摘   要：文章主要分析和研究如何将贫困户的基本信息、本地区的产业信息、各类经济及消费指标等进行统一管理，形成一个完整的精准扶贫库，并在此基础上对贫困户是否能脱贫、何时脱贫进行预测，最终建立一个脱贫预测模型。为推进精准扶贫工作提供了建议，也可对各级政府的扶贫工作提供指导和决策依据。

关键词：精准扶贫;脱贫预测模型;脱贫预测;大数据

1    脫贫预测模型建立的必要性

精准扶贫工作是我国政府当前和今后一段时间的重点任务。在大力推进精准扶贫的背景下，各级政府投入各种扶持资源，出台了很多的扶持政策和措施，给贫困户很多资助。那么在政府的扶持下，贫困户是否能脱贫、何时脱贫是各方面都关心的问题。在此背景下研究脱贫户的特征和脱贫影响因素，建立一个有效的脱贫预测模型，将有助于明确精准扶贫未来开展方向和思路，也可对本地区的贫困进程提前进行有效判断，为各级政府的扶贫工作提供指导和决策依据。

2    脱贫预测模型分析与设计

2.1  数据的采集

本模型涉及的数据来源于以下几个方面。

2.1.1  政府扶贫数据库

在中国，政府掌握着最齐全、最庞大与最核心的数据，各级政府积累了大量与公众生产生活息息相关的数据，比如：气象数据、金融数据、信用数据、电力数据、煤气数据、自来水数据、道路交通数据、客运数据、安全刑事案件数据、住房数据、海关数据、出入境数据、旅游数据、医疗数据、教育数据、环保数据等，是社会上最大的数据保有者。在保证有效监管的前提下，政府有层次、有选择地加大数据对外开放程度，这些数据可作为精准扶贫管理及脱贫预测的数据基础，数据的开放将打通不同地区扶贫数据的壁垒，做到不同地区的扶贫数据比对、不同地区产业数据比对、不同地区的扶贫效果和效率的比对[1]。数据的开发也为精确地预测扶贫对象是否能脱贫及何时脱贫提供数据分析和预测的基础。同时，政府数据开放也有利于公众参与城市管理和监督政府，进而改善公共服务。

2.1.2  产业帮扶数据

产业扶贫是指以市场为导向，以经济效益为中心，以产业发展为杠杆的扶贫开发过程，是促进贫困地区发展、增加贫困农户收入的有效途径，是扶贫开发的战略重点和主要任务。产业扶贫主要内涵是在县域范围，培育主导产业，发展县域经济，增加资本积累能力;在村镇范围，增加公共投资，改善基础设施，培育产业环境;在贫困户层面，提供就业岗位，提升人力资本，积极参与产业价值链的各个环节。所以，从这一角度看，产业扶贫可看成是对落后区域发展的一种政策倾斜。在此过程中，整个产业的运行数据将提供扶贫预测模型的数据支持[2]。

2.1.3  大数据技术的应用

在日益成熟的物联网和云计算平台技术支持下，通过扶贫大数据的采集、传输、存储、挖掘和分析等，有望实现扶贫信息管理及预测，即在一个平台上实现扶贫信息管理、扶贫过程管理、脱贫过程管理的集成和优化。本预测模型的建立是基于扶贫大数据处理系统分析后的数据进行的。扶贫大数据处理系统采用了Hadoop，MapReduce，Hive，Spark等技术开发的大数据处理程序，专门进行贫困户脱贫基础数据进行分析[3]。

2.2  预测模型的分析与设计

扶贫预测模型基于一个基本公式：

总收益-总成本=总收入（农民纯收入）

其中，总收益=家庭非产业收入+产业帮扶收益。家庭非产业收入是指家庭成员的收入，这部分收入是家庭的基本收入，不包含家庭参加产业的收益。这部分数据来源于政府的扶贫数据库。本模型中家庭非产业收入基本上不会有太大的变化，而产业收益变动很大，是动态的，也是本模型分析的重点。产业收益数据建模：每个农户的占比就是他个人的收益数。

2.2.1  股东投入占比

每一个产业，根据贫困户占比来核算其收益，每个农户的占比就是其家庭的收益数。比如法人30万元，成员2万元等，每个农户的占比即可得出。

2.2.2  家庭收入核算

（1）成本核算。每个产业帮扶合作社统计基础成本、单个成本两类内容。以饲养牛举例，基础成本为牛舍、草料池等一次性投入的内容，如表1所示。

所有项目合计即为本次一次性投入的总成本。

单个成本包含购牛成本、饲料、保险、医疗等。此类一般是和数量有一定关系，但是逻辑上也和上面一样计入成本，比如，1月时候100头牛。以上两个成本的和即为总成本。

（2）收益核算。产业扶贫合作社对收益进行核算时，通常来说也是和产品、数量和价格有一定关系。当发生价格波动时，需要实时跟踪价格波动，如表2所示。

总收益就是每项的合计，例如：

总收益= 55 000×38+22 000×40（元）

（3）农户家庭纯收入计算。通过政府扶贫数据库获取家庭的基本收入、基本支出、产业扶贫合作社运营的数据等，即可计算农户的家庭人均纯收入，再与各地脱贫线进行比较即可分析出贫困户合适脱贫、预期脱贫收入是多少。

分析模型如下：某农户预期人均纯收入=（预期总收益-预期总成本）某人占比÷家庭人口数。

从而得出结论：某农户预期人均纯收入>脱贫人均收入数，则该农户家庭脱贫

某农户预期人均纯收入<脱贫人均收入数，则该农户家庭不能脱贫。

在此过程中，反复地进行分析和推算，直到分析出那年农户预期人均纯收入能够脱贫位置，而这一年即该农户预测脱贫的年份，预期人均纯收入即脱贫时的人均纯收入。

3    脱贫预测模型的应用探究

3.1  預测模型的适用范围

本脱贫预测模型的研究，主要适用范围是政府主导的精准扶贫工作，为贫困进程提前进行有效判断，针对脱贫户的分析为推进精准扶贫工作提供了建议，也可对各级政府的扶贫工作提供指导和决策依据。本脱贫预测模型的研究，也可对同类型的分析预测模型及软件开发作为一个参考。

3.2  预测模型的应用方法和建议

本脱贫预测模型的研究，可作为精准扶贫工作的日常管理系统中的一部分，通过大数据和软件技术将其开发出来，作为一个子系统。模型的实际运用过程中应结合大数据分析及处理技术、软件技术、人工智能等信息化手段，才能发挥该模型的作用，提升精准扶贫工作的效率[4]。

4    结语

脱贫预测模型研究完成后，将为精准扶贫工作提供辅助管理与扶贫分析功能，减少了扶贫的工作量，提升了扶贫效率。通过本模型的脱贫分析预测可以提前对扶贫过程及结果有一个判断，为推进精准扶贫工作提供了建议，也可对各级政府的扶贫工作提供指导和决策依据。

[参考文献]

[1]段仕浩，苏叶健.精准扶贫管理与脱贫预测系统的设计与实现[J].计算机产品与流通，2018（11）：270.

[2]杨秀丽.精准扶贫的困境及法制化研究[J].学习与探索，2016（1）：108-110.

[3]汪三贵，郭子豪.论中国的精准扶贫[J].党政视野，2016（7）：126.

[4]蔡效东.企业综合扶贫增强贫困户“造血”功能[J].农村工作通讯，2012（21）：145.

Research on the construction of a prediction model for

poverty alleviation based on big data

Duan Shihao

（Nanning College for Vocational Technology， Nanning 530008， China）

Abstract：This paper mainly analyzes and studies how to manage the basic information of poor households， industrial information， all kinds of economy and consumption index in this area， form a complete accurate poverty support bank， and on this basis， predict whether the poor households can get rid of poverty， when to get rid of poverty， and finally establish a prediction model to get rid of poverty. It provides suggestions for promoting accurate poverty alleviation work， and can also provide guidance and decision-making basis for government poverty alleviation work at all levels.

Key words：accurate poverty alleviation; poverty alleviation prediction model; poverty alleviation prediction; big data