数学建模--关于长江三角洲区域一体化高质量发展问题 问题三求解

        本文记录数学建模A题--关于长江三角洲区域一体化高质量发展问题，这一题目的问题三的分析与求解步骤、程序及结果。对于整个问题的初步分析可以参考上一篇文章。问题四的求解见后续。

基于遗传算法加速的投影寻踪法评价模型

模型的建立

        沿用第一问的思路，对原指标体系做适当删减，将原来的64个底层指标删减为52个，拉长原有数据的时间维度，选取2010年-2020年共十年的数据。

模型的求解

        在使用遗传算法迭代100次后，获得了这52个底层指标的客观赋权值，并按年度获得了S市综合评价得分。

投影寻踪法的S市综合得分

年度	综合评价得分
2010	322.2667359
2011	259.4640879
2012	282.7775173
2013	371.6435687
…	…
2018	499.2746331
2019	535.3144414
2020	536.0908361

        可以从图表中看出，纵向测度上，S市的综合评价得分在推行长三角区域一体化以来，虽然偶有波动，但总体上以颇有动量的形势不断发展，十年间的的综合评价得分增长了约160%。结合问题一、二的，模型求解结果，发现，在横向测度上，S市的综合评价分数远超长江三角洲其它城市。

基于LASSO回归的S市发展潜力预测

模型的建立

        Lasso回归是用于解决共线性问题的有偏估计回归，它类似于岭回归，Lasso 会就回归系数向量给出惩罚值项。它能够减少变化程度并提高线性回归模型的精度。

        Lasso 回归使用的惩罚函数是L1范数。这导致惩罚（或等于约束估计的绝对值之和）值使一些参数估计结果等于零。如果预测的一组变量是高度相关的，Lasso 会选出其中一个变量并且将其它的收缩为零。其实现步骤如下所示：

        Step1：通过交叉验证方法，确定λ值。λ值的选择原则是使得Lasso模型的均方误差最小。

         Step2：通过λ和回归系数图，确定模型筛选的变量情况，其中标准化系数为零的变量可以认为被Lasso回归模型剔除。

        Step3:得到Lasso回归模型的公式和预测情况，并且列出保留和被剔除的变量。其系数如下所示：

LASSO回归系数表

变量名	标准化系数	非标准化系数	R²
截距	-55369.096	-55369.096	0.97
年份	27.683	27.683	0.97

        由此可得：模型的标准化公式：y=-55369.096+27.683 × 年份。模型的非标准化公式：y=-55369.096+27.683 × 年份。

模型的求解

        最终，得到模型结果预测图如下所示：

         从图像上可见，S市作为我国的经济、金融、贸易、航运、科技创新中心，横向上，根据第一问的解答可以看出，相对于其他城市在经济规模、发展外向度、经济效益等方面均表现出极大的优越性。纵向上，S市近年来随着区域一体化的不断推进，S市自己也实现了不断发展前进，并且时至今日仍具有巨大的发展动力、活力、潜力。如今，S市加快走创新驱动着力提升城市能级和核心竞争力，已经形成股票、债券、黄金、金融期货等较为完备的金融市场体系；在科技创新上，S市强化基础研究的厚度，实现关键核心技术的突破。

基于雷达图寻找发展制约点

        沿用问题1和问题2的求解结果和思路，将S市的底层指标进行分类，得到八个方面。运行可视化工具画出雷达图，如下所示：

         S市作为长江三角洲城市群的发展龙头，在经济发展、贸易开放、体量规模方面一路领跑，但是也存在部分发展制约点。生态建设、节能减排、交通与旅游方面略低一筹，仍有很大的发展空间。因此，S市在调整产业结构优化升级的同时，应把完善生态环境保护与经济发展相协调、促进城市建设尤其是交通道路优化、增强城市包容作为改善社会发展质量的首要任务。

        在讲评时，老师指出发展制约因素建议使用多元线性回归等模型进行定量分析，依托雷达图去选定某个城市的发展制约因素主观性强，且没有量化制约程度，仅为定性分析。