原创《基于神经网络模型气候变化对国家脆弱程度影响》：本论文为免费优秀的关于气候变化论文范文资料，可用于相关论文写作参考。
【摘 要】“脆弱国家”作为当今学术界的热点议题正逐渐得到人们的关注,而气候变化从20世纪80年代以来作为重大社会问题一直热度不减,两者之间关系的研究成为目前学术界的新宠.本文尝试将气候变化作为国家脆弱性程度的影响因素,探究气候变化对国家脆弱性是否产生影响,并通过建立模型对该影响进行描述,且对国家脆弱性状态加以评价识别.
【关键词】BP神经网络 脆弱国家 气候变化
20世纪80年代以来,气候变化作为社会各界的热门话题逐渐得到人们关注.气候变化,从其定义而言,即指气候平均状态随时间的变化；从其影响来看,气候变化往往会涉及干旱或洪涝灾害的增加、动植物种类变化、海平面上升等一系列问题,并且这些影响往往存在地区差异.2012年联合国气候变化专门委员会（IPCC）发布了《管理极端事件及灾害风险,推进适应气候变化》特别报告,指出在气候变化的背景下,许多极端事件都会超出人类知识和经验的范畴,并警示各国积极采取防御措施.
和此同时,近年来,学术界提出“脆弱国家”的概念并开始了有关“脆弱国家指数（FSI）的相关研究.“脆弱国家”是指一个国家没有能力或者有意不向社会提供基本服务和公共产品,从而导致其合法性流失,更有甚者会引发社会冲突,加速国家经济的衰退.
结合相关文献,我们发现“脆弱国家指数”通常是从社会、经济、政治和安全等四个方面进行衡量,并未考虑环境因素,然而伴随着全球环境变化,环境作为一个重要影响因素同其他四个指标一样应当得到重视
一、BP神经网络模型的介绍及求解
(一)BP神经网络介绍
BP（back propagation）神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念,是一种按照误差逆向传播算法训练的多层前馈神经网络,是目前应用最广泛的神经网络.
BP神经网络是多层前馈神经网络[1],其算法称为BP算法,它的基本思想是梯度下降法,利用梯度搜索技术,以期使网络的实际输出值和期望输出值的误差均方差为最小,其激活函数为S型函数,输出量为0到1之间的连续量,可以实现从输入到输出的任意非线性映射.模型是一个由输入层,输出层和一个隐含层三个神经元层次构成的模型,各层次的神经元间形成全互连连接,同层次内的神经元间没有连接.对于输入信号,要向前传播到隐含层神经元,经激活函数变换后,再把隐含层神经元的输入信号传播到输出层神经元.
(二)评价指标体系及数据来源
首先,我们构建国家脆弱性评价指标体系的构建,为更加全面衡量国家脆弱程度,本文从政治、社會、经济、安全和气候五个方面共计14个指标进行评价[2],具体指标如下：政治因素：P1：政府正当性、P2：公众服务、P3：人权；社会因素：S1：人口压力、S2：难民及国内流浪者、S3：外部干涉；经济因素：E1：经济、E2：经济不平等、E3：人力及智力海外流失；安全因素：C1：治安、C2：权利斗争,阶级斗争、C3：种族矛盾；气候因素：D1：温度、D2：降水量.
考虑到数据的可得性以及分析的准确性,本文以2017年全球160个国家作为数据总体利用MATLAB随机抽选出150个国家作为样本,各个指标具体数值来源于World Bank Climate Change Data Knowledge Portal以及The University of East Anglia"s Climate Research Unit,将选中的150个国家分为两种类型,其中100个国家作为训练样本供BP神经网络训练使用,通过应用误差反传原理不断调整网络权值,使网络模型输出值和已知的训练样本输出值之间的误差平方和达到最小或小于某一期望值,使得神经网络更合理；其余50个国家作为测试样本用以对神经网络的准确性加以测试.
(三)处理步骤
Step1：将2017年全球160个国家的14个用于衡量国家脆弱性的指标数据以及国家脆弱性得分数据表导入到MATLAB中,并从中随机选取150个国家进行研究并随机选择100个国家作为训练样本,60个作为测试样本[3]；
Step2：为了将各个指标合成一个综合评价体系,则首先应当将每个指标进行标准化处理,随后对数据进行归一化处理,将数据转化至区间[0,1],减少奇异值对于网络训练时间的增加,加快程序运行的时间,为后续操作提供方便；
Step3：构建神经网络,和此同时使用软件产生[-1,1]之间的随机数并对所有连接权重进行随机赋值,同时为相关训练参数设定初值；
Step4：进行神经网络的训练；
Step5：利用测试样本进行仿真测试,用以检验测试结果是否符合预期以及所建模型的准确性；
Step6：进行数据的反归一化,还原数据本身情况；
Step7：利用相对误差、决定系数等指标对所构建的神经系统模型进行性能评价.
二、结果分析和评价
结合MATLAB运行结果图形的变化趋势可看出,神经网络的输出值和实际值基本吻合,仅存在个别样本略有偏差,但是这种偏差在预设的精度范围之内,对于模型整体的精确性影响可以忽略,且就整体而言拟合优度达到98.584%,可认为拟合效果优良,该模型可用于衡量国家脆弱性程度,并且精度较高.
三、结论
结合BP神经网络的输出结果,气候变化对于国家脆弱性程度存在影响[4],我们可以发现经济、政治、社会、安全和环境作为影响国家脆弱性的因素可以较为综合反映国家的脆弱性程度,各个指标之间都具有较为良好的解释能力,该结果表明综合指标评价体系中所选指标均为国家脆弱性程度变化的影响指标,并且以此构建的神经网络具有较为优良的评价和分析能力,可用于研究气候变化对于国家脆弱性的影响.
参考文献
[1]杨淑娥,黄礼.基于BP神经网络的上市公司财务预警模型[J].系统工程理论和实践,2005.
[2]刘天旭,吴滔.脆弱国家的评估标准问题[J].理论讨论,2016.
[3]许东,吴铮.基于MATLAB 6 X的系统分析和设计——神经网络[M]（第二版）.西安：西安电子科技大学出版社,2002.
[4]史培军,李宁,叶谦等.全球环境变化和综合灾害风险防范研究[J]地球科学进展,2009.
作者简介：赵宇晗（1997-）,女,汉族,河北石家庄人,河北大学经济学院本科生,研究方向：经济统计.
气候变化论文参考资料：
结论：基于神经网络模型气候变化对国家脆弱程度影响为大学硕士与本科气候变化毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载，关于免费教你怎么写2018年全球气候变化方面论文范文。
