基于SVM中原经济区城市农业发展水平聚类分析.docVIP

基于SVM中原经济区城市农业发展水平聚类分析 　　摘 要：通过建立农业发展水平评价体系，采用SVM（支持向量机）方法对中原经济区部分城市农业发展水平进行了聚类分析，为中原经济区农业发展提供决策依据。 　　关键词：中原经济区；农业发展水平；支持向量机；聚类分析 　　2012年11月十八大结束之后，国务院批复的《中原经济区规划》中，对中原经济区的战略定位之一是“国家重要的粮食生产和现代农业基地”。作为中原经济区的主体所在省份河南省来说，如何能够不以牺牲农业和粮食、生态和环境为代价开展新型城镇化、新型工业化、新型农业现代化，三化协调科学发展，是当前面临和亟待解决的一个问题，为客观准确的认识和了解当前农业发展水平，建立适当的农业发展水平评价体系，对省内主要城市的农业现代化发展情况进行科学的分析和评价，为制定合理的农业和农村发展战略规划提供依据。 　　1 农业发展水平的评价体系 　　为了更好地认识中原经济区内各个城市的农业现代化发展水平，以中原经济区内的18个主要城市[郑州市（C1），开封市（C2），洛阳市（C3），平顶山市（C4），安阳市（C5），鹤壁市（C6），新乡市（C7），焦作市（C8），濮阳市（C9），许昌市（C10），漯河市（C11），三门峡市（C12），南阳市（C13），商丘市（C14），信阳市（C15），周口市（C16），驻马店市（C17），济源市（C18）]作为样本，在参考文献[1-6]的基础上，选取以下12个指标建立农业水平评价体系，IN1：农业从业人员（万人）；IN2机耕地面积（千公顷）；IN3机播地面积（千公顷）；IN4机收地面积（千公顷）；IN5机电灌溉面积（千公顷）；IN6化肥折纯施用量（万吨）；IN7单位面积粮食产量（吨/公顷）；IN8农林牧渔业增加值（万元）；IN9农机总动力（万千瓦）；IN10农产品加工机械（万台）； IN11农村用电（万千瓦时）；IN12农村家庭人均纯收入（万元）。基于上述指标，采集的各城市原始数据见下表： 　　2 支持向量机分类原理 　　支持向量机（SVM，Support Vector Machines）是Vapnik等人于1995年提出的基于统计学习理论体系的新的通用机器学习方法[3]，它的思想来源于最小化错误率的理论界限，这些界限是通过对学习过程的形式化分析得到的。基于这一思想产生的支持向量机算法，不但具有良好的数学性质，如解的唯一性、不依赖输入空间的维数等等，而且在应用中也表现出了良好的性能[4]。其基本原理如下： 　　当问题线性不可分时，可以通过非线性变换将低维空间输入向量变换到一个高维空间（见图2），在这个新空间中求最优线性分类面，在一定条件下可用核函数实现非线性SVM分类，而且可以通过选择不同的核函数将复杂的问题进行不同形式分类。 　　3 支持向量机分类的实现 　　在原始数据中，部分数据城市规模有关，如机耕地面积，农机总动力等，在计算时需要消除因城市规模造成的影响，另外各种数据度量单位也不一致，需要进行无量纲处理。将数据进行适当处理后得到结果如下： 　　接下来分别选取各项指标的最大值、第二四分位数和第一四分位数的向量作为学习样本，分类依次为1、2、3类，进行机器学习，将处理之后的原始数据作为测试数据进行分类，通过试探实验观察到，核函数参数变化时，运算时间和分类精确度会略有不同。综合考虑分类速度、分类识别率等因素，通过试探法尝试不同的分类函数后，确定RBF（径向基核函数） 　　作为SVM模型的核函数，利用SVM的MATLAB工具包进行样本的三重分类，结果见表3。将分类结果和利用灰色关联度方法[6]的计算结果进行对比可以看到，分类结果与关联度排序完全一致。 　　4 结果分析 　　根据图1的聚类结果，将18个城市分为3类： 　　第一类：南阳市（C13），商丘市（C14），周口市（C16），驻马店市（C17）； 　　第二类：信阳市（C15），郑州市（C1），开封市（C2），洛阳市（C3），安阳市（C5），濮阳市（C9），新乡市（C7）； 　　第三类：平顶山市（C4），鹤壁市（C6），焦作市（C8），许昌市（C10），漯河市（C11），三门峡市（C12），济源市（C18）。 　　第一类城市为传统的农业大市，行政区域面积较大，农村人口较多，耕地面积较多，在12项农业发展水平指标中，均有一项或两项居于领先地位，因此综合排名较为领先，但是需要注意的是，商丘市机耕地面积相对较少，说明机械化程度不高，在这方面有待加强；五个城市的农村用电量排名均相对靠后，但农产品加工机械排名稍微靠前，说明四个城市的农村农产品深加工产业发展还没有形成规模，小型和微型加工厂较多，大型加工企业较少，在这方面还有待进一步发展；同时这也从另一个侧面反映了为什么五个城市农业发展水平排