基于机器学习的乡村多产业数据指标评测系统的制作方法

本发明涉及乡村产业数据评估技术领域，具体而言，为一种基于机器学习的乡村多产业数据指标评测系统。

背景技术：

当今世界，信息技术创新日新月异，以数字化、网络化、智能化为特征的信息化浪潮蓬勃兴起，不断催生新技术、新产品、新模式，推动全球经济格局和产业形态深度变革；在新一代信息技术发展的推动下，农村信息基础设施加快建设，线上线下融合的现代农业加快推进，农村信息服务体系加快完善，但乡村信息化建设顶层设计缺失、资源统筹不足、基础设施薄弱、区域差异明显等问题也更为突出。

因此，为促进实现乡村现代化、信息化建设，实现一种能够对乡村产业数据准确评估的数字化信息系统尤为重要。

有鉴于此，特提出本发明。

技术实现要素：

针对现有技术中的缺陷，本发明提供一种基于机器学习的乡村多产业数据指标评测系统，以利于实现乡村产业数据的数字化全面评估，评估结果更为符合现状。

为实现上述目的，本申请的技术方案包括：

一种基于机器学习的乡村多产业数据指标评测系统，包括

指标体系管理模块，用于对乡村多产业数据进行多级指标划分，形成评价指标体系；

数据采集端，用于多端采集乡村多产业数据；

指标指数评测模块，用于基于神经网络算法建立多级指标的指数指标测评模型，获取所述数据采集端收集的乡村多产业数据，进行数据测评，并输出测评结果；

排名管理模块，用于根据指标指数评测模块的测评结果对目标区域内的乡村进行数据排名。

进一步的，上述的基于机器学习的乡村多产业数据指标评测系统中，还包括

行政管理模块，用于获取并管理行政文件数据传输到所述指标体系管理模块和/或指标指数评测模块，用于辅助构建所述评价指标体系或指数指标测评模型的计算；

媒体宣传模块，用于收集并记录媒体宣传数据传输到所述指标体系管理模块和/或指标指数评测模块，用于辅助构建所述评价指标体系或指数指标测评模型的计算。

进一步的，上述的基于机器学习的乡村多产业数据指标评测系统中，指标体系管理模块对乡村多产业数据进行多级指标划分，形成评价指标体系中，所述多级指标包括一级指标、二级指标和三级指标，指标体系管理模块对多级指标设定计量单位并对指标解释或算法进行配置。

进一步的，上述的基于机器学习的乡村多产业数据指标评测系统中，所述一级指标至少包括要素高端化、产业数字化、治理现代化、生态绿色化和生活智慧化；

要素高端化的二级指标至少包括基础要素和信息要素指标，基础要素的三级指标至少包括基础设施建设投资和农业发展支出；信息要素的三级指标至少包括4g网络覆盖率和网民规模；

产业数字化的二级指标至少包括产业效益和创新驱动及人才资源指标，产业效益的三级指标至少包括第一产业亩均产值、渔业亩均产出、蚕茧平均张产、乡村旅游收入总额和电子商务收入总额；创新驱动的三级指标至少包括农业机械设备总数、农业育种投入资金、农业知名品牌数、产业相关微平台数和企业上云数；人才资源的三级指标至少包括农村劳动力资源数、农村从业人员数和引进农业相关专家或技术人员总数；

治理现代化的二级指标至少包括治理能力、数字政务和党建水平指标；治理能力的三级指标至少包括村委工作人员总数、村委年下发文件总数和全域数字化测绘频次；数字政务的三级指标至少包括网上办理事项比例和网上政务公开完成度；党建水平的三级指标至少包括党员总数、党员干部远程/网络教育年学习次数和党支部年获得荣誉总数；

生态绿色化的二级指标至少包括环境保护、污染防治、资源利用和生态数字化指标，环境保护的三级指标至少包括环保投入和绿地覆盖率；污染防治的三级指标至少包括垃圾分类站点总数和尾水治理投入；资源利用的三级指标至少包括农村生活用能中清洁能源使用比例和节能节水器具普及率；生态数字化指标的三级指标至少包括生态数字化建设年投入；

生活智慧化的二级指标至少包括基础保障、乡村人文和智能生活；基础保障的三级指标至少包括村集体经济年收入、农村居民人均可支配收入、农村养老保险参保率、农村医疗保险参保率和村人口总数；乡村人文的三级指标至少包括文化设施建设投入、文化娱乐消费支出比重和居民幸福感；智能生活三级指标至少包括网络购物支出比重和智能家居产品消费比例。

进一步的，上述的基于机器学习的乡村多产业数据指标评测系统中，所述数据采集端的数据采集来源包括接口数据、业务系统上报数据和物联网采集数据。

进一步的，上述的基于机器学习的乡村多产业数据指标评测系统中，指标指数评测模块基于神经网络算法建立多级指标的指数指标测评模型，包括

采用神经网络算法训练多级指标的权重计算模型，以得到各指标个体的权重；

建立加权模型，根据加权模型的预设算法对权重计算模型输出的各指标个体权重，得到总指标指数。

进一步的，上述的基于机器学习的乡村多产业数据指标评测系统中，采用神经网络算法训练多级指标的权重计算模型，以得到各指标个体的权重，包括：

采用bp神经网络，根据所述评价指标体系的多级指标确定神经网络的输入层和隐含层单元数；

设置各层输出公式；

设置权重的初始化参数；

进行网络训练，通过样本训练集训练该神经网络，构建模型；

根据样本输出值计算网络误差；调整各层权值。

进一步的，上述的基于机器学习的乡村多产业数据指标评测系统中，建立加权模型，根据加权模型的预设算法对权重计算模型输出的各指标个体权重，得到总指标指数，包括

选择某一时期的指标指数数值作为基期数据，计算定基指数，以描绘与评价数字乡村建设现状，其中包括以下计算公式

1、计算各个指标的个体指数：

其中，ip表示指标个体指数，kp表示报告期指标数值，k0表示基期指标数值，p＝1，2，3...l；

2、将指标个体指数加权逐级向上汇总，最终得到目标数字乡村指数

其中，i表示总指数或模块指数，ip表示指标个体/模块指数，wp表示权重。

进一步的，上述的基于机器学习的乡村多产业数据指标评测系统中，所述行政管理模块获取并管理行政文件数据传输到所述指标体系管理模块和/或指标指数评测模块，用于辅助构建所述评价指标体系或指数指标测评模型的计算；包括

获取政府红头文件数据并记录汇总，将文件数量经数据采集端发送至指标指数评测模块进行目标数字乡村指数计算；

获取政府红头文件数据或业务报表数据，提取文件内容，基于提取的文件内容对评价指标体系的多级指标划分、对指标解释或算法的配置以及目标数字乡村指数的计算进行约束。

进一步的，上述的基于机器学习的乡村多产业数据指标评测系统中，所述媒体宣传模块收集并记录媒体宣传数据传输到所述指标体系管理模块和/或指标指数评测模块，用于辅助构建所述评价指标体系或指数指标测评模型的计算，包括。

获取预设媒体方的宣传数据并记录汇总，将汇总数量经数据采集端发送至指标指数评测模块进行目标数字乡村指数计算。

与现有技术相比，本发明的有益效果体现在：

本发明基于机器学习的乡村多产业数据指标评测系统，预先构建符合数字化乡村评价的指标体系，采用神经网络算法实现机器自学习的权重计算模型，得到指标体系中各指标的权重，再根据加权模型得到数字乡村指数的评估结果；本发明系统在系统构建过程中，可以依据数字乡村建设相关政策文件，构建可量化指标体系，也可以将媒体宣传因素作为测评参考，利于实现更全面的乡村产业数据的综合测评，继而利于用于现代乡村发展建设进行决策指导、促进乡村全面升级发展。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。

图1为本发明基于机器学习的乡村多产业数据指标评测系统的逻辑框图；

图2为本发明指标指数评测模块的数据处理示意图；

图3为本发明权重计算模型的训练示意图。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。

需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。

如图1所示，一种基于机器学习的乡村多产业数据指标评测系统，包括

指标体系管理模块，用于对乡村多产业数据进行多级指标划分，形成评价指标体系；

数据采集端，用于多端采集乡村多产业数据；

指标指数评测模块，用于基于神经网络算法建立多级指标的指数指标测评模型，获取所述数据采集端收集的乡村多产业数据，进行数据测评，并输出测评结果；

排名管理模块，用于根据指标指数评测模块的测评结果对目标区域内的乡村进行数据排名。

本发明系统通过科学划分乡村建设的全面评价指标，覆盖农业、渔业、电子商务、乡村旅游业等等多产业数据，并综合基础建设情况、治理情况、生态保护情况、生活智慧化改善等方面，进行指标划分，并对指标的计算方法等进行配置，形成评价指标体系用于指标指数评测；指标指数评测过程中采用神经网络算法实现机器自学习权重计算，得到各指标的权重，继而用于计算得到乡村指数计算结果(即测评结果)，各乡村的测评结果可进行排名，既可以用于分析乡村发展的总体水平，也可以用于乡村建设的决策指导。

本发明给出的一个具体实施例中，所述指标体系管理模块适应构建以知识更新、技术创新、数据驱动为一体的乡村经济发展政策体系，综合数字化乡村建设的全面测评因素，对乡村多产业数据进行多级指标划分，形成评价指标体系；其中所述多级指标包括一级指标、二级指标和三级指标，指标体系管理模块对多级指标设定计量单位并对指标解释或算法进行配置。如下表1所示的：

所述一级指标至少包括要素高端化、产业数字化、治理现代化、生态绿色化和生活智慧化；

要素高端化的二级指标至少包括基础要素和信息要素指标，基础要素的三级指标至少包括基础设施建设投资和农业发展支出；信息要素的三级指标至少包括4g网络覆盖率和网民规模；

产业数字化的二级指标至少包括产业效益和创新驱动及人才资源指标，产业效益的三级指标至少包括第一产业亩均产值、渔业亩均产出、蚕茧平均张产、乡村旅游收入总额和电子商务收入总额；创新驱动的三级指标至少包括农业机械设备总数、农业育种投入资金、农业知名品牌数、产业相关微平台数和企业上云数；人才资源的三级指标至少包括农村劳动力资源数、农村从业人员数和引进农业相关专家或技术人员总数；

治理现代化的二级指标至少包括治理能力、数字政务和党建水平指标；治理能力的三级指标至少包括村委工作人员总数、村委年下发文件总数和全域数字化测绘频次；数字政务的三级指标至少包括网上办理事项比例和网上政务公开完成度；党建水平的三级指标至少包括党员总数、党员干部远程/网络教育年学习次数和党支部年获得荣誉总数；

生态绿色化的二级指标至少包括环境保护、污染防治、资源利用和生态数字化指标，环境保护的三级指标至少包括环保投入和绿地覆盖率；污染防治的三级指标至少包括垃圾分类站点总数和尾水治理投入；资源利用的三级指标至少包括农村生活用能中清洁能源使用比例和节能节水器具普及率；生态数字化指标的三级指标至少包括生态数字化建设年投入；

生活智慧化的二级指标至少包括基础保障、乡村人文和智能生活；基础保障的三级指标至少包括村集体经济年收入、农村居民人均可支配收入、农村养老保险参保率、农村医疗保险参保率和村人口总数；乡村人文的三级指标至少包括文化设施建设投入、文化娱乐消费支出比重和居民幸福感；智能生活三级指标至少包括网络购物支出比重和智能家居产品消费比例。

上述指标划分从基础建设、数字化产业、现代化治理、生态保护以及生活智慧水平改善等方面进行考量划分，形成该评价指标体系，并对各指标设定计量单位，和对指标解释或算法进行配置。如下表1所示的：

表1.

该表1中，对各指标的解释或计算方法(指标数值的计算方法)除了基于配置的公式，还可以根据专家评分(如依据经验进行主观打分)等。

多级指标的划分制定可以由从事相关研究的专家团队、高效团队依据其专业经验进行制定；团队人员通过本发明系统的指标体系管理模块实现对评价指标体系的建立和管理，管理操作包括对体系中的指标、指标计量单位、计算方法等进行修改、增加和删除，以不断跟进乡村建设发展的实际需求，进行适应性调整。

进一步的，为了更加贴合实际需求，本发明系统中还包括行政管理模块和媒体宣传模块；其中

行政管理模块用于获取并管理行政文件数据传输到所述指标体系管理模块和/或指标指数评测模块，用于辅助构建所述评价指标体系或指数指标测评模型的计算。

作为优选实施例，所述行政管理模块具体用于：

获取政府红头文件数据并记录汇总，将文件数量经数据采集端发送至指标指数评测模块进行目标数字乡村指数计算；

政府红头文件即数字乡村建设相关政策文件，上述评价指标体系中以及指标治理现代化下的三级指标包括村委年下发文件总数，因此行政管理模块可以对村委年下发文件总数进行汇总，用于后续的指标指数评测模块的测评计算。

该模块还可以用于获取政府红头文件数据或业务报表数据，提取文件内容，基于提取的文件内容对评价指标体系的多级指标划分、对指标解释或算法的配置以及目标数字乡村指数的计算进行约束。其中所述业务报表数据可以包括乡村各行政部门的每个时期的业务报表，如关于基础设施建设投资报表、4g网络覆盖率调查表、渔业亩均产出报表、农村从业人员数等。

行政管理模块通过ocr文字识别，读取业务报表文件的数据，由数据接口传输到数据采集端，以被指标指数评测模块获取并进行后续计算。

行政管理模块通过ocr文字识别，读取政府红头文件的内容发送到指标体系管理模块供工作人员知晓，使得工作人员及时了解当前的文件政策，以便及时调整评价指标体系。

所述媒体宣传模块，用于收集并记录媒体宣传数据传输到所述指标体系管理模块和/或指标指数评测模块，用于辅助构建所述评价指标体系或指数指标测评模型的计算。具体的：

该模块获取预设媒体方的宣传数据并记录汇总，预设媒体方即系统指定的媒体方，如新华社、人民网、本地权威媒体以及知名短视频平台等新媒体宣传方式，宣传数据可以以资金投入成本、热度、关注度等维度进行统计，统计数据作为创新驱动、生态数字化、文化设施建设投入等一些二级、三级指标的投入数据，或者作为另外的评价指标，用于乡村数字化程度的测评。媒体宣传模块获取数据的方式可以以来自行政机关相关部门的统计，也可以来自各宣传媒体的业务系统上报；该模块将汇总数量经数据采集端发送至指标指数评测模块进行目标数字乡村指数计算。

本发明系统在构建评价指标体系和进行数字乡村指数测评(即对乡村数字化程度的测评)过程中，依据科学性、系统性和可行性等原则，通过融合数字乡村相关政策文件，构建可量化指标体系进行拆解打分，有利于政务的公开和建设现状解读，从而增强农民的主体参与感。同时通过对指标测评指数数据进行长期积累，利于后续挖掘数据价值，为数字乡村建设赋能。

构建评价指标体系后，利用数据采集端向构建的指数指标测评模型擦传输数据，作为优选实施例，如图2所示，所述数据采集端的数据采集来源包括接口数据、业务系统上报数据和物联网采集数据。其中，接口数据本系统下的app、小程序等直接上报的数据，业务系统即企业、机构或平台的信息化管理系统，对接到本发明系统，可以向本发明系统传输乡村数据化建设的相关数据，以用于进行指数测评；所述物联网即本系统下的采集终端通过网络上传的数据，采集终端例如在数字乡村建设过程中，农业、渔业等产业或生态环境等场景部署的监控器、传感器(诸如土壤温湿度、空气质量等的传感器)等用于产业投入的基础设施或利用信息技术进行生态监测的传感器。

指标指数评测模块基于神经网络算法建立多级指标的指数指标测评模型，包括

采用神经网络算法训练多级指标的权重计算模型，以得到各指标个体的权重；

建立加权模型，根据加权模型的预设算法对权重计算模型输出的各指标个体权重，得到总指标指数。

其中，如图3所示，采用神经网络算法训练多级指标的权重计算模型，以得到各指标个体的权重，包括：

s1.采用bp神经网络，根据所述评价指标体系的多级指标确定神经网络的输入层和隐含层单元数；

构建模型过程中，通过训练样本对神经网络进行进行训练，设有n个训练样本构成的训练集，每一个训练样本有m个指标，则有

w’＝(w’ij)n×m；i＝1,2,3，…，n；j＝1,2,3，…,m；w’ij为第i个训练样本的第j个指标的权重值。

bp神经网络包括输入层、隐含层和输出层，根据上述评价指标体系中的三级指标确定神经网络各层单元数(即节点数)，输入层包含m个节点(对应训练样本的m个评价指标)，其输入向量为x＝(x1,x2,…，xj,…，xm)，隐含层包含k个节点，其输入向量为y＝(y1,y2,…，yj,…，yk)，输出层为1个神经单元，输出为s，期望输出为h＝(h1,h2,…，hi,…，hn)，令w＝(wij)m×k为输入层第i个节点到隐含层第j个节点的联接权(即该输入层到隐含层之间的联接权用矩阵表示)；令z＝(z1,z2,…，zj,…，zk),zj为输出层到隐含层第j个节点的联接权。

s2.设置各层输出公式；

输入层为

隐含层为

s3.设置连接权的初始化参数；

对联接权矩阵w、z中各元素随机赋值，值为[0,1]一个较小的初始数，将第一个样本各指标数据作为输入层各节点的数据，按照如下步骤训练。

s4.进行网络训练，通过样本训练集训练该神经网络，构建模型：

计算网络误差，当网络输出与期望输出不相等时，存在输出误差ei(第i个训练样本的输出误差)，其值由下式表示：

神经网络中总误差e为

s5.根据网络误差；调整各层权值；

由输出层期望输出h与实际输出相比较得到的误差信号δ，对隐含层与输出层的联接权进行调整，误差信号δ反向传至隐含层得到隐含层的误差信号由此对输入层与隐含层间的联接权进行调整，如下

δ＝(h-s)s(1-s)

zj＝zj(t-1)+ηδyj+μδzj(t-1)

其中，η∈(0,1),表示学习率；μ∈(0,1),表示以前累计的调整经验值，可以加速网络的收敛，提高训练速度。

s6.权重计算

通过下式：

通过上述步骤中的计算各wj值调整一遍，一直迭代下去，直到误差小于预设的目标值为止，则权重计算模型训练完成。后续从数据采集端获取的数据可以输入到权重计算模型中，进行计算得到各指标权重。

除此之外，在其他实施例中，各指标权重也可以通过层次分析赋权法确定，不再赘述。

进一步的，建立加权模型，根据加权模型的预设算法对权重计算模型输出的各指标个体权重，得到总指标指数，包括

选择某一时期的指标指数数值作为基期数据，计算定基指数，以描绘与评价数字乡村建设现状，其中包括以下计算公式

1、计算各个指标的个体指数：

其中，ip表示当前计算的指标个体指数，kp表示报告期该指标数值，k0表示基期该指标数值，p＝1，2，3...l；

2、将指标个体指数加权逐级向上汇总，最终得到目标数字乡村指数

其中，i表示总指数，ip表示指标个体指数，wp表示该当前计算的指标权重，通过上述权重计算模型得到。

通过上述方法，计算出目标数字乡村指数的数值i，即可计算出每一个乡村的数字化程度指数，然后对一个区域内(如一个省)的所有乡村的数字乡村指数进行排名，利于检验和提高乡村数字化建设的积极性和行政效力。

本发明基于机器学习的乡村多产业数据指标评测系统，预先构建符合数字化乡村评价的指标体系，采用神经网络算法实现机器自学习的权重计算模型，得到指标体系中各指标的权重，再根据加权模型得到数字乡村指数的评估结果；本发明系统在系统构建过程中，可以依据数字乡村建设相关政策文件，构建可量化指标体系，也可以将媒体宣传因素作为测评参考，利于实现更全面的乡村产业数据的综合测评，继而利于用于现代乡村发展建设进行决策指导、促进乡村全面升级发展。

本发明的实现和本文中提供的所有功能操作可以用数字电子电路、或者用计算机软件、固件或硬件，包括本说明书及其结构等同方案中所公开的结构、或者其中的一个或多个的组合来实现。本公开的实现可以实现为一个或多个计算机程序产品，即在计算机可读介质上编码的计算机程序指令的一个或多个模块，这些指令由数据处理装置来执行或者用以控制数据处理装置的操作。该计算机可读介质可以是机器可读存储设备、机器可读存储基片、存储器设备、影响机器可读传播信号的组合物或者其中的一个或多个的组合。术语“数据处理装置”涵盖用于处理数据的所有装置、设备和机器，包括例如可编程处理器、计算机或者多个处理器或计算机。除了硬件之外，该装置可以包括为所描述的计算机程序创建执行环境的代码，例如构成处理器固件、协议栈、数据库管理系统、操作系统或者其中的一个或多个的组合的代码。

计算机程序(也称为程序、软件、软件应用、脚本或代码)可以用任何形式的编程语言(包括编译语言或解释语言)来编写，并且计算机程序可以用任何形式来部署，包括作为独立程序或者作为模块、部件、子例程或者适合在计算环境中使用的其他单元。计算机程序并非必须对应于文件系统中的文件。程序可以存储在保持其他程序或数据(例如标记语言文档中所存储的一个或多个脚本)的文件的部分中，存储在专用于所描述的程序的单个文件中，或者存储在多个协同文件(例如存储一个或多个模块、子程序或者代码的部分的文件)中。计算机程序可以被部署成在一个计算机上来执行，或者在位于一个站点处或分布在多个站点处且通过通信网络互连的多个计算机上来执行。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。