【摘要】：若干年來(lái),反貧困一直是全球性的任務(wù)和難題,除政府層面非常重視以外,如何解決貧困問(wèn)題也是世界各國(guó)學(xué)術(shù)界致力研究的重要課題。新形勢(shì)下,為了提高扶貧工作的效率,我國(guó)提出了以精準(zhǔn)識(shí)別貧困戶為基礎(chǔ)和核心的精準(zhǔn)扶貧工作機(jī)制,精準(zhǔn)扶貧成為“十三五”時(shí)期我國(guó)的頭等大事和第一民生工程。然而,當(dāng)前在貧困戶識(shí)別方面,我國(guó)仍以單一的收入維度作為評(píng)價(jià)依據(jù),即多依靠以年人均綜合收入指標(biāo)來(lái)識(shí)別貧困戶,而事實(shí)上貧困的產(chǎn)生是由多維因素共同作用的結(jié)果,單維度的識(shí)別方法較難綜合反映農(nóng)戶的貧困狀況,更無(wú)法全面識(shí)別致貧的原因所在。因此,為了更精準(zhǔn)地識(shí)別貧困戶,精準(zhǔn)診斷致貧原因,精準(zhǔn)制定扶貧方案,提高扶貧工作成效,真正做到“真扶貧、扶真貧”,本文基于云南省某市“三農(nóng)”基礎(chǔ)信息系統(tǒng)建設(shè)項(xiàng)目中采集的2016年數(shù)據(jù)為研究原始樣本數(shù)據(jù),以多維度精準(zhǔn)識(shí)別貧困戶助力精準(zhǔn)扶貧工作為目的,選取收入、教育、住建、農(nóng)業(yè)、就業(yè)和家庭人數(shù)情況六個(gè)維度中的年人均收入、家庭在校人數(shù)、宅基地面積、是否危房、承包土地面積、承包林地面積、家庭勞動(dòng)力人數(shù)、家庭戶籍人數(shù)和家庭實(shí)際人數(shù)九個(gè)指標(biāo),首先充分利用數(shù)據(jù)挖掘與分析技術(shù),采用人工神經(jīng)網(wǎng)絡(luò)的BP神經(jīng)網(wǎng)絡(luò)模型、支持向量機(jī)模型和隨機(jī)森林模型,并用R語(yǔ)言進(jìn)行實(shí)現(xiàn),對(duì)這三個(gè)模型的模擬及精度進(jìn)行對(duì)比分析,以此分析各個(gè)致貧指標(biāo)的重要性程度;其次,建立農(nóng)戶貧困度多維評(píng)價(jià)指標(biāo)體系,運(yùn)用熵權(quán)法與先驗(yàn)知識(shí)結(jié)合的二層權(quán)重分配法確定各指標(biāo)的最終權(quán)重,并構(gòu)建農(nóng)戶貧困度多維精準(zhǔn)識(shí)別模型,以綜合評(píng)價(jià)法建模的原理方法對(duì)模型進(jìn)行了算法實(shí)現(xiàn),利用兩步聚類和K-均值聚類分析法確定綜合評(píng)價(jià)值的分類情況,并以此作為評(píng)判依據(jù);最后,在RStudio開(kāi)發(fā)環(huán)境中,利用R語(yǔ)言中的開(kāi)發(fā)Web界面的Shiny軟件包實(shí)現(xiàn)了多維精準(zhǔn)識(shí)別貧困戶服務(wù)平臺(tái),開(kāi)展多維度識(shí)別貧困戶的實(shí)證研究,主要研究結(jié)論如下:(1)通過(guò)三個(gè)模型模擬精度的對(duì)比分析,結(jié)果顯示隨機(jī)森林模型的誤差率最低,之后利用該模型推導(dǎo)出指標(biāo)的重要性程度。而對(duì)預(yù)處理過(guò)的樣本數(shù)據(jù)進(jìn)行多維度識(shí)別貧困戶的實(shí)證分析得出導(dǎo)致農(nóng)戶多維貧困的各維度指標(biāo)的貢獻(xiàn)率,一方面建立科學(xué)的評(píng)判標(biāo)準(zhǔn),準(zhǔn)確評(píng)判農(nóng)戶是否貧困,另一方面選取精準(zhǔn)的識(shí)別方法,做到對(duì)貧困戶的精準(zhǔn)識(shí)別。(2)農(nóng)戶貧困度多維精準(zhǔn)識(shí)別實(shí)證結(jié)果顯示,從多維致貧因素的角度來(lái)看,通過(guò)對(duì)有效樣本的數(shù)據(jù)分析可知,當(dāng)指標(biāo)個(gè)數(shù)為3和4時(shí),多維貧困中指標(biāo)的貢獻(xiàn)率為32.34%和24.65%,而當(dāng)指標(biāo)個(gè)數(shù)為5、6、7、8和9時(shí),導(dǎo)致農(nóng)戶貧困的貢獻(xiàn)率分別為8.39%、2.50%、1.65%、0.033%和0,即隨著多維貧困中指標(biāo)個(gè)數(shù)的增多,導(dǎo)致農(nóng)戶貧困的指標(biāo)貢獻(xiàn)率逐漸接近零值,表明所選研究區(qū)內(nèi)有效樣本農(nóng)戶極少發(fā)生在6個(gè)、7個(gè)、8個(gè)和9個(gè)指標(biāo)同時(shí)導(dǎo)致貧困發(fā)生的現(xiàn)象。由單一致貧指標(biāo)的貢獻(xiàn)率可知,在承包林地指標(biāo)和承包土地指標(biāo)上導(dǎo)致農(nóng)戶貧困的平均貢獻(xiàn)率最高,分別為68.50%和54.64%,然后是家庭在校人數(shù)指標(biāo)和年人均收入指標(biāo)對(duì)農(nóng)戶多維貧困的平均貢獻(xiàn)率達(dá)到45.72%和45.39%。(3)本文構(gòu)建的農(nóng)戶貧困度多維精準(zhǔn)識(shí)別模型對(duì)貧困戶的精準(zhǔn)識(shí)別準(zhǔn)確率為90.26%。通過(guò)對(duì)模型識(shí)別的準(zhǔn)確率和多維指標(biāo)同時(shí)導(dǎo)致農(nóng)戶貧困的貢獻(xiàn)率分析,得出農(nóng)戶在各維度指標(biāo)下的貧困程度,從而精準(zhǔn)識(shí)別貧困戶及其貧困狀況。結(jié)果表明農(nóng)戶貧困度多維精準(zhǔn)識(shí)別模型在貧困戶的識(shí)別問(wèn)題上具有精準(zhǔn)識(shí)別能力及應(yīng)用價(jià)值,通過(guò)對(duì)模型算法的實(shí)現(xiàn),創(chuàng)造一個(gè)良好的貧困度精準(zhǔn)識(shí)別應(yīng)用環(huán)境,為助力扶貧工作、提高精準(zhǔn)識(shí)別貧困戶的準(zhǔn)確率,提供了技術(shù)支撐。
【圖文】：

技術(shù)路線圖

型的最基本的條件是訓(xùn)練樣本的數(shù)量必須大于所選取的評(píng)判指誤差（泛化誤差）與檢驗(yàn)誤差、訓(xùn)練誤差兩者相比，在程度上稍大但小于1.2倍，則可認(rèn)為構(gòu)建的BPNN 模型具有相對(duì)較好的型有以下特點(diǎn)：1）將采集到的樣本數(shù)據(jù)隨機(jī)分為 60%、20%和 20%三份，選訓(xùn)練BPNN 模型的樣本數(shù)據(jù)，同時(shí)為了避免產(chǎn)生“過(guò)訓(xùn)練” 20%作為檢驗(yàn)樣本實(shí)時(shí)監(jiān)控上述訓(xùn)練的操作過(guò)程，余下的 20用來(lái)評(píng)價(jià)BPNN 模型自身具有的泛化能力；在訓(xùn)練的同時(shí)利用程進(jìn)行實(shí)時(shí)監(jiān)控，當(dāng)出現(xiàn)“過(guò)訓(xùn)練”結(jié)果時(shí)，，則需立即停止訓(xùn)過(guò)訓(xùn)練”結(jié)果帶來(lái)的影響。2）具有較緊湊的模型結(jié)構(gòu)。對(duì)于并不是很復(fù)雜的問(wèn)題，研究時(shí)法”中所包含的擴(kuò)張法來(lái)確定所需合理的BPNN 結(jié)構(gòu)，BPNN 模（ input layer），隱含層（ hidden layer），輸出層（ outp合而成，且層與層之間用實(shí)行線全連接。圖 2.1 為三層結(jié)構(gòu)示
【學(xué)位授予單位】：云南師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：F323.8

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李昊源;崔琪琪;;農(nóng)村居民家庭貧困的特征與原因研究——基于對(duì)甘肅省調(diào)研數(shù)據(jù)的分析[J];上海經(jīng)濟(jì)研究;2015年04期

2 郭輝;王艷慧;錢樂(lè)毅;;重慶市黔江區(qū)貧困村多維測(cè)算模型的構(gòu)建與應(yīng)用[J];中國(guó)科技論文;2015年03期

3 劉一明;胡卓瑋;趙文吉;王志恒;;基于BP神經(jīng)網(wǎng)絡(luò)的區(qū)域貧困空間特征研究——以武陵山連片特困區(qū)為例[J];地球信息科學(xué)學(xué)報(bào);2015年01期

4 李碧宏;劉暢;;貧困的基本理論及其對(duì)武陵山片區(qū)扶貧攻堅(jiān)的啟示[J];重慶師范大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版);2014年04期

5 鄧維杰;;精準(zhǔn)扶貧的難點(diǎn)、對(duì)策與路徑選擇[J];農(nóng)村經(jīng)濟(jì);2014年06期

6 王素霞;王小林;;中國(guó)多維貧困測(cè)量[J];中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2013年02期

7 丁世飛;朱紅;許新征;史忠植;;基于熵的模糊信息測(cè)度研究[J];計(jì)算機(jī)學(xué)報(bào);2012年04期

8 郭建宇;吳國(guó)寶;;基于不同指標(biāo)及權(quán)重選擇的多維貧困測(cè)量——以山西省貧困縣為例[J];中國(guó)農(nóng)村經(jīng)濟(jì);2012年02期

9 李佳路;;農(nóng)戶多維度貧困測(cè)量——以S省30個(gè)國(guó)家扶貧開(kāi)發(fā)工作重點(diǎn)縣為例[J];財(cái)貿(mào)經(jīng)濟(jì);2010年10期

10 王小林;Sabina Alkire;;中國(guó)多維貧困測(cè)量:估計(jì)和政策含義[J];中國(guó)農(nóng)村經(jīng)濟(jì);2009年12期

相關(guān)碩士學(xué)位論文 前2條

1 汪克高;貴州省精準(zhǔn)扶貧中貧困戶的識(shí)別研究[D];貴州財(cái)經(jīng)大學(xué);2016年

2 王世春;BP網(wǎng)絡(luò)在多元回歸分析中的應(yīng)用[D];合肥工業(yè)大學(xué);2003年

本文編號(hào)：2659516