基于DEA和神经网络的西部耕地利用效率研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第10-15页 |
| 1.1 选题背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究思路和方法 | 第13-14页 |
| 1.3.1 研究思路 | 第13-14页 |
| 1.3.2 研究方法 | 第14页 |
| 1.4 技术路线 | 第14-15页 |
| 1.5 可能的创新与不足 | 第15页 |
| 1.5.1 可能的创新 | 第15页 |
| 1.5.2 不足之处 | 第15页 |
| 2 相关概念及理论基础 | 第15-18页 |
| 2.1 相关概念界定 | 第15-16页 |
| 2.1.1 效率 | 第15页 |
| 2.1.2 耕地利用效率 | 第15-16页 |
| 2.2 相关理论基础 | 第16-18页 |
| 2.2.1 资源稀缺理论 | 第16页 |
| 2.2.2 利润最大化理论 | 第16-17页 |
| 2.2.3 边际报酬递减理论 | 第17页 |
| 2.2.4 土地可持续利用理论 | 第17-18页 |
| 3 西部耕地利用现状 | 第18-23页 |
| 3.1 自然概况 | 第18-20页 |
| 3.2 社会经济概况 | 第20页 |
| 3.3 耕地利用现状 | 第20-23页 |
| 4 耕地利用效率测度方法 | 第23-32页 |
| 4.1 数据包络分析法 | 第23-26页 |
| 4.2 人工神经网络 | 第26-28页 |
| 4.3 构建思想 | 第28页 |
| 4.4 采用数据包络分析进行评价 | 第28-29页 |
| 4.5 采用神经网络方法进行评价 | 第29-32页 |
| 4.5.1 DEA与神经网络评价的衔接 | 第29页 |
| 4.5.2 神经网络算法的选择 | 第29页 |
| 4.5.3 建立训练样本集 | 第29-30页 |
| 4.5.4 网络层数的确定 | 第30页 |
| 4.5.5 神经元节点数量的确定 | 第30-31页 |
| 4.5.6 输出层神经元节点数 | 第31页 |
| 4.5.7 传递函数的选择 | 第31-32页 |
| 4.5.8 网络学习参数的确定 | 第32页 |
| 5 西部耕地利用效率实证研究 | 第32-46页 |
| 5.1 指标选取 | 第32-34页 |
| 5.1.1 指标选取原则 | 第32-33页 |
| 5.1.2 指标体系的构建 | 第33-34页 |
| 5.2 数据来源 | 第34-35页 |
| 5.3 耕地利用效率的DEA评价 | 第35-39页 |
| 5.3.1 DEA指标统计 | 第35页 |
| 5.3.2 DEA实证结果 | 第35-39页 |
| 5.4 耕地利用效率的神经网络评价 | 第39-43页 |
| 5.4.1 对DEA结果进行编码 | 第39页 |
| 5.4.2 建立神经网络训练样本集 | 第39-40页 |
| 5.4.3 神经网络参数设定 | 第40-41页 |
| 5.4.4 BP神经网络在计算机上的实现 | 第41-43页 |
| 5.5 综合评价分析 | 第43-46页 |
| 6 结论及建议 | 第46-49页 |
| 6.1 研究结论 | 第47页 |
| 6.2 对策建议 | 第47-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51-52页 |
| 攻读学位期间发表的学术论文目录 | 第52页 |
