顏靖柯 陳俊林 晏偉龍 曹燦東 王 濤
(四川工商學院,四川 成都 610000)
近年來,城市化已成為必然趨勢。據預測,到2050年,全球約有66%的人口將加入城市。因此,制定合適的城市規劃已成為各國政府關注的問題。它包括人口密度極低的現有城市化地區的邊際擴張,城市擴張逐漸暴露出環境污染,土地過度消耗,基礎設施建設成本高等諸多問題。
由于智能增長對于城市建設至關重要,因此提出一個有效的方法來實現智能增長的原則是非常重要的。選擇兩個具體的城市通過指標體系來評估其發展計劃的效果。為了衡量計劃的成功,第二次需要指標體系。并且,應針對問題對個別倡議的潛力進行排序。最終,如果到2050年人口將再增長50%,則需要解釋這項計劃如何支持這一增長水平。
(1)政府的政策在短期內不會改變。(2)數據來源實際可靠。(3)在幾十年的預測中忽略了爆炸性的變化。
人均GDPx1,第一產業增加值占GDP比重x2,工業增加值占GDP比重x3,第一產業從業人員占全社會就業人員的比重x4,工業制成品占出口產品比例,GDP增長速度,工業增加值增長速度,三種專利權申請受理量占全國的比重,R&D經費支出占GDP的比重,高新技術工業產值占GDP比重,工業技術進步貢獻率,工業利潤增長率,國有經濟投資占總投資比重,高校招生數占總人口比例,每千人中從事研究與開發的科學家和工程師數量,每千人中從事研究與開發的科學家和工程師數量,萬元國內生產總值綜合能耗,萬元國內工業生產總值工業廢水排放量,萬元國內工業生產總值工業廢氣排放量,城鄉恩格爾系數之比,城鄉居民人均純收入之比等。
選取環境污染、科技含量、工業化潛力、工業化程度、工業化質量、能源消耗,工業化程度6個指標。
由于6個指標的維度不同,為了規范化數據,所有數據都被轉換為0到1之間的數字。
在主要指標中使用了一些定性指標。因此,提出一個合適的指標量化指標是至關重要的。模糊評估被用來解決這個問題。設U=(u1, u2, …, um)是一個由評價指標組成的指標集。設A=(a1, a2, …, am)是一個權重集,其值通過層次分析法得出。設W=(w1, w2, …, wn)是一個評語集,其值為“非常好”“好”“一般”“差”等。從U到W的模糊關系,用模糊評價矩陣R來描述,其中,用rij(i=1, 2, …, m; j=i=1, 2, …, n)表示對第i個評價指標作出的第j級評語的隸屬度。它們之間的關系用模糊評價矩陣R來描述。最終獲得綜合評價模型P,其中表示ai與rij比較取較小值,表示在(airij)的幾個最小值中取最大值。設F表示評分集合,最終通過計算評價分數。
加權模型用于衡量評價指標的貢獻度有著至關重要的作用。因此本文采用兩種權重模型來計算權重向量。
2.4.1 基于熵權法的加權模型(EWM)
由于目前的指標不統一,需要減少指標的維度。本文采用基于相關系數的熵權方法來解決這個問題。具體算法圖1所示。

圖1 熵權方法具體算法圖
對于表中涉及的指標數據,首先得到一個矩陣。然后第一步設Pij表示各指標的比例。第二步設ei表示第i組數據的信息熵。第三步,通過信息熵計算指標權重Wi。
2.4.2 基于群體決策方法的權重模型
為了完成指標的綜合,使用一致性判別矩陣對每個指標進行加權。我們得到上述文字的指標 。對于每位專家,我們得到一個判斷矩陣,根據每個專家的經驗對指標進行評分。我們可以通過求解判斷舉證的特征向量來獲得每個指標的權重。最終的權重可以通過結合專家的權重和判斷矩陣的權重。
為了檢驗判斷矩陣的可用性,需要檢驗矩陣的一致性。使用CR值來檢驗判斷矩陣的一致性是否可以被接受。其中RI的值與矩陣的階數有關,對于我們構建的判斷矩陣,計算的CR值E(1)、E(2)、E(3)、E(4)分別為0.062 1、0.067 6、0.041 1、0.029 8。
選擇一套綜合有效的主要指標,確定合理的權重,包括環境污染、科技含量、工業化潛力、工業化程度、工業化質量、能源消耗等6個二級指標,這6個二級指標將用來評估一個國家的工業發展的6個維度。
二級指標的組成(主要指標和權重)分別為:環境污染(環境污染投資總額、污水排放量、園林綠化、工業污染源治理投資、當年完成環保驗收項目環保投資)科技含量(專利申請數、專利授權數、高技術產品數)工業潛力(工業增加值、教育經費占GDP比重、普通高等學校在校學生數)工業化程度(人均GDP、第一產業增加值、新產品銷售)工業化質量(工業化質量、R&D經費支出占GDP比重、高技術產品占GDP比重、R&D人員全時當量、高技術產品)能源消耗(能源工業、煤炭采選業、油和天然氣開采業、電力、蒸汽、熱水生產和供應)
衡量國家工業化程度,我們主要使用二級指標,采用群體決策法來評估指標體系的權重。SGSD表示國家工業化的程度。獲得其中權重的值為w=[0.23 23 2 2 1 1]。
通過以上分析,建立三級綜合評價體系。
雖然上文已經建立了三級評估,但依然需要一個合適的標準評估城市智能成長的成功程度。因此,采用K-means聚類算法來制定合理的標準。在這個算法中,數據集X包括6個二級指標的值。K表示數據子集的數量,在我們的方法中K=4。設Z表示聚類的中心,與聚類中心的距離用以下公式表示:

根據K均值聚類,得到最終的標準。對于每個指標,首先對7個國家的數據進行聚類,然后計算出4個聚類中心。然后以聚類中心的平均值作為標準邊界。
每個指標的標準可以通過區間定性評價二級指標。用一般指標,優質指標等定性描述來衡量城市的工業化程度。“差”的意思是這個城市在工業化的發展有很大的發展潛力。“正常”意味著這個城市在這個領域還沒有實現智能增長。“好的”意思是這個城市在這個領域取得了一些成功。優秀是用來描述什么時候城市工業化程度取得巨大成功。結合六個二級指標描述城市智能增長的總體成效。
本文選定以中國為例,分析當前中國的工業發展狀況,以及21世紀海上絲綢之路的提出給中國帶來的影響。
對于中國當前的現狀采用以上的評價模型得到2015年能夠反映工業6個維度的指標.可以得出中國當前的工業發展潛力的所有指標都處于“好”和“非常好”之間。
隨著海上絲綢之路的構想的提出,會給中國工業帶來巨大的變化。
(1)海上絲綢之路總結。隨著海上絲綢之路的發展,會給中國及途經國家的工業發展帶來一定的影響,基于上文建立的模型考慮,主要考慮絲綢之路對工業化潛力,工業化污染,工業化質量,科技含量,工業化程度和能量消耗這些因素帶來的影響,因此為我國提出如下的影響計劃:
①海上絲綢之路會使工業污染量降低1%~5%。②海上絲綢之路會使能量消耗值上升1%~5%。③海上絲綢之路會使工業化質量的值提高1%~5%。④海上絲綢之路會使工業化潛力的值提高1%~5%。
(2)基于時間序列的動態調整預測模型。采用三次指數平滑法,三次指數平滑法的參數對加權系數α的精度要求很高,因此需要采用優化算法對加權系數α進行優化。
(3)粒子群算法的優化模型。粒子群算法是一種模擬鳥群捕食的算法,每次更新粒子的速度來確定粒子新的位置。
設xi表示粒子i的位置,vi表示粒子i的速度,k表示迭代步數,pi表示粒子i的歷史最好位置pg表示所有粒子的歷史最好位置,粒子位置速度得到更新。
(4)綜合預測模型。利用三次指數平滑模型和粒子群算法建立綜合預測模型。
研究得到中國的工業化程度會一直上升到2016會提高47.6%。環境污染的變化趨勢比工業化程度的變化趨勢陡,海上絲綢之路對工業化程度的影響比較大。環境污染的變化趨勢比工業化程度的變化趨勢陡,海上絲綢之路對工業化程度的影響比較大。用過用粒子群算法的性能指標進行靈敏度分析,得出無論是在線性能還是離散性能,都在迭代2500次左右趨于平穩。在迭代兩千次后,能達到最佳的優化值。
此項評價模型的優點,可以處理不相關的特征數據。對于決策樹來說,數據的準備通常是容易的,其他技術通常需要對數據進行歸納,例如刪除冗余或空白的屬性。決策樹易于理解和實現,大多數人可以理解決策樹的含義。利用決策樹效率高,決策樹只需構造一次,可以重復使用。每次預測的最大計算時間不超過決策樹的深度。此項評價模型的缺點,k均值聚類更多地依賴于初始聚類中心的選擇,如果選擇了較差的聚類中心,結果將會有很大的偏差。