资源描述：
《产业集聚区建设优化评价》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、产业集聚区建设优化评价摘要：产业集聚区作为促进区域经济发展的核心载体，对其发展进行评价，能够科学指导产业集聚区的建设和发展。通过建立产业集聚区的发展评价指标体系，构建基于BP神经网络的评价优化模型，对现存产业集聚区的建设和发展进行评价和总结，划分产业集聚区发展水平，寻找产业集聚区建设优化的路径，对产业集聚区的发展给出优化建议，指导产业集聚区的科学发展。关键词：神经网络；产业集聚区；评价中图分类号：F263文献标志码：A文章编号：1673-291X(2013)06-0193-03引言产业集聚区的优化涉及两个方面，一方面是产业集聚区的空间布局规
2、划，涉及不同类型的产业集聚区根据战略发展目标选择相对最优区位的问题，属于宏观层面的优化；另一方面是产业集聚区的建设发展规划，涉及单个产业集聚区在建设发展过程中根据具体表现指标促进优胜劣汰的问题，属于微观层面的优化，通过这两个方面的优化研究，可以实现对产业集聚区建设的全过程优化和动态优化。本文重点探讨产业集聚区的微观建设发展优化，拟通过构建产业集聚区发展优化模型，实现产业集聚区发展的动态评价，以评价的结果作为产业集聚区微观建设发展优化的指导，提出相关政策进行对应调整，促进产业集聚区的优化发展。一、产业集聚区建设发展评价（一）产业集聚区建设发展
3、评价指标体系当前产业集聚区建设主要规划布局在中心城市周围，目的是实现城市和产业集聚区的相互促进与发展，形成规模化的现代都市群。这种规划布局，决定了产业集聚区的集约化发展道路和清洁型发展模式，所以在产业集聚区建设发展的评价过程中，必须以此为基础构建评价指标体系。产业集聚区建设发展评价的最终目标是带动地区产业经济走向高效、集约与可持续发展的道路；以此为目标细分为五个评价部分，即产业集聚区建设规模、产业集聚区经济贡献、产业集聚区生态保护、产业集聚区社会贡献和产业集聚区发展潜力；在这五个部分中，分别选择细化指标反映产业集聚区的建设发展情况，同时考虑
4、高效和集约性，在一些指标的取值方面采用单位面积比值。（二）产业集聚区建设发展评价模型根据产业集聚区建设发展评价指标体系，结合基于误差反向传播算法（BP算法）的多层前向神经网络模型[1〜2],建立了产业集聚区发展的神经网络评价模型，（如下页图2所示），模型分为两大模块：前一部分是归一化模块，后一部分是BP神经网络（BPNN）模块。上述模型中的EPNN模块采用三层BP神经网络，包括输入层、隐含层和输出层［3］。在数据输入BPNN模块前进行指标预处理，实现三个目的：指标达到无量纲化，各指标与评价目标同方向同趋势，新的网络输入数据值控制在［0,1］
5、区间。原始指标数据经过预处理达到要求后由归一化模块进入BPNN模块。根据指标体系，BPNN模块输入层的模糊神经元数为12,即输入信号xl、x2…xl2对应于12个归一化值;输出神经元数为1,即输出量0对应于产业集聚区建设发展水平；隐含层的神经元数太少会导致容错性差，太多会导致学习能力降低，所以隐含层神经元根据经验公式(1)计算的参考值［4］和所选样本的反复测试确定为4。m=(1)N—输入层节点数；P—输出层节点数；m—隐含层节点数。BP神经网络的学习过程是网络参数修正的过程，本系统的网络学习采用有教师的方法，网络参数的修正采用梯度法实现［5
6、］。通过一定数量的网络训练过程，实际是修正网络参数以确定最适宜的权值［6］,使对全部n个样本的实际输出0a与样本输出a的残差达到最小，即：E=(Oa-a)2—最小(2)权值以及阈值的修正通过反向传播算法的梯度法实现，以t表示迭代修正的次数，并用bk和bo分别表示隐含层与输出层的神经元阈值，则BP神经网络的参数修正规则为：第一，输入层到隐含层的连接权值：式中，i=l,2,…，17,k=l,2,…，35,wki为输入节点Xi到隐含层节点Rk的权值，T］为学习率。第二，隐含层神经元阈值：式中，k=l,2,…，35,ti'为学习率。第三，隐含层到输
7、出层的连接权值：式中，k=l,2,…，35,ck为规则层节点Rk到输出层节点0的权值，n">0为学习率。第四，输出层神经元阈值：式中，ti〃‘>0为学习率。经过训练学习，评价网络输出衡量产业集聚区建设发展水平的评价值B,该值的范围为［0,1］,为明确产业集聚区建设发展水平，以当年产业集聚区所在省份的中心城市工业经济发展水平把产业集聚区建设发展状态划分为四级：一级为强，带动全省中心经济城市的工业经济发展，分值范围为为0.85
