来阿龙

（陕西国际商贸学院，西安 712046）

精准扶贫是一项系统性、综合化的工程，为完善精准扶贫成效的评价机制，提高精准扶贫效率，进行农村精准扶贫成效评价具有重要的实践意义。精准扶贫成效评价的研究方法主要有模糊综合评价法、多元线性回归法和路径分析法等［1，2］，评价指标主要涉及义务教育质量、农户对扶贫项目的透明度及参与度、医疗卫生及贫困与收入不平等的相关影响、扶贫开发政策对农户家庭禀赋特征等多方面。扶贫成效评价的研究内容主要集中于扶贫政策的综合评价，而从农户满意度视角的研究较少。

本研究针对反向传播神经网络（Back propagation neural network，BPNN）收敛速度慢和局部最优的问题，运用樽海鞘算法［3］（Salp swarm algorithm，SSA）对BPNN 的权值和阈值进行自适应优化选择，建立基于农户满意度的SSA-BPNN 的农村精准扶贫成效评价模型。

1 精准扶贫成效评价指标

精准扶贫成效评价是一项系统而复杂的工作，扶贫成效评价的前提是建立精准扶贫成效评价指标体系。本研究在相关文献［4，5］的基础上，从生存环境维度、生活状况维度、精准扶贫政策效果和人文发展与社会保障4 个角度建立基于农户满意度的精准扶贫成效评价指标体系，具体如图1 所示。

图1 基于农户满意度的精准扶贫成效评价指标体系

2 研究方法

2.1 樽海鞘算法

2.1.1 初始化种群 在标准SSA 算法中，樽海鞘算法的种群规模为N，搜索空间维数为D，樽海鞘的位置为X=［Xn1，Xn2，…，XnD］T，n=1，2，…，N，食物位置为F=［F1，F2，…，FD］T，搜索空间上限为ub=［ub1，ub2，…，ubD］T，搜索空间下限为lb=［lb1，lb2，…，lbD］T，樽海鞘算法的种群随机初始化公式为［6］：