期刊文章详细信息
基于BP神经网络的区域贫困空间特征研究——以武陵山连片特困区为例
Research on Spatial Characteristics of Regional Poverty Based on BP Neural Network: A Case Study of Wuling Mountain Area
文献类型:期刊文章
机构地区:[1]首都师范大学资源环境与地理信息系统北京市重点实验室,北京100048 [2]首都师范大学三维信息获取与应用教育部重点实验室,北京100048 [3]首都师范大学城市环境过程与数字模拟国家重点实验室培育基地,北京100048 [4]天津城建大学地质与测绘学院,天津300384
基 金:国家科技支撑计划项目(2012BAH33B05;2012BAH33B03;2013BAC03B04;2012BAH27B01);国家自然科学基金项目(41301468)
年 份:2015
卷 号:17
期 号:1
起止页码:69-77
语 种:中文
收录情况:BDHX、BDHX2014、CSCD、CSCD2015_2016、JST、RCCSE、ZGKJHX、核心刊
摘 要:随着国家新一轮区域发展和扶贫攻坚战略的实施,连片特困地区成为新时期扶贫开发工作的主战场。本文以武陵山连片特困区县级行政区划为例,从自然和社会因素中选取主要贫困影响因子,构建评价指标体系,利用GIS和BP神经网络,模拟区域自然致贫指数、社会经济消贫指数,分析贫困的内在成因,探究贫困的空间分布特征,旨在为扶贫开发政策的制定和区域协调发展提供辅助决策。结果表明,研究区自然因素是主要的致贫原因,而社会因素在一定程度上起到了缓解作用。大部分县的自然致贫程度在中等以上,其中,铜仁、湘西地区程度较为严重,绝大多数贫困地区的社会经济水平不高,缓解贫困的能力不强;黔江地区、张家界地区的贫困程度较低,铜仁地区和湘西地区的贫困程度较高。各县的贫困状况和贫困程度存在较大差异,古丈、龙川,务川、正安,隆回、新化及道通、城步共同构成武陵山片区"大分散、小聚集"的贫困分布格局。今后的扶贫开发过程中,应充分考虑自然致贫因素,深入挖掘区域资源优势,加强区域间的交流与协作。
关 键 词:BP神经网络 武陵山片区 贫困程度 空间分布
分 类 号:P208] TP183[测绘类]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...