[发明专利]一种多维度区域经济发展监测方法

说明书

本发明属于多维度区域监测领域，具体涉及一种多维度区域经济发展监测方法。包括：建立区域经济发展监测的多维度区域经济发展指标；对多维度区域经济发展指标，采用的Pearson相关分析筛选出与经济发展最相关的若干二级指标；根据筛选出的二级指标构建多维度区域经济发展指标体系，每个维度分别对应若干指标，以及指标的含义和对应的指标编码；将多维度区域经济发展指标进行归一化处理；将归一化处理后的数据应用基于改进粒子群的RBF神经网络训练得到区域经济发展监测模型；使用监测模型对区域经济发展进行监测。本发明提出的多维度区域经济发展监测方法，将区域指标值经过本发明的评价模型得到评价结果，与现有区域经济发展识别评价方法对比，本发明所提的区域经济发展评价准确率高具有准确性高的优点，可以有效监测区域经济发展情况。

技术领域

本发明属于多维度区域监测领域，具体涉及一种多维度区域经济发展监测方法。

背景技术

区域经济发展与家庭经济状况是经济研究的两种不同方向，家庭经济状况与区域经济发展均有多维属性，但具体属性不同。区域经济发展监测与家庭经济状况监测不能简单的等同处理，而是两个不同的问题。区域经济发展识别的一些研究方法：标准差椭圆法、空间自相关分析法、平均夜间灯光指数法、核密度估计法、地理探测器法等，但这些研究方法在评估区域经济发展时准确性并不高。目前，在区域经济发展监测这一方面缺乏相关研究，亟需一种有效的区域经济发展监测手段。

随着人工神经网络的不断发展，其应用领域日益广泛。在区域经济发展方面，已有学者们将BP神经网络应用在区域经济发展评估中，但BP神经网络存在收敛速度慢等问题，神经网络在区域经济发展方面的应用仍需要进一步改进。

现有技术的缺陷和不足：

1.目前，多数区域经济发展研究方法准确性不高，缺乏有效的区域经济发展监测手段。

2.目前，多数区域经济发展研究方法缺乏客观性、公正性，多指标综合评价中很难降低人为因素对指标权重的影响，不能较好的反映区域经济发展的真实情况。

3.BP神经网络存在收敛速度慢的缺点，需要其他神经网络算法与优化算法结合解决当前BP神经网络在区域经济发展方面的缺点。

发明内容

本发明所要解决的技术问题在于提供一种多维度区域经济发展监测方法，能够最大程度地反映区域经济发展的真实情况。

本发明是这样实现的，

一种多维度区域经济发展监测方法，该方法包括：

S1.建立区域经济发展监测的多维度区域经济发展指标；

S2.对多维度区域经济发展指标，采用的Pearson相关分析筛选出与经济发展最相关的若干二级指标；

S3.根据筛选出的二级指标构建多维度区域经济发展指标体系，每个维度分别对应若干指标，以及指标的含义和对应的指标编码；

S4.将多维度区域经济发展指标进行归一化处理；

S5.将归一化处理后的数据应用基于改进粒子群的RBF神经网络训练得到区域经济发展监测模型；

S6.使用监测模型对区域经济发展进行监测。

进一步地，多维度包括：人口维度、经济维度、电力维度、社会维度和自然维度5个维度。

进一步地，从5个维度中对应每个维度选取二级指标，其中Pearson相关系数法的公式为：

r为Pearson相关系数，X_b，Y_b为两个变量样本值，为样本平均值，z为样本数量，其中Pearson相关系数r越接近于1或-1，相关度越强，相关系数r越接近于0，相关度越弱；