提升城市循环经济效率:人工神经网络与基于模糊动态网络松弛度量的方法的结合 邹 Asia Xianya 与 陈 Felix T. S.

《Systems》:Enhancing Urban Circular Economy Efficiency: Integration of Artificial Neural Networks with Fuzzy Dynamic Network Slack-Based Measure Aria Xianya Zou and Felix T. S. Chan

【字体: 大 中 小 】 时间:2026年04月14日 来源:Systems 3.1

编辑推荐:

  

  

摘要

对发展中地区城市循环经济(CE)的研究常常忽视了跨部门互动、社会维度、数据不确定性、循环性指标和非线性趋势,这凸显了进行综合性适应性评估的必要性。为了解决这些问题,我们提出了一个综合框架,该框架结合了非线性自回归模型与外生输入(NARX)神经网络以及基于模糊动态网络松弛度的测量方法(DNSBM),用于评估和改善2011至2023年间长江经济带(YREB)107个城市在经济、环境和社会维度上的循环经济绩效。研究结果显示,整体效率在不同评估水平上稳步提高,同时区域和阶段之间的差异也较为明显。下游城市的资源协调更为有效,因此表现更好;而上游城市则具有更大的改进潜力。主要制约因素是社会健康维度,这反映了公共卫生方面的长期投资不足。基于人工神经网络(ANN)的松弛度调整提高了效率估计的准确性。大多数城市需要减少冗余投入、控制污染排放并增加卫生投资。本研究提供了一个封闭式的、多维度的分析框架,能够捕捉时间动态、数据不确定性以及跨部门反馈,从而支持绩效优化和区域-specific的可持续发展路径。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号