基于人工神经网络的区域经济子系统

第!"卷第#期$""!年#月

浙江大学学报%理学版&

’()*+,-(./0123,+45+361*7389%:;31+;1<=383(+&

>?@A!"B?A#

CDEA$""!

基于人工神经网络的区域经济子系统

可持续发展指标预测研究

叶正波

浙江大学宁波理工学院管理系F浙江宁波!%#G#"H&

摘

要I可持续发展系统是O黑箱P至少是O灰箱P各因素间是否存在因果关系还不十分清楚F人工神经网络可以FF

较为逼真地模拟该系统A本文以人工神经网络Q借助SDR模型为工具FT@DU语言对区域可持续发展经济子系统指

标进行预测研究A通过数据采集V网络结构模型设计V程序设计V网络训练等绘出指标预测图并进行分析F最后提出建议A结果表明F用人工神经网络来模拟可持续发展经济子系统是可行的A关

键

词I区域可持续发展W指标预测W人工神经网络

文献标识码IY

文章编号I#""Z[LHLK%$""!&"#[#"L["M

中图分类号I$$X

J%FlmFyFlm#G#"HF\]^_‘EaU?bcdcefgfdhifjckhgfdhdenopdqhmhrhfostfuvdowoexvfzmcde{dm|fkqmhxdeno!&}vmdc

:8)=9(.7)78,3+,~-1=161-(!"1+83+=3;,8(*7.(*1;,78,~()8*143(+,-1;(+("3;7)~79781"~,71=(+,+,*83.3;3,-+1)#A%&F$""!F!"%#&I#"L2##HC?*,-+18$(*%&’ED@?(^_‘)*DEa+E*,‘’-*T./0*‘E0‘]1*T*?E

PFDPF_I/3~78*,;8&-TD*EDU@‘1‘,‘@?45‘ET-.-T‘5*-DOU@D06U?7T@‘D-TDO8’‘.Q?7?9‘D0_0?54?E‘ET*-’‘@DT‘1FDT?‘D0_?T_‘’*--T*@@E?T0@‘D’’T*(*0*D@E‘&’D@E‘T9?’60DE@*,‘@.*5*TDT‘T_*--.-T‘5AQD-‘1?ED’T*(*0*D@E‘&’D@FTE‘T9?’6:-QR5?1&@‘_*-D’T*0@‘’‘-‘D’0_‘-T_‘(?’‘0D-T*Ea’‘a*?ED@-&-TD*EDU@‘1‘,‘@?45‘ET‘0?E?5*0-&U-.-T‘5A;FEF4*E1*0DT?’-U.&-*EaSDT@DU@DEa&Da‘_’?&a_1DTD0?@@‘0T*?E‘&’D@E‘T9?’65?1‘@1‘-*aE’?a’D55*EaDE1FTA<T’D*E*Ea_‘(?’‘0D-Ta’D4_*0-0DEU‘a?TDE1DED@.-*-*-5D1‘‘-‘D’0_-_?9-*T:-D4@*0DU@‘T?*5*TDT‘’‘a*?ED@A-&-TD*EDU@‘1‘,‘@?45‘ET‘0?E?5*0-&U-.-T‘5U.&-*EaD’T*(*0*D@E‘&’D@E‘T9?’6

I’W*WD=19$(*=7‘a*?ED@-&-TD*EDU@‘1‘,‘@?45‘ETE1*0DT?’-(?’‘0D-T’T*(*0*D@E‘&’D@E‘T9?’6

区域可持续发展系统是非线性V复杂V开放的系统F它的影响因素是什么F各因素间是否存在因果关系F哪个是原因F哪个是结果F是否存在着既是原因又是结果的情况等F还不十分清楚F可以说F可持续发展系统仍然是O黑箱P至少是O灰箱P人工神经网FA络具有非线性V快速V并行分布处理V自学习V自组自适应及鲁棒性等特点F可以较为逼真地模拟真织V

实社会经济系统F其结构可以认为是真实系统的映射A通过构建人工神经网络可使其自学习V掌握P不O同时段的经济系统发展历程的运行参数F逐渐成为系统结构和功能的映射集成A网络测试通过后F以不同经济发展水平参数输入网络F通过监测网络各层的联接权重F计算转移函数F便可获得经济指标的动

态变化特征态势F最终得到经济子系统的预测结果A因此F本文采用人工神经网络方法对区域经济子系统的可持续发展状况进行预测研究F预测是针对指标在未来几年的发展状况进行的A

>指标选择与数据采集

可持续发展系统既涉及到经济V社会V生态环境子系统F又涉及到当代与后代人的时间因素F同时还体现了系统所作出的状态V响应V压力情况A但是F至今为止F所有的指标或指标体系均是单独从某一角度进行论述A

例如I联合国可持续发展委员会和世界银行的

收稿日期I$""$J"GJ#KA基金项目I宁波市重点博士基金%$"""年&A作者简介I叶正波%男副教授博士主要从事可持续发展和数量经济的研究A#LMHN&FFFF

((P

浙江大学学报F理学版G第IP卷

考虑了经济&社会&环境领域%但缺乏""!#$模型%时间的特性’要完整&准确地反映可持续发展的内涵%所构建的指标必须能综合地体现时间&领域和影响三个方面’作者在分析现有可持续发展指标和指标体系及其优缺点的基础上%综合各家的长处%提出了如下的基于多维的可持续发展评估指标体系框架%如图(所示’

L网络构建

区域可持续发展系统具有非线性的特征%在考虑模型构建时%选择了MN网络模型’MN网络是一

种多层前馈神经网络%在M神经元的变换N网络中%函数是O型函数%输出量为P到(之间的连续量%它可以实现从输入到输出的任意的非线性映射’在确

定了M利用输入输出样本集对其N网络的结构后%进行训练%让网络对其权值和域值进行学习和调整%图(区域可持续发展指标体系框架)*+’(,-./012.34054/67681*91:;.<.=.;4>?

2.98*9<*@184066A68.2

根据这个指标体系框架%构建了BC个指标组成

的可持续发展指标体系%考虑到数据的可收集性%去掉那些难以收集的指标后%用CD个指标来反映’

数据本身的质和量对预测结果的影响很大%如果条件允许%应尽量获取更多的数据’在可持续发展预测所需数据的采集过程中%由于管理等方面的原因%数据存在着不同确切性’因此数据在满足一定量的条件下%对质的要求就是至关重要的了’

数据的采集应有周密的计划%可按下面的步骤进行E

F(G进行需求分析HFCG制定数据采集表格HFIG数据采集方法的确定HFBG

数据采集’数据采集过程中%由于各种因素的影响%可能会出现数据丢失现象%造成数据不完整或不连续%影响对数据的分析’因此应对这些情况进行了解%以便对分析结果进行修正或作为对评估方法进行研究时的依据J另外%为避免数据采集中的人为差错%要对采集数据的人员进行培训’

根据以上步骤%采集了某区域CD个指标对

(DK(年到(DDK年(K年的数据进行研究%

这些数据是进行预测的基础’

以使网络实现给定的输入输出映射关系’经过训练的MN网络%对于不是样本集中的输入也能给出合适的输出’

L’Q网络结构模型设计

图C中%网络结构模型是由CD个输入%CD个输出%C个隐层构成的MN网络结构%隐层(有B个节点%隐层C有I个节点’

图CMN网络结构模型

)*+’C#807@870.24<.;4/MN9.83405

网络结构模型的其它参数为

R.83405R12.E可持续发展人工神经网络R72:.04/S1A.06EB

T9>78S1A.0

ER4<.6ECD,0196/.0)79@8*49ES*9+.10U*<<.9S1A.0(ER4<.6EB,0196/.0)79@8*49E#*+24*<U*<<.9S1A.0CER4<.6EI,0196/.0)79@8*49E#*+24*<V78>78S1A.0

ER4<.6

ECD

,0196/.0)79@8*49E#*+24*<W499.@8*496

E)XSS

第4期叶正波(基于人工神经网络的区域经济子系统可持续发展指标预测研究

444

!"!程序设计

本研究以#$%&$’语言中的人工神经网络工具编制了如下程序(箱为工具进行可持续发展的预测"

+)./01223422252223624222378)*%*,--5232623022622234532822234252234262234022342523122422223620223248231220223246345235623025223283

24234224222340232423462382422362822344629:/6;:6;9:<:=D:=%$)>?@=ABC*&?)=F3=%C$?)E@’=

+A.::F’J>%H)HM’)H?)%H$M%

!"O训练过 …… 此处隐藏：7309字，全部文档内容请下载后查看。喜欢就下载吧 ……