一种脱贫家庭的返贫预警预测模型

本发明涉及计算机，尤其涉及一种脱贫家庭的返贫预警预测模型。

背景技术：

1、中国是世界上最大的农业国，长期以来贫困问题一直是我国面临的重大挑战。

2、关于返贫预警研究，截止目前，国内外学者主要从不同角度给出了返贫预警的体制机制的构建路径及其对策建议，但返贫预警技术还有待深入，主要体现在：一方面返贫预警指标选取过于机械，没有充分体现不同案例区群体的区域差异和个体差异；另一方面，现有预警模型更多关注某一时期的结果推理，长期趋势的预测预警有待加强。

技术实现思路

1、本发明的特征和优点在下文的描述中部分地陈述，或者可从该描述显而易见，或者可通过实践本发明而学习。

2、为克服现有技术的问题，本发明提出一种脱贫家庭的返贫预警预测模型，旨在形成一套自动化、智能化、动态化的返贫预警技术体系，实现返贫动态监测、及时预警、提前干预，为建立预防返贫的动态监测机制、主动发现机制和信息共享机制提供技术支持，为政府相关部门精准制定和实施预防返贫相关政策提供科学、客观的决策依据。

3、为达到上述目的，本发明提供的技术方案是：

4、一种脱贫家庭的返贫预警预测模型，包括以下步骤：

5、s1、家庭返贫脆弱性识别：基于采集的数据构建bp神经网络拓扑结构，得到对家庭返贫脆弱性的识别结果；

6、s2、家庭返贫预警多维指标体系构建：基于家庭返贫脆弱性识别的结果，采用层次分析法确定导致家庭返贫的返贫指标因子的权重，并建立预警评价体系；

7、s3、构建家庭返贫的多维评判预警模型与算法：根据预警评价体系，构建多维评判预警模型，得出可能性综合指数，并设定家庭返贫的预警等级；

8、s4、构建返贫风险预测模型与算法：根据所述的可能性综合指数，构建返贫风险预测模型，获得家庭返贫的预测等级。

9、优选的，所述步骤s1具体包括以下步骤：

10、s101、基于所采集的数据，筛选出具有完整指标因子的有效样本数据，组成有效样本数据集，并确定返贫指标因子；

11、s102、构建bp神经网络拓扑结构，将选取的有效样本数据代入bp神经网络模型进行训练、测试、检验后，利用rgui软件对返贫指标因子在家庭返贫可能性中的重要性进行分析，并识别家庭返贫的脆弱性。

12、优选的，所述步骤s102还包括以下步骤：

13、s10201、选定bp神经网络中神经元的输入层与输出层节点；

14、s10202、采用扩张法确定隐含层的神经元个数，构建紧凑的神经网络模型结构；

15、s10203、将采集到的所述有效样本数据随机分成三组，分别作为训练样本数据、检验样本数据与测试样本数据，并通过训练样本数据和测试样本数据分别对bp神经网络模型进行训练；所述训练样本数据量≥所述有效样本数据总量的50%；

16、s10204、检验模型的泛化能力：计算测试数据产生的测试误差与训练数据产生的训练误差之间的差值，若两者的差值的绝对值在0~0.05之间，则表明模型具有良好的泛化能力；

17、s10205、基于bp神经网络模型对所述返贫指标因子进行重要性分析，得到对家庭返贫脆弱性的识别结果。

18、优选的，所述步骤s2还包括以下步骤：

19、以所述返贫指标因子为基础，建立评价因子的层次结构；

20、构造准则层相对于目标层的判断矩阵，以及准则层相对于指标层的重要性判断矩阵；

21、分别计算各判断矩阵的最大特征值与特征向量；

22、进行层次单排序以及一致性检验；

23、确定各所述返贫指标因子的组合权重。

24、优选的，所述s3步骤具体包括以下步骤：

25、s301、结合所述预警评价体系，构建家庭返贫的所述多维评判预警模型；

26、s302、对家庭返贫的所述多维评判预警模型的算法进行实现；

27、s303、基于构建的所述多维评判预警模型，设定预警周期，并计算预设时间段内家庭返贫的所述可能性综合指数；

28、s304、构建预警等级的评判规则：依据所述可能性综合指数，参考国家对家庭贫困程度的认定标准，判断并设定家庭返贫的所述预警等级。

29、优选的，所述步骤s301具体包括以下步骤：

30、s30101、将所述返贫指标因子的数据进行数据标准化处理，得到所述返贫指标因子的标准化值；

31、s30102、构建所述多维评判预警模型，所述多维评判预警模型的表达式如下：构建所述多维评判预警模型，所述多维评判预警模型的表达式如下：

32、；

33、式中，为第j期的家庭返贫的所述可能性综合指数，用以反映家庭返贫的可能性程度，其值越大表示该家庭在预警时点返贫的风险越大；为采用层次分析法计算得出的各所述返贫指标因子的权重；为各所述返贫指标因子原始数据进行数据标准化处理后得到的标准化值。

34、优选的，所述步骤s30101具体包括以下步骤：

35、s3010101、确定每个所述返贫指标因子的数据类型是数值型指标因子或概念型指标因子；

36、s3010102、对数值型数据采用极差标准化方法进行标准化处理，得到的数值为0~1之间的值；

37、s3010103、对概念型数据采用二分法标准化处理，若为“是”则赋值为“1”，若为“否或不是”则赋值为“0”。

38、优选的，所述步骤s304具体包括以下步骤：

39、s30401、采用k-means聚类分析方法，对所述农户家庭返贫可能性综合指数值进行聚类处理；

40、s30402、基于数值聚类处理得到农户家庭返贫可能性综合指数值的聚类区间，并建立该聚类区间与国家认定农户贫困程度的等级区间之间的对应关系；

41、s30403、基于两类区间的对应关系,从而获得综合考虑了导致家庭返贫的全部所述返贫指标因子的所述预警等级。

42、优选的，所述步骤s302具体包括以下步骤：

43、s30201、定义所述返贫指标因子的权重列表和对应的标准化值列表；

44、s30202、根据所述返贫指标因子的权重和标准化值，计算每个所述返贫指标因子的加权值，使用循环遍历列表，将权重乘以标准化值，并将结果累加；

45、s30203、计算综合评判值，将所有所述返贫指标因子的加权值相加，得到综合评判值；

46、s30204、使用条件选择语句录入所述预警等级，将综合评判值作为输入，使程序输出对应的所述预警等级。

47、优选的，所述步骤s4具体包括以下步骤：

48、s401、基于所述可能性综合指数，采用加权移动平均法构建所述返贫风险预测模型；

49、s402、对家庭的所述返贫风险预测模型进行算法实现；

50、s403、基于构建的所述返贫风险预测模型与算法，计算未来任何一个预设时间段内农户家庭返贫可能性预测值；

51、s404、基于所述农户家庭返贫可能性预测值，结合国家对家庭贫困程度的认定标准，判断未来任何一个预设时间段内家庭返贫的所述预测等级。

52、优选的，所述步骤s401具体包括以下步骤：

53、s40101、确定权重，采用试算法对预测期内每个预设周期的家庭返贫的所述可能性综合指数的权重进行确定，对于接近预测期的可能性综合指数值给予较大权数值，对于距离预测期较远的可能性综合指数值则相应给予较小的权数值，以不同的权数值调节各加权移动平均值对预测值所起的作用，使预测值能够更近似地反映未来的农户可能返贫的发展趋势，从而对未来农户发生返贫的可能性进行长期模拟预测；各预设周期的权重的总和等于1；

54、s40102、计算加权移动平均值：将每期所述可能性综合指数的值乘以其对应的权重，然后将这些乘积相加，得到的结果就是农户家庭返贫可能性预测值；

55、s40103、移动周期：将计算周期向前移动一个计算步长，然后重复步骤 s40101和步骤s40102，计算新的加权移动平均值，直至处理完所有的数据；

56、s40104、预测：经过步骤s40103的循环计算，所得到的最近的某一周期的加权移动平均值就是下一步的预测值；

57、s40105、构建农户的所述返贫风险预测模型，所述返贫风险预测模型如下：

58、；

59、式中，为第j+1 期农农户家庭返贫可能性的预测值，其值越大表示家庭返贫风险越大；表示第j期的家庭返贫的所述可能性综合指数；表示第j期家庭返贫可能性综合指数的权重；其中，， 并且使。

60、本发明的有益效果：与现有技术相比，本发明基于bp神经网络通过对返贫指标的模拟分析，能够自动化地定量筛选符合研究区实际状况的返贫指标因子，并能初步判断各个指标对致贫可能性的影响程度；与已往的研究相比，能够排除指标人为筛选过程中主观因素的影响，从而将返贫预警结果的误差控制在事前，极大提高预警的准确性；此外，本发明将返贫预警多维评判模型和返贫可能性预测模型相结合，除实现对现状的定期预警外，还能够实现对未来返贫可能性的长期预测，在预警研究的方法上有创新。本发明形成一套自动化、智能化的返贫预警技术，实现返贫动态监测、及时预警、提前干预，为建立预防返贫的动态监测、主动发现提供技术支持，能够为政府相关部门精准制定和实施防返贫相关政策提供科学、客观的决策依据，对解决乡村振兴战略实施过程最具挑战性、现实性和紧迫性的防返贫问题具有重要应用价值和现实意义。