2010年上海世博会影响力的定量评估（国家二等奖） - 图文

选取模糊算子：(?,+) 进行模糊综合评价的运算：

? 0.4989 0.49896 0.49919 0.49887?TC?B'?A'T??? 0.796828 0.08286 0.073993 0.04632???? 0.5011 0.50104 0.50081 0.50113?

从而得到结果决策矩阵：

?0.4989? C????0.5011?3.4.3步骤三：结果解释

根据得到的结果决策矩阵，可以得到在世博会影响下各个主因子对于上海市人均GDP的影响力以及没有世博会时的情况。从这里所预测的2010年的数据看来，在四个主因子较为接近的情况下，世博会条件下的上海市的人均GDP的发展仍然有一定的变化，这也就表现出了上海世博会对于上海市人均GDP的影响。设定没有世博会对于上海市人均GDP的影响力为单位1，则可以得到世博会对于上海市人均GDP的影响力参数为：1.0044。

4 模型评价

模型一应用灰色因子分析模型，考虑到了因素集本身所附带的灰色特征，这样会使得分析的结果更为科学，也为之后的指标体系的建立打好了基础。但是模型自身所带的误差无法消除，这就为主因子选取带来了一定的偏差。但是，总体上达到了很好的阈值，在系统误差下达到了比较好的结果输出。

模型二应用BP神经网络模型，收敛较好，对于预测量的估计较为精确，但是模型本身具有收敛时间过长，加大了求解难度。

模型三应用Cobb-Douglas生产函数模型和投入产出模型，具有较深的理论基础，并且利用遗传算法可以达到很好的收敛效果，最终与模型二、模型四的结果都能够相互验证。但是，模型对于上海市的自身特点没有做深入考虑，会产生一定的偏差。

模型四根据之前的指标选取，运用了模糊综合评价的方法，所得到的结果较为精确，将定性的问题定量化，解决了题目问题，但是所选取样本空间较小，这造成了一定程度的误差。

5 定量评估总结

历届世博会对于所在地区与国家都引起了很好的经济效应，它们带来了世界各国的先进的技术、丰富的文化以及大量的海外资金的注入，与此同时，世博会提高了该地区在世界上的知名度，为世博后时代又带来了更大的发展潜力[17]。

上海市在我国经济中占有很重要特殊的地位，从区域经济的角度来看，上海是长三角地区的“增长极”，对于地区经济的发展起着十分重要的作用，它的发展必将对整个区域经济产生影响，而长三角洲作为我国经济发展的重要地区，也将对于全国全国具有一定量和范围的辐射效应[18]，而世博会到底对于上海市经济产生多大的效应则是众人关注的焦点问题。

针对于题目中选取的上海市GDP作为评估侧面，在模型三与模型四中分别对于GDP

23

进行定量的评估，从而分别得到了世博会对于上海市GDP的影响力效应。在模型三中从计量经济学出发，得到了Cobb-Douglas函数与投入产出模型，从而得到世博会对于上海市GDP的影响力效应为1.0184，而在模型四中，则是从上海市GDP影响的主因子入手，从各个主要经济指标的预测值做出模糊综合评判，得到影响力效应为1.0044。两者的相对差较小，同时，考虑到在模型四中仅仅考虑了主成分，而各主成分所占的累计贡献率足够大，因此，其余因素会对于这一评判值有一个非常微小的增加，可以进一步说明两个数值的相对误差较小。因此可以将两个模型相互印证，从而支持了结果的正确性。考虑到主成分分析所得到的计算指标体系较容易处理，因此，选取模型四作为最终评估体系，可以得到世博会对于上海市GDP的影响力效应大于1.0044，并且只有微小误差。即，在保持往年GDP增长速率的情况下，在世博会举办当年，上海市的GDP增长将有一个大于0.44%的额外增长。

同时，上海市GDP还会受到其他经济指标的相互影响，在模型二中得到世博会影响

[19]

上海市经济总体的影响力效应为0.42976%，并且在所预测年份中有逐年增长的趋势。

综合来说，在保持之前的增长速度的同时，2010年在中国上海举办的世博会将在2010年对于上海市GDP有一个大于0.44%的额外增长，并且在至少未来五年内有增长趋势。

6参考文献

[1] 姜启源，谢金星，数学模型（第三版）[M]，北京：高等教育出版社，2003年。 [2] 韩中庚，数学建模方法及其应用，北京：高等教育出版社，2005年6月

[3] 刘法贵，张愿章，李湘露,灰色数学及其应用[M]河南：河南大学出版社，2003年12月。

[4]聚龙．灰色系统(社会，经济)[M]．北京：国防工业出版社，1985：18—261． [5] 彭高辉,张愿章，基于灰色因子分析的综合评判方法在员工满意度评价中的应用，郑州，华北水利水电学院学报，2010年三十一卷第一期，106页-109页，2010年。 [6] 盛艳波．基于BP神经网络和ARIMA组合模型预测浙江省人均国内生产总值[J]．商场现代化，2006，(23)：49—50．

[7]胡守仁，于少波，戴葵，等.神经网络导论.北京：国防大学出版社��

[8] 张吉刚，梁娜，基于ARIMA的时间序列组合模型[J]．三峡大学学报，2008.年8月。 [9] 雷可为，陈瑛，基于BP神经网络和ARIMA组合模型的中国入境游客量预测[J]，旅游学刊，2007年4月。

[10] 张晓峒．计量经济分析[M]．北京：经济科学出版社，2000：272—292。 [11]易丹辉，数据分析与EViews应用[M]，北京：中国统计出版社，2002年。

[12]陈俊，陈兆雄，幸林．基于BP神经网络的云南国际旅游需求预测[J]．昆明师范高等专科学校学报，2005，27(4)：89—91．

[13]刘则毅，科学计算技术与Matlab[M]，北京：科学出版社，2001年。 [14］穆文全，廖晓峰，虞厥邦.基于遗传算法和BP算法的多层感知机杂交训练算法［J］.电子科学学刊, 1997��

［15］恽为民，席裕庚.遗传算法的运行机理，控制理论与应用，1996，13(3)：297～304

[16]杜栋，庞庆华，吴炎，现代综合评价方法与案例精选，北京：清华大学出版社，2008

24

年2月。

[17]诸大建，姜富明，世博会对上海的影响和对策，上海：同济大学出版社，2004年1月。

[18]黄光权，宝继刚，昆明世博会的定量估算：本地趋势线模型，地理科学，2007年第27卷第3期，426页-433页，2007年6月。

[19]屈雪莲，过聚荣，2010世博会对上海经济拉动效应研究，上海管理科学，29页-35页，2008年6月。

7 附录

7.1附录一：求灰色关联度矩阵

function X=GRA(A) %求灰色关联度矩阵； %A为初始数据 A=A';

[m,n]=size(A); for i=1:n

B(:,i)=A(:,i)-A(:,1);

S(i)=sum(B(1:n-1,i))+B(n,i)/2; end

for i=1:m

for j=1:m

X(i,j)=(1+abs(S(i))+abs(S(j)))/(1+abs(S(i))+abs(S(j))+abs(S(i)-S(j)));

end end

7.2附录二：求特征值

function [D,V]=ma3jacobieig(A,tol)

% 用途：用Jacobi迭代法求实对称矩阵的特征值和特征向量

% 格式：[D,V]=ma3jacobieig(A,tol),A为n阶对称方阵，tol为容许误差 % V是特征向量矩阵，D是n阶对角矩阵，其对角元为矩阵A的n个特征值 if nargin<2,tol=1e-3;end [n ,n]=size(A); % 初始化

D=A;V=eye(n);flag=1;

% 计算A的非对角元绝对值最大元素所在的行p和列q [w1,p]=max(abs(D-diag(diag(D)))); [w2,q]=max(w1);p=p(q); % 迭代

while (flag==1)

d=(D(q,q)-D(p,p))/(2*D(p,q)); if (d>0)

t=-d+sqrt(d^2+1); elseif (d<0)

25

t=-d-sqrt(d^2+1); else

t=1; end

c=1/sqrt(t^2+1);s=c*t; R=[c,s;-s,c];

D([p,q],:)=R'*D([p,q],:); D(:,[p,q])=D(:,[p,q])*R; V(:,[p,q])=V(:,[p,q])*R;

[w1,p]=max(abs(D-diag(diag(D)))); [w2,q]=max(w1);p=p(q);

if (abs(D(p,q))

D=diag(diag(D));

7.3附录三： 上海市人均GDP的ARIMA模型误差神经网络预测MATLAB程序 %BP神经网络进行上海市人均GDP预测的Matlab源代码 % BP神经网络用于预测 % 使用平台 - Matlab7.0

% 数据为1980年到2002年的上海市人均GDP的ARIMA误差预测 ，网络为1个1输入，1个输出

% 19组数据，其中17组为正常训练数据，1组为变量数据，1组为测试数据 clc clear

%--------------------------------------------------- %原始数据

%--------------------------------------------------- year=1980:2002;%数据是从1980到2002年的

p=[32 223 142 94 -82； 223 142 94 -82 -175； 142 94 -82 -175 168； 94 -82 -175 168 -85； -82 -175 168 -85 -278； -175 168 -85 -278 395； 168 -85 -278 395 -307； -85 -278 395 -307 -126； -278 395 -307 -126 -254； 395 -307 -126 -254 -381； -307 -126 -254 -381 -245； -126 -254 -381 -245 43；

26