机器学习驱动的乡村振兴路径模拟：要素融合视角

摘要

文章以河南省信阳市2010—2020年发展实践为基础，从要素融合视角出发，构建基于PLUS模型、人口流动模型、PCA-BP土地规模预测模型和GDP预测模型的多维度耦合系统，模拟在基准情景、经济优先发展和农业保护发展情景下2035年人才、资本、土地等关键要素的流动和融合模式。研究结果表明：经济优先发展情景下城市用地占比最高，人口向城区集中，GDP增速最快；农业保护发展情景下耕地得到保护，人口外流范围最大，经济增长较为均衡；基准情景下城乡发展较为平缓。城乡要素合理配置是乡村振兴的关键，政策干预显著影响要素流动方向和效率。运用机器学习方法探讨乡村振兴的路径选择与情景模拟，不仅拓展了乡村振兴的理论范式和政策支持机制，其方法和发现也有助于其他区域的城乡发展政策制定。

关键词

乡村振兴 / 要素融合 / 情景模拟 / 机器学习 / 政策支持

基金资助

国家自然科学基金面上资助项目(42371225); 河南省社会科学规划资助项目(2023BSH021)