分析地区间社会综合实力水平的差距,既要 突出经济方面的差距,又要兼顾自然、历史、资源、基础设施以及环境保护等构成 社会综合实力各个要素存在的差距。所以对于地区差异的分析，笔者从地区经济实 力和地区社会发展水平两个层面上来分析，选取不同的经济指标分别建立经济实力 的地区分类网络模型和地区社会发展水平的网络模型。 对于地区经济实力的分析，笔者按照胡鞍钢“一个中国，四个世界”的想法， 根据人均 GDP 将地区分为四个等级，选取相关经济指标建立地区分类的BP神经网 络模型。网络的输入层由8个神经元组成；中间层是4个神经元结构的单隐含层组 成；输出层由4个神经元构成，输出结果表示评价等级级别，输出值在(0,1)之间， 隐含层和输出层的神经元均采用 logsig 激活函数。笔者将训练集和测试集的输出 向量变换成 4 列，分别用向量(0.9,0.1,0.1,0.1) , (0.1,0.9,0.1,0.1), (0.1,0.1,0.9,0.1) (0.1,0.1,0.1,0.9) 表示。这样，输出向量中第i个值最大就代表输出为第i类。笔者 使用这样一个 4 维向量作为网络期望输出，更加突出了样本特征，拉大了不同级别 之间的特征差距，利于结果的分类。BP网络通过不断学习,修改权重，找出分类指 标和分类级别间复杂的内在对应关系，利用BP网络进行地区经济实力的差异分析。 对于地区社会发展水平的差异分析，笔者选用反映收入水平、环境、通讯、教 育科技等一系列指标，建立网络模型，评价各个地区的社会发展水平。网络的输入