基于BP神经网络的国家稳定性研究

李平舟，赵朗程

（北京邮电大学 国际学院，北京　100876）

0　引言

如何评判国家的稳定性一直以来都是各类政治、经济机构研究的重点。现有评价体系中脆弱国家指数（Fragile State Index，FSI）是最广为认可的指标。脆弱国家指数是世界上178个国家面对不同压力时所表现出的脆弱程度排名[1]。该指数由和平基金会专有的冲突评估系统（CAST）分析得出，CAST采用综合社会学方法论，主要使用定量评估，定性评估和专家验证三种方法来得出国家稳定性的指数。根据专业社会科学研究，每个被评估的国家具有12个政治，经济和社会三个方面的主指标以及超过100个子指标。CAST方法和FSI被广泛用于政治决策，社会分析以及发展研究[2]。

2009年 10月，联合国政府间气候变化专门委员会（IPCC）发表的《第五次评估报告》[3]与以往报告相比，强调了气候变化对国家社会经济和可持续发展方面的影响。而CAST方法中涉及气候变化的指标较少，难以分析气候变化对于国家的影响。

针对以上问题，本文采用BP(Back Propagation)神经网络的方法，根据CAST方法得出的脆弱国家指数，结合178个国家近几年以来的12项指标，其中2项为气候指标，训练得到气候变化和FSI之间的关系网络。

1　常用建模方法及评价

1.1　主成分分析法

主成分分析法（PCA），旨在利用降维的思想，将多个指标再划分为少数几个综合指标（即主成分），其中每个主成分都可以反映原始变量的大部分信息，且所含信息不重复[4]。

主成分分析法可消除指标间的相关影响，减少选取指标的工作量，并取累计贡献率高的主成分来代表原变量，减少计算工作量[5]。……