投影尋蹤聚類(lèi)模型在美麗鄉(xiāng)村建設(shè)評(píng)價(jià)中的應(yīng)用

陳錦泉+鄭金貴

摘要：針對(duì)生態(tài)文明視角下美麗鄉(xiāng)村建設(shè)評(píng)價(jià)中如何解決農(nóng)村動(dòng)態(tài)性多指標(biāo)和高維數(shù)據(jù)無(wú)法真實(shí)體現(xiàn)其建設(shè)水平的問(wèn)題，依據(jù)福建省晉江市的實(shí)際，從經(jīng)濟(jì)、社會(huì)、資源環(huán)境和制度保障等多指標(biāo)入手，構(gòu)建出晉江市的美麗鄉(xiāng)村建設(shè)評(píng)價(jià)指標(biāo)體系。同時(shí)，選取當(dāng)?shù)氐湫偷?0個(gè)美麗鄉(xiāng)村為研究案例，利用投影尋蹤聚類(lèi)分析算法進(jìn)行模型評(píng)價(jià)，不僅可以找出最優(yōu)投影方向及鄉(xiāng)村建設(shè)綜合評(píng)判優(yōu)劣順序，還可以找出各鄉(xiāng)村的重要建設(shè)支撐要素。結(jié)果表明，這種方法對(duì)地方的美麗鄉(xiāng)村建設(shè)要素借鑒具有創(chuàng)新性和實(shí)用性。

關(guān)鍵詞：投影尋蹤聚類(lèi)；生態(tài)文明建設(shè)；美麗鄉(xiāng)村建設(shè)評(píng)價(jià)

中圖分類(lèi)號(hào)： F327文獻(xiàn)標(biāo)志碼： A文章編號(hào)：1002-1302（2016）06-0579-04

收稿日期：2016-03-04

基金項(xiàng)目：國(guó)家科技支撐計(jì)劃（編號(hào)：2013BAD01B05）；農(nóng)業(yè)部“臺(tái)灣優(yōu)質(zhì)示范與推廣”項(xiàng)目（編號(hào)：NYB201001）；福建農(nóng)林大學(xué)科技創(chuàng)新建設(shè)項(xiàng)目（編號(hào)：PTJH13001）。

作者簡(jiǎn)介：陳錦泉（1987—），男，博士研究生，研究方向?yàn)檗r(nóng)村建設(shè)。E-mail：349569789@qq.com。

通信作者：鄭金貴，教授，博士生導(dǎo)師，研究方向?yàn)椤叭r(nóng)”建設(shè)發(fā)展。E-mail：jinguizheng@126.com。生態(tài)建設(shè)與美麗鄉(xiāng)村建設(shè)是一個(gè)有機(jī)的建設(shè)整體，在美麗鄉(xiāng)村建設(shè)過(guò)程中，農(nóng)村的各項(xiàng)資源消耗是否達(dá)到生態(tài)建設(shè)的指標(biāo)標(biāo)準(zhǔn)并未受到應(yīng)有的重視。因此，本研究重要的評(píng)價(jià)指標(biāo)來(lái)源主要立足于福建省晉江市實(shí)際鄉(xiāng)村發(fā)展情況，再結(jié)合其他學(xué)者對(duì)美麗鄉(xiāng)村建設(shè)與生態(tài)建設(shè)相關(guān)的理論研究而提出。美麗鄉(xiāng)村建設(shè)是生態(tài)建設(shè)的重要部分，同時(shí)也是生態(tài)建設(shè)的重要有機(jī)載體，對(duì)減少鄉(xiāng)村建設(shè)資源消耗及鄉(xiāng)村生態(tài)發(fā)展具有重要的作用。生態(tài)文明視角下的美麗鄉(xiāng)村建設(shè)是發(fā)展地區(qū)生態(tài)經(jīng)濟(jì)的重要組成部分，只有大力發(fā)展生態(tài)經(jīng)濟(jì)建設(shè)，走生態(tài)發(fā)展道路才能更好地實(shí)現(xiàn)美麗鄉(xiāng)村的可持續(xù)發(fā)展。截至目前，我國(guó)美麗鄉(xiāng)村建設(shè)評(píng)價(jià)領(lǐng)域的專(zhuān)家、學(xué)者提出了較多具有實(shí)用性的方法，如層次分析法、因子分析法、均方差權(quán)值法、灰色關(guān)聯(lián)度法、加權(quán)求和法、神經(jīng)網(wǎng)絡(luò)算法等多種數(shù)理統(tǒng)計(jì)分析方法[1]。但由于各地的發(fā)展條件差異化使得各種方法在實(shí)際應(yīng)用中都會(huì)存在一定的局限性，比如，層次分析法中由于專(zhuān)家賦值的定性數(shù)據(jù)較多，定量成分不足，且指標(biāo)權(quán)重難以確定，當(dāng)指標(biāo)過(guò)多時(shí)數(shù)據(jù)統(tǒng)計(jì)量又過(guò)于龐大，容易引起最終的統(tǒng)計(jì)結(jié)果失真，這就造成該方法在模擬人腦決策選擇最優(yōu)解決方法的局限性；因子分析法是把多個(gè)復(fù)雜因子通過(guò)方差和權(quán)重的不同將其歸結(jié)為單一的綜合性因子，但由于這種方法的使用原理造成該方法在因素提取并歸結(jié)過(guò)程中會(huì)有很多因子考慮不周到而有所遺漏；均方差權(quán)值法中根據(jù)樣本離散程度相對(duì)量大小客觀地確定指標(biāo)權(quán)重的大小，樣本的離散度越大其權(quán)重也越大，雖然這樣可以大大增加各指標(biāo)因素的客觀性權(quán)重賦予力度，但是在整個(gè)系統(tǒng)推進(jìn)中的動(dòng)態(tài)調(diào)整力度達(dá)不到最好效果；灰色關(guān)聯(lián)度法主要的不足是人為因素較多，定量因子不足；加權(quán)求和法主要不足之處是沒(méi)有相應(yīng)的參照標(biāo)準(zhǔn)，不能反映動(dòng)態(tài)發(fā)展變化情況，而且對(duì)指標(biāo)權(quán)重的賦予受專(zhuān)家等人為賦值主觀性過(guò)多，致使系統(tǒng)最終評(píng)價(jià)不科學(xué)；神經(jīng)網(wǎng)絡(luò)算法在非線性映射功能上具有高精準(zhǔn)度，且在局部神經(jīng)元受損下并不會(huì)對(duì)全局計(jì)算結(jié)果造成多大影響，但由于該算法的本質(zhì)算法為梯度下降法，需要優(yōu)化的目標(biāo)函數(shù)極為復(fù)雜，就容易使得計(jì)算結(jié)果過(guò)度擬合。鑒于美麗鄉(xiāng)村建設(shè)評(píng)價(jià)指標(biāo)體系建設(shè)中含有定量與定性數(shù)據(jù)，而且目前專(zhuān)家、學(xué)者普遍使用的評(píng)價(jià)方法也各有局限，為了能夠更客觀、更科學(xué)地反映出美麗鄉(xiāng)村各指標(biāo)建設(shè)情況，本研究選擇投影尋蹤聚類(lèi)模型進(jìn)行相應(yīng)分析。