一种基于大数据的脱贫预测模型构建研究

文章主要分析和研究如何将贫困户的基本信息、本地区的产业信息、各类经济及消费指标等进行统一管理,形成一个完整的精准扶贫库,并在此基础上对贫困户是否能脱贫、何时脱贫进行预测,最终建立一个脱贫预测模型。为推进精准扶贫工作提供了建议,也可对各级政府的扶贫工作提供指导和决策依据。

精准扶贫管理与脱贫预测系统的设计与实现

本文介绍了精准扶贫管理与脱贫预测系统的设计与实现方法,主要分析了用户需求和系统总体架构,采用Windows+Apache+PHP+MySQL+大数据技术组合实现系统要求。

基于大数据的脱贫预测系统的设计与实现

本文介绍了精准扶贫管理基于大数据技术的脱贫预测系统的设计与实现方法,主要分析了用户需求和系统总体架构,采用Linux+JAVA+Hadoop+Spark技术组合实现系统要求。

贵州省扶贫成效、贫困现状及脱贫时间预测

贵州省经过30余年的扶贫开发历程,减贫成效显著,但目前仍是全国贫困人口最多的省份。文章从总结贵州省扶贫成效入手,分析了贵州省贫困现状,并对贵州省农村贫困发生率进行普通最小二乘法(OLS)回归,预测出贵州省总体上能够在2020年实现全面小康,同时建议加大对榕江县等特困地区的扶贫开发力度,提出了贵州省新阶段扶贫工作的关键点与侧重点等。

基于优化FOA-BPNN模型的脱贫时间预测

针对精准扶贫缺乏有效的分析模型对扶贫的成效与脱贫时间进行准确刻画与定量分析问题,提出了基于FOA-BPNN贫困户脱贫时间预测模型.针对BP神经网络模型可能陷入局部最小的缺陷,引入果蝇优化算法,以BP神经网络的预测误差作为适应度值,寻找最优的BP神经网络参数值,提高参数精度.由于标准果蝇优化算法的搜索半径固定,可能导致后期局部寻优性能弱,提出了一种动态步长变更策略的DSFOA-BPNN模型,通过引入变速因子与种群密度,将动态步长FOA算法与传统误差反向传播神经网络(BPNN)结合,提高模型预测时间精度.在湖北省某贫困地区50000条扶贫数据的基础上,通过实验表明:与BPNN和FOA-BPNN模型相比,提出的DSFOA-BPNN模型预测精度分别提高了44%和11%.增量实验表明:提出的DSFOA-BPNN模型更适用于精度预测.