桂安琪　朱家明　王锐杰　孟　康



基于智能遗传算法与支持向量机的生态文明建设体系的研究

桂安琪1朱家明2王锐杰1孟康3

本文针对生态文明建设评价问题，运用层次分析法、模糊综合评价法等方法，构建出我国的生态文明建设评价体系，从而对我国生态文明建设程度进行了综合评价；然后运用智能遗传算法与最小二乘支持向量机这一先进的数学模型思想，建立出数学预测模型，成功预测了落后省市经改进后生态文明建设情况，证明了其实施效果是有效的。

生态文明建设；模糊综合评价模型；智能遗传算法；支持向量机；MATLAB

一、引言

从党的十七大第一次提出“建设生态文明”，以此作为全面建设小康社会的一项重要目标开始，我国就踏上了全方位、多角度、省市联动地建设生态文明的新征程。人类发展史的实践表明，生态文明是有别于任何一种文明的崭新文明形态，其产生和发展具有必然的历史演进轨迹。人们所熟知的物质，精神，政治等文明都是伴随人类社会的发展而产生，惟有生态文明是现代工业高度发展阶段的产物。而生态文明也不单单只是生态、环境领域的问题，它是人与自然、发展与环境、经济与社会、人与人之间关系协调、发展平衡、步入良性循环的理论与实践，是人类社会跨入一个新的时代的标志。因此，对于生态文明建设程度的评价体系的研究建立就显得尤为重要了。一个城市或地区可以准确的判断出当地生态文明的建设程度，对于清晰明了之后的发展方向和进度具有深远意义。

二、生态文明建设程度的定量评价

(一)生态文明建设评价指标的选取

为研究我国各省域生态文明建设程度，本文基于我国现有评价指标中国省域生态文明建设评价指标(ECCI)，并结合其他指标体系[1]，剔除那些对指标体系贡献度不高的指标，选入了一些通过分析认为贡献度较高的指标，如生态经济文明、生态环境文明、生态社会文明和生态意识文明等；并对三级指标进行优化，进而得到本文所使用的指标体系。

(二)研究方法

1、主要指标的选取

由于指标体系中指标过多，若全部分析必会给数据搜集工作带来较大的麻烦，因此本文决定采用层次分析法，从上述指标体系中筛选出权重较大的指标。首先本文根据上述指标体系建立了递阶层次结构，然后根据上下层元素间的隶属关系构造出判断矩阵，其中二级指标间的判断矩阵如下：

在得到上述模糊判断矩阵之后，对矩阵进行归一化处理，然后求出判断矩阵中各向量的最大特征值。最后通过一致性检验，得到了二、三级指标的权重大小，其中生态文明综合指数对生态经济文明，生态环境文明，生态社会文明，生态意识文明4个二级指标的重视程度分别为:生态环境文明>生态经济文明>生态意识文明>生态社会文明。而三级指标中人均GDP,城镇居民可支配收入,基尼系数，污水处理率，森林覆盖率，SO2排放量，失业率，基本社会保险覆盖率，平均预期寿命，公共生态文明满意度，恩格尔系数，财政性教育经费占GDP比重这12个指标是权重较大的，对评价体系影响较大的指标。

2、模糊综合评价方法

3、综合评价模型的构建

根据上述分析所得，本文建立了生态文明建设程度评价模型，具体如下：

三、对我国主要省域生态文明建设程度的研究分析

(一)研究思路

为了结合我国各省域生态文明的不同情况，需要对其进行评价分析。因此本文首先根据不同省市的所处的地域与经济发展状况，选出10个最具代表性的省市，然后利用之前确定的12个指标，通过查阅相关资料找出10个省市12个指标最新的数据；最后，利用相对优属度评价的方法，求出各个省市的综合评价激励指数与综合评价约束指数，排序分析。

(二)各省域生态建设情况的评价分析

根据相对偏差模糊矩阵评价方法，结合Fuzzy AHP方法模型中所求出的权重，能够得到各个项目的风险程度。利用EXCEL软件对数据进行处理后，在得到激励型矩阵之后通过数据加权求和可得到相应指标值。其中综合评价激励指数排序表如下所示：

表1　综合评价激励指数排序表

从上表我们可以得到，这十个省市中，北京、海南、云南等地区的生态文明建设评价排名相对靠前，宁夏、山西、甘肃等地区的生态文明建设评价排名相对靠后；重庆、安徽、上海、江苏等省份生态文明建设评价排名居于中等。其排名靠前的省份一是由于社会发展程度高，经济发展水平高；另一些省份如云南是由于生态环境较好，生态资源基础雄厚[3]；排名中等的省份，各项指标处于中等水平；排名靠后的省份，大部分处于中部地区，相较而言，经济水平发展不高，环境也较脆弱。

四、基于智能遗传算法与支持向量机的生态文明建设预测研究

(一)研究思路

根据上述研究分析发现，所研究的十个省市中其中山西省和甘肃省的生态文明建设程度最低。因此为了研究分析这两个省份未来的生态文明建设程度，本文决定采用基于智能遗传算法与支持向量机模型，并利用所收集的该两省份近十年的数据对其未来生态文明建设程度进行预测，从而针对预测结果向该两省份提出合理解决措施。

(二)研究方法

本文之所以采用基于智能遗传算法与支持向量机模型来进行预测分析[4]，是考虑到常用的人口预测模型有人口自然增长法、线性回归法(一元和多元)、灰色系统、神经网络模型等等，这些方法一般在使用上有较大的局限性，不能很好地结合实际进行预测，而且在实际应用中误差较大。因此为了更科学、更准确地预测某地区生态文明建设程度，决定采用该模型。

1、支持向量回归

一般支持向量回归的函数形式为：

其中式中f(x)是一个高维的特征空间中的函数,b是一个常数。w和b通过将下式最小化来求解:

通过引进核函数,上述可以写成如下形式：

2、智能遗传算法

(1)设计适应度函数

本文将负平均绝对百分误差(MAPE)作为适应度函数。平均绝对百分误差定义为:

其中ai表示实际值,fi表示预测值,N是训练数据样本的数目。

适应度函数通常也称为评价函数,它是根据目标函数所确定的用于区分群体中个体好坏的标准,是进行自然选择的唯一依据，也是算法演化过程的驱动力。

(2)设计正交实验

(3)改进措施下的生态文明建设程度的预测

通过对两省市近十年数据的收集，我们得到下表：

本文采用Matlab7.2编程，设定种群大小N=100;进化代数为500;交叉概率为0.5;变异概率为0.004 5。其中BP神经网络[5]是三层根据Kolmogorov 定理隐节点数取m=2n+1,其中n 为输入节点数,这里取13 个隐节点,设定均方误差为0.000 1,最大进化代数为3 000 次。并按照山西人均GDP年增长率不低于20%，SO2排放量年增长率不高于3.5%,公共生态文明满意度年增长率不低于5%；甘肃人均GDP年增长率不能低于20%,森林覆盖率年增长率不能低于10%，基本社会保险覆盖率年增长率不能低于1%的条件下进行预测，经计算后分别得到两省未来在上述措施[6]下的生态文明建设程度。最终发现，2014—2023十年间，生态综合约束指数呈现下降趋势，未来发展前景很乐观。

五、结束语

本文在建立新的生态文明评价体系之前，参考查阅了相关资料，仔细研究了已有的比较常用的评价体系，剔除了部分影响不明显、数据不容易收集的指标，转而用影响比例更大的指标进行替换，并对评价体系的整个结构进行了进一步的优化，从而得到了本文中的最终的生态文明评价体系，该体系与之前的体系相比，数据来源更易获得，分析的结果也更加准确。另外，文章的重点研究课题在于利用建立的评价体系，对选出的我国具有代表性的10个城市的生态文明建设程度进行评价并提出改进建议，同时对这10个城市十年之后，是否按照改进建议进行的建设程度分别进行预测，并对预测结果进行比较。研究结果表明，经济条件较好或是先天生态较好的城市，通常生态文明的建设程度都相对高一些，相反地，经济条件落后或者先天环境较差的城市，生态文明建设的程度就会比较落后了；同时，按照改进建议进行建设的数据要明显优于未按照建议改进的建设程度。因此表明，评价体系有效，改进建议也是有效的。(作者单位：1.安徽财经大学金融学院；2.安徽财经大学统计与应用数学学院；3.安徽财经大学管理科学与工程学院)

[1]张静,夏海勇.生态文明指标体系的构建与评价方法[J].统计与决策,2009,21:60-63.

[2]严耕,林震,吴明红.中国省域生态文明建设的进展与评价[J].中国行政管理,2013,10:7-12.

[3]田智宇,杨宏伟,戴彦德.我国生态文明建设评价指标研究[J].中国能源,2013,11:9-13.

[4]杨继奎.关于长江水质污染预测的两种数学模型[J].数学理论与应用,2011,03:44-51.

[5]戴宏亮.基于智能遗传算法与支持向量回归的人口预测[J].计算机工程与应用,2008,21:9-11+40.

[6]谷树忠,胡咏君,周洪.生态文明建设的科学内涵与基本路径[J].资源科学,2013,01:2-13.

桂安琪，女，安徽六安人，本科，安徽财经大学金融学院，研究方向：金融学。

国家级大学生创新创业训练计划项目(201510378050)

朱家明，男，安徽泗县人，硕士，安徽财经大学统计与数学应用学院，副教授，研究方向：应用数学与数学建模。