基于能源约束的区域相对生态效率识别

被引：3

作者：

张凤荣 ^{[1
]}

曹勇宏 ^{[1
]}

Annik Magerholm Fet ^{[2
]}

机构：

[1] 东北师范大学

[2] 挪威科技大学

来源：

工业技术经济 | 2012年 / 31卷 / 04期

关键词：

相对生态效率; 识别; DEA; 神经网络;

D O I：

暂无

中图分类号：

F224 [经济数学方法]; F205 [资源、环境和生态管理]; F124 [经济建设和发展];

学科分类号：

0701 ; 070104 ; 120405 ; 020106 ; 0201 ; 020105 ;

摘要：

本文认为区域生态效率是个相对概念,会随着经济和环境的变化呈现相对有效性,相对于某一阶段的最优在下一阶段未必是最优,如何识别并判断出区域生态效率所处的生命周期阶段成为地方政府制定发展政策的依据。基于能源约束的区域相对生态效率识别法运用DEA神经网络识别模型,能够有效地分析和识别在有限能源输入下区域的阶段性相对生态效率,可以成为生态效率衡量方法的有益补充。实证研究表明,该方法具有识别准确、可操作性强等特点,具有明显优势和可行性,在实践中有广泛的应用推广价值。

引用

页码：36 / 42

页数：7

共 9 条

[1] 基于能值和物质流的吉林省生态效率研究 [J].

李名升 ;

佟连军 .

生态学报, 2009, 29 (11) :6239-6247

[2] 生态效率研究进展与展望 [J].

王妍 ;

卢琦 ;

褚建民 .

世界林业研究 , 2009, (05) :27-33

[3] 2000—2006年中国区域生态效率研究——基于DEA方法的实证分析 [J].

杨斌 .

经济地理, 2009, 29 (07) :1197-1202

[4] 基于物质流分析和数据包络分析的区域生态效率评价——以江苏省为例 [J].

张炳 ;

黄和平 ;

毕军 .

生态学报, 2009, 29 (05) :2473-2480

[5] 基于RBF神经网络的区域科技创新能力的综合评价方法 [J].

冯岑明 ;

方德英 .

科技进步与对策, 2007, (10) :140-142

[6] 生态效率方法研究进展与应用 [J].

吕彬 ;

杨建新 .

生态学报, 2006, (11) :3898-3906

[7]

区域核心竞争力状况识别的DEA-BP神经网络组合模型研究与构建[D]. 宋维玲.中国海洋大学. 2008

[8] Fast Learning in Networks of Locally-Tuned Processing Units [J].

Moody, John ;

Darken, Christian J. .

NEURAL COMPUTATION, 1989, 1 (02) :281-294

[9]

Eco-efficiency in extended supply chains: A case study of furniture production .2 Michelsen O,A. M Fet,A. Dahlsrud. Journal of Environmental Management . 2006

← 1 →