基于神经网络的区域经济发展水平评估方法.docVIP

基于神经网络的区域经济发展水平评估方法 基于神经网络的区域经济发展水平评估方法刘丽娟(燕山大学经济管理学院，秦皇岛066∞4)摘要:文章构建了区域经济发展水平评价指标体系，提出了基于神经网络和数据包络分析的集成评估方法，数据实例验证了方法的正确性及可行性。关键词:神经网络;区域经济;发展水平;评估中图分类号:F224文献标识码:A文章编号:1∞12-6487(2014)02-0081-03 的每个指标中应用前馈神经网络来获得它们的值。这种1 经济发展水平坪价指标体京准则聚合的神经网络是基于其泛化能力。在训练神经网络中，新的输入数据不一定精确地与网络训练中所用到的构建各区域经济发展水平的指标体系可以科学有效数据相匹配，这使得系统可以处理噪声数据和不完全数地反映它们之间的相关性。本文在对这经济发展水平的据。评价指标体系进行设计时，严格遵循以下原则:可操作性、(1)网络体系结构。由于多层感知器(Multi-layerper??全面性、科学性及可比性。众多因素综合决定了-个地区ceptron, MLP)模型的结构和算法比较简单，且该模型已成经济发展的程度。按照各个区域的实际发展状况，该指标功应用于求解近似问题，因此本文采用该方法。MLP网络体系具体包括20个指标，主要分为四个方面，即环境改由形成输入层的源节点集、计算节点一个或多个隐层及表善、地区经济、生活质量水平和工农业情况，可全面、客观示系统期望输出值的输出层等组成。多层感知器要成功地反映各个区域的经济发展状况。应用于任何问题的一个重要参数是选择适当的网络体系褒1经济发展水平的评价指标体系结构。识别特定任务的最佳体系结构是一个开放且具有X, 地区生产总值(GRP，亿兀)挑战性的问题。前馈神经网络的通用逼近定理指出，对于X, GRP对上一年度的增长率(%)限制类的活动函数，只有单一隐层的标准网络可以以任意地区经济X人均GRP(兀)3 期望的精度一致逼近任意紧致集上的任意连续函数及任X. 地方的财政收入(LFR，亿元)X迸出口总额(亿美兀)5 意可测函数。本文设计出一种MLP模型，由输入层、隐含X, 工业生产总值(亿元)层和输出层组成。X, 农、林、牧渔业的产出价值(亿元)工农业#039;情况输入层中的神经元对应在目标绩效指标下被分组的X粮食生产总量(万吨)B X耕地面积(万公顷)基本评估准则。输入层本身不用于处理信号，而是简单地9 X城市居民人均可以随意支配的收入(兀)lO 将外部信号传递给隐含层。由于神经网络的映射精度以X农村居民人均可以获得的净收入(兀)n 及从训练数据中归纳概括的能力很大程度上依赖于隐层X每一百户城镇家庭有彩电的数量(台)12 中的单元数量，因此该层中单元数量的选择十分重要。包X每一百户农村家庭有彩电的数量(台)13 生活质量水平每一万人中使用互联网的用户数量(户/万人)含小隐藏单元的网络不能完全识别存在于训练数据中的X’4 每一百人中使用移动和固定电话的用户数量(户/百人)X’5 结构(欠拟合)。同时，包含大隐藏单元的网络产生不良的X每一百户城镇家庭有电脑的数量(台)16 ;祖母;效应，导致单元记住某些输入的某些方面。大部分X每一万人有卫生院和医院床位的数量(张)17 情况下，如果不训练几个网络，不比较各个网络的泛化误每一万人有医生的数量(人)X’8 工业废水排放的达标概率差，就不可能确定隐藏单元的最佳数量。通过逐步训练过X’9 环境改善X却工业团态废物的综合利用率程选择模型将泛化误差最小化可以确定隐藏单元的数量。采用平均均方误差函数(MSE)和实际输出值yi与期望2 基于神锺网辑和撒据包蟠分析的集成方法输出值di之间的均方差计算出各个配置的精确度。MSE=iyJ豆叶2.1 通过神经网络预测绩效指标值评估任务的第一个步骤就是通过在这些绩效指标中采用;五次交叉验证;法进行实验。将数据集分成五基金项目:河北省社会科学发展研究课题(201303390)f乍者简介:刘丽娟(1978-)，女，河北唐山人，硕士，讲师，研究方向:旅游经济。统计与决策2014年第2期·总第398期81 个不相交的子数据集，这些子集中，保留一个子集作为验变量值定义可接受#039;性的最低水平。如果发现对己知城市证数据对模型进行测试，而其余的四个子集则用作训练数信息评估的可接受性指数低于最低水平g，则应将该城市据。然后，隐含层(隐藏单元的数量)的各个配置运行网络从评估过程中移除，或继续努力收集信息。然后，应该重三次，并记录下测试数据和训练数据的最小值(MSE)。该新评估相应城市绩效类指标的可分解性，直到获得大于X过程再重复四次，通过改变交叉验证集，最后，这五个子集的可接受性水平。中的每个子集只用作一次验证数据。选择各绩效类指标2.2 神经网络的BP学习算法的最优配置，并根据交叉验证数据和训练数