复杂性 复杂性 1099 - 0526 1076 - 2787 Hindawi 10.1155 / 2020/6616988 6616988 评论文章 城市低碳可持续发展能力的评价基于TOPSIS-BP神经网络和灰色关联分析 张 魏 1 张 鑫鑫 1 https://orcid.org/0000 - 0002 - 9129 - 8345 刘 方ydF4y2Ba 2 黄 杨ydF4y2Ba 2 谢 Yuwei) 2 兴ydF4y2Ba Baogui 1 公共管理学院 华中师范大学 武汉430079 中国 ccnu.edu.cn 2 工商管理学院 中南财经政法大学经济学和法律 武汉430073 中国 zuel.edu.cn 2020年 22 12 2020年 2020年 1 11 2020年 18 11 2020年 10 12 2020年 22 12 2020年 2020年 版权©2020(音译)等。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

随着工业化和城市化的发展,城市已经成为经济活动的主要载体。然而,城市的长远发展也造成了资源和环境的破坏。因此,客观、科学的评价城市低碳可持续发展能力是非常重要的。城市低碳可持续发展能力的一个指标体系是构建本文和TOPSIS-BP建立神经网络模型来评估北京低碳可持续发展能力,在中国上海、深圳和广州。同时,低碳可持续发展水平的差异程度这四个城市被标准差和变异系数分析,和城市低碳可持续发展能力的影响因素提取了灰色关联分析。结果表明,(1)在四个城市低碳可持续发展的能力上升,减少低碳可持续发展能力的差异;(2)一般认为,一般投资低碳可持续发展越高,水平越高的低碳可持续发展在城市没有得到证实;(3)与时间序列的变化,低碳可持续发展的影响因素功能在同一个城市的影响是不同的,相同的因素在不同的城市低碳可持续发展的能力是不同的。

 中国国家自然科学基金 71804056 71672111 71932004 71803197 中华人民共和国教育部的 18 yjc630250 18 yjc630094 中国博士后科学基金会 2018年m642033 中央大学基础研究基金 31511910801 湖北省软科学项目的技术创新 2019年adc029 1。介绍

绿色发展强调协调互利的经济发展、资源利用和生态环境。坎贝尔( 1)用一个三角形模型研究城市发展规划的重点。他认为,城乡发展必须以可持续发展为愿景之间的冲突和协调经济、环境和社会的利益。目前,绿色发展已经成为社会和经济发展的重要趋势。作为社会经济活动的主要载体,城市扮演着重要的角色在促进经济发展的过程中。根据国家统计局的报告,从2010年到2019年,中国的城市化率从49.95%上升到60.6%,平均每年增长1.065%。城市化的快速发展带来了大量的就业机会和促进了房地产的快速发展,基础设施建设和其他相关产业。这极大地促进了GDP的增长。根据国家统计局的调查,2019年,中国100个城市拥有全国13%的土地和50%的人口,创造了占GDP的73%左右,约占全国62%的商品房销售。然而,城市的快速发展也带来了大量的能源消耗和能源和二氧化碳的排放,和经济发展与资源和环境之间的矛盾越来越激烈的( 2]。排放工业废水和浪费水资源带来了严峻的挑战,城市经济可持续发展的环境。2019年,337年的平均PM2.5浓度全国地市级以上城市36毫克/米3与标准,城市环境空气质量只占46.6%的城市。新经济下正常,如何实现节能减排,提高资源利用的可持续性,减少环境压力城市发展对城市绿色发展已经成为一个重要的挑战。

因此,越来越多的城市绿色可持续发展研究。在研究内容方面,部分研究侧重于城市绿地的规划。Van Herzele和魏德曼( 3)认为,城市绿色空间在很大程度上影响城市生活的质量。因此,他们提出了一个综合指数和利用GIS技术来研究城市绿地的使用( 4];霍尔伍德中校( 5)使用绿色基础设施(GI)方法研究城市绿地的建设,指出经济发展方式影响城市绿地的建设。此外,一些研究主要集中在城市生态环境( 5- - - - - - 7]。索伦( 8强调环境的重要性,建立了指标体系评估城市绿色结构的可持续性。布伦特兰et al。 9)认为,城市环境的可持续发展需要满足经济和社会福利状况改善居民的生活环境质量。一些学者研究城市的绿色发展方面的技术创新和技术( 10, 11]。通过设计一个指标体系,评价一个城市的绿色发展程度也成为研究的一个方面( 12]。在研究方法方面,赵et al。 13)是基于层次分析法(AHP),并使用数据聚类分析研究中国区域创新和开发能力;林和李居住( 14)使用DEA模型来分析中国制造业的绿色增长速度;段et al。 15)基于AHP-entropy方法建立一个指标体系来评价大连低碳经济的发展水平。上述文献的主要焦点是城市生态环境的可持续发展。它更关注城市的可持续发展经济,和研究方法是相对简单的。在更多的数据的情况下,计算量大且容易出错。然而,在新的经济形势下,促进高质量的经济协调发展和生态环境保护的关键是改善城市绿色发展的能力。此外,城市绿色发展能力的评估也需要更完整的评价方法能更客观地评价城市绿色发展能力和分析影响城市绿色发展水平的因素。

北京、上海、深圳和广州是中国大陆经济实力最强四个城市。他们都是国家中心城市,也被称为中国的“一线城市”三大网关。其中,北京是中国的政治中心。截至2019年底,中国的城市化率达到86.6%。“2016中国城市可持续发展报告:测量生态投资和人类发展”指出,北京的人类发展指数在中国城市中排名第二。上海位于长江三角洲,在中国的东部,长江的嘴。2014年,上海的GDP在亚洲在中国城市排名第一和第二。2019年,“中国城市绿色竞争力100强排名”被释放,和上海排名第十。深圳是中国改革开放的窗口。在2012年“世界上最具有经济竞争力城市”名单的经济学家,深圳排名第二; in 2019, it ranked third in the China City Creative Index. Guangzhou is an important central city and international trade center in China. Guangzhou has more than 8,700 national high-tech enterprises, ranking top three in the country in total. The four cities of Beijing, Shanghai, Shenzhen, and Guangzhou are relatively at the leading level in terms of comprehensive strength and competitiveness among the cities in mainland China, with a strong economic foundation and strong scientific research capabilities. Therefore, compared with other cities in China, the four cities of Beijing, Shanghai, Shenzhen, and Guangzhou have relatively high urban green development capabilities and levels. Assess the green development level of these four cities and evaluate the factors affecting the urban green development level. The analysis can serve as a model and reference for the green development of other cities in China.

本文以北京、上海、深圳和广州为研究对象,设计一个指标体系来评价城市绿色发展的水平。基于熵TOPSIS-BP神经网络模型中,绿色发展水平的北京,上海,深圳,广州评估。同时,本文运用灰色关联分析方法来分析影响城市绿色发展水平的因素,为其他城市的绿色发展提供参考。

 2。文献综述 2.1。城市绿色发展研究的内容

一个城市的绿色发展和可持续发展是在同一条直线 16];城市绿色发展的早期研究集中在环境可持续性( 17]。因此,一些学者已经做了很多研究城市绿色空间和生态环境。例如,哈克( 18)进行实证研究在不同的城市,提出了维护城市绿地可持续城市发展,改善环境;Budruk et al。 19)调查在印度城市绿色空间的使用和分析了城市绿地可持续城市绿色发展的重要性;Wolch et al。 20.)比较了美国和中国绿色城市的发展和支持可持续城市绿色发展战略,以保护城市生态;窦等。 21)强调了城市生态环境的重要作用在城市绿色发展,认为实施生态生态城市发展战略是实现城市可持续发展的最有效的方法;吴et al。 22)回顾了在中国城市化和城市生态学的研究,认为中国城市持续快速发展需要建立科学的城市生态系统;Niemela et al。 23, 24)认为,生态城市生活服务体系是至关重要的,和城市的绿色和可持续发展需要合理规划土地资源,提高植被覆盖率,维护生物多样性。

随着经济和社会的发展,可持续发展的概念的深入理解,城市绿色发展的研究内容不再局限于可持续发展的生态环境,应与环境保护相协调的过程中经济发展( 25]。里斯( 26)认为,城市经济学的研究忽视了城市生态环境,并指出有必要制定城市经济可持续发展战略基于生态环境的变化;坎贝尔( 1)认为,研究人员应该以城市可持续发展为主要目标。同时,结合技术来解决经济发展与生态环境之间的不协调的问题;邓普西et al。 27)认为,城市的绿色发展不仅要考虑生态环境也是城市经济的可持续发展;里斯et al。 26, 27]了英国城市发展为研究对象,结合经济和社会方面为城市可持续发展的内容,并讨论了城市形态和社会可持续发展之间的关系。城市化的快速发展和生态环境的快速变化,它是越来越重要的探索之间的协同关系城市政治、经济、生态环境( 28]。城市绿色建筑发展也起着重要的作用在城市绿色发展( 29日]。城市绿地系统的发展可以有效地应对城市化带来的挑战,如保护生物多样性和适应气候变化 30., 31日]。因此,Barles [ 32)评价城市发展的过程,相信在城市消耗能源和资源在开发过程中;它必须考虑对生态环境的影响。这是一个不可避免的问题的绿色发展和可持续发展的城市。

城市的绿色发展主要强调经济的协调发展,生态和社会,优化资源利用率。从上述文献研究可以看出,不同学者有不同的研究方向和重点。这些研究都涉及到城市的绿色发展,如城市绿地的规划和管理,利用城市土地资源,城市生态环境的可持续发展的重要性。然而,上述文献主要强调从macroperspective城市可持续发展的重要性,并没有分析的因素,实现城市绿色发展。因为城市发展需要占用大量的自然资源和其他资源,也需要实现协调发展的经济,环境,社会和城市发展的好处最大化。因此,仍有许多问题需要解决如何提高城市绿色发展的能力和水平。

 2.2。城市绿色发展的评价研究

城市化的快速发展,越来越多的城市绿色发展研究。如何评价城市绿色发展的能力和水平也成为学者们的研究热点。陈的评价内容,和王 33使用面板数据的中国285个城市进行定量分析评价城市绿地。这允许决策者更好地权衡经济发展和自然设施之间的关系。金等。 11使用宏观经济学的两个影响因素和高层次的创新能力评估城市绿色发展的表现。李等人。 3452)设计和开发指标根据济宁,山东,中国。这些指标是经济增长和经济效益、生态环境保护、城市基础设施建设。他们开发了一个综合指数法完全替换多边形对城市的可持续发展能力进行评估。Zhang et al。 10)在中国103个城市作为研究对象,选择两个指标的知识创新和产品创新,并使用一个空间自回归模型来验证的影响创新城市绿色发展的水平。关等。 35了重庆,中国,作为一个例子,结合系统动力学(SD)和地理信息系统(GIS),并提出SD-GIS的动态组合方法。通过建模是重庆的可持续发展水平进行了评估。在评价方法方面,Thinh声称et al。 36)创建了一个土地利用ARC / INFO数据库模式。并通过建模、聚类分析的116个城市在德国进行了想办法促进城市的可持续发展。Thinh声称et al。 36, 37)使用一种改进的熵方法结合专家和熵权重提出的指标体系评价城市循环经济的发展。并提出建议以促进城市循环经济的发展。丁等。 38建立一个指标体系从三个方面:社会、经济、和环境。TOPSIS-entropy方法用来评估287个地市级以上城市的可持续发展水平在中国,和城市可持续发展水平的空间分布进行了分析。孟et al。 39)利用中国31个省的面板数据作为对象建立指标体系和灾难级数方法用于测量的绿色经济发展水平在中国31个省。林和应 40)使用DEA模型评价城市群在中间的绿色发展效率三角洲和长江三角洲和比较他们的绿色发展效率。郑et al。 41)测量了在中国78个城市的绿色发展水平从城市的角度家庭碳排放。

从上面的评价对城市绿色发展的研究,可以发现,大多数学者使用的方法建立一个指标体系来评价城市绿色发展的水平。然而,大多数的这些指标关注城市绿地规划和生态环境,而很少有研究考虑经济发展、生态环境和社会发展。它是缺乏对科学研究和创新的关注。在改善城市绿色发展的能力,绿色技术创新中发挥着重要作用可持续的经济增长和缓解环境压力。此外,大多数现有的研究使用层次分析法、熵值法、TOPSIS来确定指标权重,计算城市绿色发展的综合水平。这些研究方法是主观的。卡恩( 42)认为,选择多个指标和添加通过客观权重的方法可以在一定程度上解决主观的问题。本文总结了现有的研究学者和增加了绿色创新技术的指标。本文采用TOPSIS-BP神经网络方法评价绿色发展回顾四个城市的北京,上海,深圳,广州,更客观。此外,本文还利用灰色关联分析等方法提取城市绿色发展的影响因素,分析的重要因素,并为其他城市的绿色发展提供一定的参考。

 3所示。研究设计 3.1。模型建设

熵的TOPSIS方法可以消除主观错误和相对客观地衡量每个评价指标的权重和城市的绿色发展水平。标准的BP神经网络可以学习。训练后,它可以稳定地模拟专家的评估,确定每个指标的权重,减少主观因素的影响在不同的情况下,也让每个城市的绿色发展水平。BP神经网络可以验证结果的熵TOPSIS方法,以便更真正反映城市绿色发展的水平。

然而,熵TOPSIS法和BP神经网络可以测量不同城市的绿色发展水平。不过,不同的城市有不同的资源禀赋、资源分配、位置条件和外部环境,这将导致绿色发展水平的差异和影响因素之间的城市。因此,有必要使用标准差和变异系数定量测量程度的差异和使用灰色关联分析来确定的因素导致的差异。

3.1.1。熵权TOPSIS)

熵方法是客观权重确定方法,可用于测量已知的重量数据 43]。鲁宾斯坦( 44)提出了一种熵权评价方法来确定指标权重,用于评估三峡水库的水质。赵et al。 45)也使用熵方法确定指标权重,评估环境脆弱性;太阳et al。 46]使用熵TOPSIS评价模型评价的影响绿色技术创新对战略性新兴产业的生态经济效益。为了真正反映中国一线城市的绿色发展能力,本文使用了一个相对客观的熵方法确定每个指标的权重。具体步骤如下。

首先,原始数据必须标准化。绿色发展能力的指标,衡量中国一线城市有不同的尺寸和方向。为了避免数据之间的影响,所有的指标都应该规范化的方向数据显示。因为对城市绿色发展不同的指标有不同的影响,这些指标 y 我 j 可分为积极的指标吗 y 我 j + 和消极的指标 y 我 j − 。公式如下:

积极的指标:

(1) y 我 j + = x 我 j − 最小值 x 1 j , x 2 j , … , x n j 马克斯 x 1 j , x 2 j , … , x n j − 最小值 x 1 j , x 2 j , … , x n j 。

消极的指标:

 (2) y 我 j − = 马克斯 x 1 j , x 2 j , … , x n j − x 我 j 马克斯 x 1 j , x 2 j , … , x n j − 最小值 x 1 j , x 2 j , … , x n j ,

x 我 j j指数吗 我区域, 最小值 x 我 j 样本数据的最小值, 马克斯 x 我 j 样本数据的最大值。

其次,熵 H j 计算。这个公式是 (3) H j = − k ∑ f 我 j × ln f 我 j , 在哪里 k = ln 米 − 1 和 f 我 j 的归一化值吗 y 我 j 。因为的范围 y 我 j 是 0 1 ,我们归一化 y 我 j 由公式( 4)保证 ln f 我 j 是有意义的: (4) f 我 j = 1 + y 我 j ∑ 我 = 1 米 1 + y 我 j 。

最后,计算权重: (5) W j = 1 − H j n − ∑ j = 1 米 H j 。

然后,结合加权Topsis法来计算的绿色发展能力从2009年到2018年在中国大陆一线城市。加权Topsis也被称为距离方法优越的伪劣的解决方案。因为它可以充分利用原始数据,以反映每个评估计划的优势和劣势,它用于计算的绿色发展能力北京、上海、深圳和广州。Rashidi和Cullinane 47]应用Topsis可持续的供应商评估,发现Topsis优于DEA计算复杂度和对供应商的数量的变化。多斯桑托斯et al。 48)使用指标值确定环境标准来评估和选择在家具行业绿色供应商;在[ 49),加上指标值,多属性决策的效率的影响分析了报废汽车逆向物流行业提高资源利用的效率。

具体步骤如下:

首先,权衡预处理数据。用预处理数据与相应的指标权重获得加权标准化决策矩阵:

(6) 一个 = 一个 我 j = Z 我 j × W j

其次,建立积极的理想溶液分别向量 一个 j + 和负理想解向量 一个 j − :

 (7) 一个 j + = 马克斯 一个 1 j , 一个 2 j , 一个 3 j , … , 一个 米 j , 一个 j − = 最小值 一个 1 j , 一个 2 j , 一个 3 j , … , 一个 米 j 。

第三,计算最优的距离,最糟糕的距离。欧几里得计算公式用于计算最优的评估值向量的距离正理想解和最糟糕的距离负理想的解决方案。最优和最差的距离计算公式,分别

 (8) d j + = ∑ j = 1 n 一个 我 j − 一个 j + 2 , d j − = ∑ j = 1 n 一个 我 j − 一个 j − 2 。

最后,计算每个评价对象的亲近。亲密表示每个评价对象之间的亲密无间的最佳距离。值越大,越接近评价对象的最优水平。

计算公式是 (9) B 我 = d 我 − d 我 − + d 我 + , 0 ≤ B 我 ≤ 1。

3.1.2。神经网络模型结构

BP神经网络是一个多层前馈神经网络训练误差反向传播算法,它可以做出重要贡献的发展更快的学习算法和研究[ 50]。神经元是神经网络的基本单元。为 我th神经元, X1, X2、… X j神经元的输入,输入往往是有关键影响的自变量系统模型,然后呢 W 1 , W 2 , … , W j 是连接权重调整每个输入的比例。结构,BP网络输入层、隐藏层和输出层;从本质上讲,网络的BP算法采用平方误差作为目标函数,并使用梯度下降法来计算目标函数的最小值。因此,利用BP神经网络来预测和评价更加客观和科学。彭和赖 51)用神经网络模型来评估旅游电子商务服务创新的有效性。李,王 52)使用BP修正模型来预测印度对外国石油的依赖。Zhang et al。 53)基于BP神经网络建立了一个评价模型来评估城市精明增长计划。

BP神经网络模型的计算过程如下:

模型构建与完整的连接层:

(10) α j = ∑ 我 = 1 d w 我 j ∗ x 我 ,

w 我 j 是重量和 x 我 是每一层的输入。

激活函数

 (11) b j = f α j − γ j 。

计算错误:

 (12) E k = 1 2 ∑ h = 1 l y h k ′ − y h k 2 。

更新每个重量与链式法则:

 (13) w j h ′ = w j h − η ∗ ∂ E ∂ w j h 。

重复执行最小化代价函数值。

3.2。城市绿色发展的分析方法 3.2.1之上。标准差和变异系数

本文用标准偏差和变异分析城市绿色发展的不同特点的能力。标准差和变异系数越大,差异越大绿色城市之间的开发能力。Bobinaite et al。 54]组合标准差和变异系数分析价格特征(波动性和峰值)立陶宛和波兰day-a-day电力市场为了更好地理解价格形成过程中在波兰和立陶宛的电力市场,提供了理论依据为国家实现国家能源政策和措施。标准差和变异系数的计算公式 (14) δ 2 = 1 n ∑ 1 n X 我 j − 1 n ∑ 1 n X 我 j 1 / 2 , 在哪里 δ 2 表示标准偏差的城市绿色发展能力在研究期间, 1 / n ∑ 1 n X 我 j 是绿色发展的平均水平的能力 n的城市 我th, n是城市的数量在哪里 X 我 j 绿色发展的能力吗 j的城市 我的一年。

记录平均值 米 = 1 / n ∑ 1 n X 我 j 代表平均绿色发展的能力 n的城市 我的一年。变异系数(C·V)是标准差的比值的意思。值越大,城市绿色发展能力差距越大。

 3.2.2。灰色关联分析

系统的发展往往受到许多因素的影响,每个因素对系统的影响是不同的。灰色关联分析没有要求样品的大小和规律,可以判断连接关系密切的相似序列曲线的几何形状。曲线越接近,相应序列之间的相关性就越大,反之亦然。相关学者也实际应用灰色关联分析方法研究。灰色关联分析方法用于确定碳排放的因素有很强的相关性,这对减少碳排放提供了一个理论基础( 55]。太阳和唐 56]以湖南省12个城市为实证分析对象,并利用灰色关联分析方法,发现科技人员和经济发展之间的相关性大于科技支出与经济发展之间的关系。因此,灰色关联分析方法用于提取的因素影响城市的绿色发展的能力。

具体步骤如下:

确定比较序列与参考序列。取指数来衡量中国的一线城市的绿色发展能力作为比较序列 X 1 k 北京,绿色发展能力,从2009年到2018年上海、深圳和广州作为参考序列 X 0 k 。

预处理比较序列与参考序列。这个公式是

 (15) X 我 ′ k = X 我 j 1 / n ∑ 我 n X 我 j , X 0 ′ k = X 0 k 1 / n ∑ 我 n X 0 k 。

得到一个新的比较序列 X 我 ′ k 与参考序列 X 0 ′ k 。

计算灰色关联系数。找到之间的绝对差预处理比较序列和参考序列 Δ 0 我 k ;其中, Δ 0 我 k = X 我 ′ k − X 0 ′ k 。,获得最大的区别 米和最小差异 米。根据公式,

 (16) δ 0 我 k = 米 + ρ 米 Δ 0 我 k + ρ 米 。

灰色关联系数计算, ρ0.5是分辨率系数,更好。

计算每一个指标的相关系数对整个系统 r X 0 , X 我 ,在那里 X 0 , X 我 = ∑ k = 1 n δ 0 我 k / n 。在这个时候,每个元素之间的关联度指标和相应的元素在父序列可以获得。相关程度越高,影响绿色发展能力越强。

3.3。指标测定 3.3.1。建设指标体系

指标体系的建设需要系统、客观、科学。根据城市绿色发展的概念和内涵,本文构建的指标体系综合评价城市绿色发展。辛格et al。 57编译与可持续发展相关的指标,从三个方面的经济,环境,和社会提出的使用总废水、固体废物、网络通信和其他指标来评估城市的可持续发展水平。24个指标测定评价可持续发展的水平,包括观测指标的土壤、水、空气、和其他因素 58]。哦,et al。 59发现,城市的可持续发展能力是与人类活动有关,但城市的承载能力是有限的。因此,保持城市可持续发展需要协调的输入和输出。例如,在使用土地、水和其他资源的生产和发展,增加投资在技术管理控制废水和废气的产生,提高城市的承载能力。冯et al。 60)建立了一个基于资源消耗指标体系和经济社会发展和评估中国城市绿色发展转型的两个阶段的输入和输出。

研究表 1构造一个绿色发展评价指标体系主要从输入和输出的角度。输入指标包括资本、劳动力和能源消费,和输出指标包括国内生产总值、有限公司2排放,所以2排放。因此,指上述研究成果,本文主要从输入和输出的角度构建中国城市绿色发展的评价指标。其中,绿色输入评价指标包括两个方面:技术输入和资源利用率;绿色的输出包括两个方面:环境影响和经济影响。

研究绿色发展能力的评价指标体系。

数量 作者 研究领域 指数
1 (元et al。) 61年] 中国山东半岛集团城市 “非资源”输入,进行了资源输入、理想和非理想的输出输出
2 (风和王)( 62年] 中国 能源、劳动力、资本、GDP和二氧化碳排放
3 (邱等。) 63年] 徐州城市集团,中国 固定资产投资,员工人数在整个社会,能源消费总量、GDP和工业二氧化硫排放量
4 (朱等。) 64年] 在中国大陆31个省市 资本存量、劳动力、能源消费、GDP和二氧化碳排放
5 (郭et al。) 65年] 34个城市在中国东北 从投入产出的角度来看,构造评价指标,主要包括指标,如资本、劳动力、资源消耗、技术进步、经济发展、工业废水、工业2,工业粉尘
6 (马等)。 66年] 在中国285个地市级城市 从投入产出的角度来看,建设包括资本存量、员工人数、总供水、年度用电量,GDP,人均可支配收入,绿色覆盖率,公共财政支出,工业污水排放点2.5,所以2评价指标体系,包括城市登记失业率
7 (风等)。 67年] 全球165个国家 能源消耗、劳动、资本、国内生产总值(GDP)2排放,有限公司2排放
8 (锅等。) 68年] 中国 劳动力、能源消耗和资本存量、GDP、有限公司2排放
9 (陈等。) 69年] 中国 构建绿色发展评价指标包括劳动、资本、能源消耗、预期输出和糟糕的输出。
10 (邵等。) 70年] 中国上海 构建投入产出指标包括总工业产出、资本、劳动力、能源消耗、碳排放等。

绿色投资评价指标体系包括技术投资和资源利用率。输入包括技术研发支出、固定资产投资在第三产业,研发机构,研究和实验开发人员、国家科技奖项,和数量的专利授权。一个城市的绿色发展与经济结构,以及第三产业固定资产投资的增加可以反映经济发展结构的改进。与此同时,绿色和可持续发展离不开技术创新。研发支出、研究开发机构的数量,研发和测试人员,国家科技奖项,以及专利授权数量都会反映城市的科学研究和开发在开发过程中。对技术创新的支持。资源利用包括能源消费总量,每10000元国内生产总值能耗、工业固体废物的综合利用,工业废料的综合利用,总用水量。能源消费总量、区域GDP能耗10000元,和总用水量可以反映出城市发展的资源利用率和利用效率。工业固体废物的综合利用和综合利用工业废料率可以反映出城市在资源回收的能力。

绿色的产出评价指标体系包括环境和经济方面。这个城市在发展过程中会产生经济效益,但它也会影响生态环境。在环境方面,产生的工业固体废物,废水排放的总量,和工业废气排放会破坏生态环境,同时增加的工业固体废物处置量和森林覆盖率将对生态环境有积极的影响。经济影响包括GDP总量、技术市场成交额,第三产业的附加值,减少能源消耗的速度地区国内生产总值为10000元。总GDP能反映经济发展的整体水平。技术市场成交额,第三产业的附加值,减少能源消耗的速度每10000元地区GDP能反映经济增长的结构和反映城市绿色经济发展的程度。表 2总结了上述评价指标。

指标体系。

系统 指示器 变量
绿色投资 科技投资 研发支出(1亿元)
在第三产业固定资产投资(1亿元)
研究开发机构的数量(一)
研究和实验开发人员(人)
国家科学技术奖励(物品)
授予的专利数量(项)
资源利用率 能源消费总量(10000吨标准煤)
每10000元地区GDP能耗(吨标准煤)
工业固体废物综合利用(10000吨)
综合利用工业废料率(%)
总用水量(1亿立方米)
绿色的输出 环境影响 产生的工业固体废物量(10000吨)
工业固体废物处置(10000吨)
森林覆盖率(%)
污水排放总量(10000吨)
工业废气排放量(吨)
经济的影响 国内生产总值(1亿元)
技术市场成交额(1亿元)
第三产业增加值(1亿元)
减少每10000元国内生产总值能耗率(%)
3.3.2。数据源

为了确保数据的权威和可用性,本文中的数据来自“中国城市统计年鉴》(2010 - 2019)”和“中国区域经济统计年鉴》(2010 - 2019)。“北京的数据也从“北京统计年鉴》(2010 - 2019年),“上海的数据从“上海统计年鉴》(2010 - 2019),”和深圳的数据从“深圳统计年鉴》(2010 - 2019),“广州市数据来自“广州统计年鉴》(2010 - 2019)。“除此之外,它还包括了各个地区的经济和社会发展统计公报。

 4所示。实证研究 4.1。TOPSIS-BP神经网络模型的结果

根据上面介绍熵TOPSIS法,本文采用面板数据的北京、上海、深圳和广州从2009年到2018年的绿色发展水平计算北京、上海、深圳和广州从2009年到2018年。计算结果如表所示 3。

测试结果基于topsis模型。

年 测试结果
北京 上海 广州 深圳
2009年 0.192 0.398 0.319 0.307
2010年 0.155 0.379 0.302 0.298
2011年 0.193 0.335 0.218 0.379
2012年 0.238 0.304 0.205 0.474
2013年 0.697 0.332 0.228 0.384
2014年 0.280 0.423 0.244 0.447
2015年 0.293 0.441 0.262 0.439
2016年 0.308 0.509 0.261 0.459
2017年 0.313 0.514 0.605 0.544
2018年 0.358 0.569 0.692 0.545

后使用TOPSIS方法获得的绿色发展水平四个城市北京、上海、深圳和广州,本文使用BP神经网络改造和验证结果。太阳和高 71年)使用Adaboost-BP神经网络模型在评估中国的电力工业的节能潜力,相信它比传统的方法更加准确。李等人。 72年)使用主成分分析(PCA)和反向传播(BP)神经网络模型来处理因素和指标来评估和分析在中国35智能城市的发展模式。因此,使用TOPSIS-BP神经网络模型来评估和分析城市绿色发展水平更准确和客观。

本文有40的样本城市绿色发展数据,其中36个样本作为训练样本数据,和其他4组数据作为验证数据。首先,使用PyCharm作为编码工具和pytorch深度学习框架来构建BP神经网络模型。收集到的40个数据上执行数据清理,删除数据和更多的null值,使用中值方法插入null值,消除和规范数据之间的差异不同的特征。第二,建立一个模型。这个模型使用4层的神经元,其中隐藏的图层是2。输入神经元是19日,神经元的数量是30和10,神经元的输出是1,ReLU函数作为隐层的激活函数。增加数据的离散性,学习速率为0.0001,和训练样本的数量是1000。

准确和客观的训练样本可以确保输出结果在更大程度上的准确性。为了确保客观、准确的评价区域绿色发展功能,选择第一个36个样本数据中40个数据作为训练集,输入向量 X= ( X_1, X_2、… X_36]。根据TOPSIS方法的计算结果作为神经网络的输出结果,目标输出向量 Y= ( Y_1, Y_2、… Y_36]。在输出结果后,使用Python的Matplotlib比较预期的结果与实际结果。表 3显示了比较的实际值和预测值TOPSIS-BP神经网络模型。

基于TOPSIS-BP神经网络模型的测量结果之间的符合程度,实际值和预测值从图可以更直观地观察到 1。

TOPSIS-BP神经网络模型的拟合曲线。

结合表 4和图 2可以看到,它的实际价值很好测试样本的预测价值。TOPSIS和BP神经网络模型计算的数据是一致的。虽然有一定的误差,但误差很小,最大误差为0.00423。此外,数据的验证数据是实际值(0.43888223,0.45845163,0.5440791,0.5455292),预测的值(0.438819,0.458668,0.543993,0.545479),误差很小。可以看出,当BP神经网络用于评估,减少主观因素的影响在某种程度上,它可以有效地评估和分析复杂的问题。此外,训练BP神经网络模型可以被保留,只要指标数据输入,其他城市的绿色发展水平可以进行测试。

TOPSIS-BP比较实际值和预期值的神经网络模型。

年 期望值 预测价值 相对误差(%)
北京
2009年 0.1918 0.1918 0.0074
2010年 0.1548 0.1548 0.0258
2011年 0.1931 0.1931 0.0199
2012年 0.2381 0.2383 0.0498
2013年 0.6968 0.6968 0.0003
2014年 0.2803 0.2805 0.0739
2015年 0.2927 0.2925 0.0480
2016年 0.3077 0.3075 0.0416
2017年 0.3127 0.3126 0.0427
2018年 0.3584 0.3584 0.0009
上海
2009年 0.3977 0.3982 0.1151
2010年 0.3789 0.3794 0.1469
2011年 0.3352 0.3354 0.0616
2012年 0.3042 0.3043 0.0549
2013年 0.3317 0.3320 0.1143
2014年 0.4226 0.4216 0.2325
2015年 0.4409 0.4410 0.0220
2016年 0.5086 0.5097 0.2247
2017年 0.5137 0.5137 0.0076
2018年 0.5694 0.5695 0.0161
广州
2009年 0.3190 0.3191 0.0399
2010年 0.2885 0.2885 0.0075
2011年 0.2085 0.2087 0.0970
2012年 0.2008 0.2025 0.8326
2013年 0.2274 0.2263 0.4907
2014年 0.2450 0.2453 0.1252
2015年 0.2632 0.2590 1.6083
2016年 0.2621 0.2655 1.3161
2017年 0.6150 0.6151 0.0240
2018年 0.6978 0.6977 0.0277
深圳
2009年 0.3068 0.3057 0.3457
2010年 0.2981 0.2994 0.4331
2011年 0.3793 0.3790 0.0806
2012年 0.4743 0.4743 0.0099
2013年 0.3843 0.3849 0.1608
2014年 0.4474 0.4473 0.0106
2015年 0.4388 0.4389 0.0144
2016年 0.4587 0.4585 0.0472
2017年 0.5440 0.5441 0.0158
2018年 0.5455 0.5455 0.0092

2009 - 2018年北京、上海、深圳和广州城市绿色发展的能力。

 4.2。绿色发展的不同功能

基于收集到的样本数据,原始数据标准化后,结合加权Topsis-BP神经网络模型中,北京的绿色发展的能力,在2009 - 2018年上海、广州和深圳可以计算。同时,标准差和变异系数来衡量绿色开发能力差的程度在不同的城市之间。

总的来说,绿色发展能力的北京、上海、深圳和广州正在改善的波动,但不同的城市不同的特征。从发展水平的角度来看,相比之下,北京、广州、上海、和深圳有更高的绿色发展能力,最高的值出现在2018年,分别达到0.569和0.545。然而,在研究期间,上海的绿色发展能力经历了一个先下降,然后上升的过程。这个最小值出现在2012年,达到0.304。事实上,上海是中国的金融、贸易、科技创新中心和高新技术产业主要由集成电路、软件、生物医学和强烈的绿色发展的能力。深圳是一个全国性的物流中心和一个国际科技产业创新中心,和PCT国际专利申请总数排名第一的国家连续14年,这表明,技术创新具有显著的影响在改善城市的绿色发展的能力。

广州的绿色发展能力经历了三个明显的阶段。其中,从2009年到2012年,绿色发展能力逐年下降,但下降的速度相对缓慢。从2013年到2016年,广州的绿色发展能力在慢慢改善,只有从0.228到0.261。在这个时候,在四个城市,广州的绿色发展能力是最后一个。2016年之后,广州的绿色发展能力迅速改善,平均年增长率远高于其他三个城市,在2017 - 2018年,绿色发展能力的四个城市中排名第一。绿色北京的发展能力是慢慢改善,在2013年达到顶峰,但其绿色发展能力相对较低。在2009 - 2011和2017 - 2018年,底部的绿色发展能力的一线城市。

从图可以看出 3,整个城市绿色投资水平的北京、上海、深圳和广州有波动上升,表现出一定的差异在不同的城市。在研究期间,北京和上海保持相对较高的绿色投资,四个城市中排名第一在2009 - 2011和2012 - 2016。在这四个城市,广州的底部绿色投资水平在2009年至2016年之间,和进步非常缓慢。与其他城市有很大的差距。然而,自2016年以来,广州的绿色投资水平。它一直在快速提高,绿色投资水平在四个城市中位列第一。绿色投资水平在深圳经历了一个不断上升的过程首先,下降,然后缓慢上升,显示整体波动和上涨的趋势。2017年之后,四个城市的绿色投资水平已经进入了一个平坦的阶段。

2009 - 2018年北京、上海、深圳和广州城市绿色投资。

一般来说,从2009年到2018年,四个城市的绿色的产出水平上升的波动,和绿色的产出水平不同的城市都有自己的进化趋势图 4。北京绿色产出的水平一直低于其他城市,在最后的四个城市。但是,2013年,北京的绿色输出电平达到0.751,排名第一的四个城市之一。上海和广州的绿色输出曲线呈“U”形和经历了一个过程的首次下降,然后缓慢上升,并在2018年达到最大值。深圳绿色输出电平高于其他城市从2011年到2016年,四个城市中排名第一,但在2016年,它显示一定程度的下滑趋势。

2009 - 2018年北京、上海、深圳和广州城市绿色的产出水平。

标准偏差和变异系数指标来衡量城市绿色发展能力之间的差异。总的来说,标准差和变异系数显示类似的进化趋势,并且都经历了一个过程,首先在图变得更大,然后变得更小 5。从2009年到2013年,标准偏差和变异系数逐年增加,表明城市绿色发展能力的差异逐渐扩大。从2014年到2018年,标准差和变异系数逐年下降,表明城市绿色发展能力之间的差异逐渐缩小。事实上,自2014年以来,中国经济逐渐进入“新常态”,从要素驱动、投资驱动的创新驱动,不仅新兴产业的作用,服务行业,小型和微型企业,但也生产钢铁、水泥、电解铝、等行业已逐渐意识到“de-capacity”和资源浪费和环境污染问题的逐步解决,已逐渐减少了城市绿色发展差距。

2009 - 2018年北京、上海、深圳和广州城市绿色发展水平指数的差异。

 4.3。城市绿色发展水平的影响因素

研究的绿色发展能力影响因素的北京、上海、深圳和广州具有重要意义,如何提高绿色发展能力,实现区域的可持续发展。因此,利用灰色关联分析方法,根据每个元素的灰色关联系数的大小,筛选出影响绿色发展能力的因素。它可以发现存在明显的时空差异影响因素的绿色发展能力在2009 - 2018年。

在相同的时间序列下,北京绿色发展能力的影响因素,上海、广州和深圳表现出一定差异。从表 5,可以发现,从2009年到2013年,绿色发展能力影响因素的四个主要城市是完全不同的。其中,专利授权的数量和工业废气的排放是主要的影响因素的改善绿色北京和深圳的开发能力。总能耗的主要因素影响的绿色发展能力的提高上海和广州,最后影响因素不同程度的影响在不同城市的绿色发展能力。森林覆盖率,固定资产投资在第三产业,研发和实验人员和研究开发机构是最后的数量影响因素的绿色发展能力北京,上海,广州和深圳。同时,相同的影响因素对不同城市不同程度的重要性。研究开发机构的数量已经第二次在广州的影响,但影响深圳是20。工业废气排放的影响在深圳居第一位,但影响上海排名19。

2009 - 2013年城市绿色发展的灰色关联系数的能力北京、上海、深圳和广州。

变量 北京 排名 上海 排名 广州 排名 深圳 排名
研发支出 0.780 6 0.633 17 0.501 19 0.675 9
在第三产业固定资产投资 0.801 3 0.617 20. 0.557 11 0.699 7
研究开发机构 0.747 12 0.686 11 0.830 2 0.579 20.
研究与试验发展人员 0.769 9 0.689 10 0.454 20. 0.715 5
国家科技奖项 0.674 17 0.901 2 0.518 18 0.629 15
授予的专利数量 0.806 1 0.751 6 0.530 14 0.715 4
能源消费总量 0.726 15 0.903 1 0.911 1 0.736 3
每10000元地区生产总值能耗 0.701 16 0.684 12 0.544 12 0.659 12
工业固体废物的综合利用 0.769 10 0.871 3 0.785 3 0.615 18
综合利用工业废料 0.777 8 0.837 4 0.685 5 0.663 11
总用水量 0.778 7 0.743 7 0.618 10 0.765 2
工业固体废物产生 0.733 14 0.630 18 0.527 15 0.649 13
工业固体废物处置 0.667 18 0.740 8 0.666 6 0.617 17
森林覆盖的速度 0.611 20. 0.761 5 0.643 8 0.580 19
污水排放总量 0.737 13 0.695 9 0.745 4 0.685 8
工业废气排放 0.756 11 0.623 19 0.634 9 0.781 1
国内生产总值 0.784 4 0.656 15 0.524 17 0.703 6
技术市场成交额 0.802 2 0.660 13 0.536 13 0.623 16
第三产业增加值 0.782 5 0.655 16 0.525 16 0.671 10
每10000元国内生产总值能耗率减少 0.658 19 0.657 14 0.645 7 0.649 14

从表可以看出 6与2009 - 2013年相比,绿色开发能力影响因素的四个主要城市在2014 - 2018年仍然是完全不同的。其中,研发和实验人员的主要因素影响北京和上海的绿色发展能力的提高。专利授权的数量和技术合同的事务量影响因素的改善广州和深圳的绿色发展的能力。国家科技奖项和工业固体废物的综合利用是过去北京和上海的绿色发展能力影响因素,分别。工业废气排放是最后的绿色发展能力影响因素广州和深圳。同时,相同的影响因素对不同城市不同程度的重要性。研究和实验开发人员是第一因素,影响北京和上海的绿色发展功能,但对广州的影响排名第15。技术合同成交额的影响在深圳居第一位,但影响上海排名第12。

2014 - 2018年中国的一线城市绿色发展能力灰色关联系数。

变量 北京 排名 上海 排名 广州 排名 深圳 排名
研发支出 0.899 7 0.841 10 0.851 4 0.693 5
在第三产业固定资产投资 0.913 4 0.851 9 0.784 9 0.698 3
研究开发机构 0.870 11 0.922 3 0.818 8 0.684 9
研究与试验发展人员 0.929 1 0.982 1 0.655 15 0.680 13
国家科技奖项 0.598 20. 0.609 16 0.784 10 0.655 15
授予的专利数量 0.919 3 0.776 11 0.874 1 0.719 2
能源消费总量 0.724 13 0.494 19 0.578 19 0.621 19
每10000元地区生产总值能耗 0.921 2 0.967 2 0.781 11 0.681 12
工业固体废物的综合利用 0.622 18 0.462 20. 0.745 12 0.623 17
综合利用工业废料 0.676 17 0.577 17 0.655 16 0.622 18
总用水量 0.902 5 0.691 14 0.839 6 0.688 8
工业固体废物产生 0.870 10 0.912 4 0.662 14 0.684 10
工业固体废物处置 0.677 16 0.620 15 0.627 18 0.665 14
森林覆盖的速度 0.763 12 0.878 6 0.851 3 0.693 6
污水排放总量 0.690 15 0.894 5 0.727 13 0.684 11
工业废气排放 0.715 14 0.508 18 0.504 20. 0.566 20.
国内生产总值 0.900 6 0.866 8 0.828 7 0.692 7
技术市场成交额 0.886 9 0.723 12 0.855 2 0.749 1
第三产业增加值 0.895 8 0.867 7 0.847 5 0.694 4
每10000元国内生产总值能耗率减少 0.620 19 0.697 13 0.644 17 0.643 16

随着时间序列变化,影响绿色开发能力的因素相同的城市也正在改变。从2009年到2018年,影响北京的绿色发展能力的主要因素从授予的专利数量和实验研发人员的数量;影响上海的绿色发展能力的主要因素已经从能源消费总量和实验研发人员的数量;的主要因素影响广州的绿色发展能力已经从能源消费总量授予的专利数量;的主要因素影响深圳的绿色发展能力已经从工业废气排放技术合同成交额。

在这两个时期的2009 - 2013和2014 - 2018年,专利资助的数量,研究和实验开发人员,技术合同成交额,第三产业固定资产投资,第三产业增加值,能源消费总量出现超过3次在4个城市五大影响因素。这表明,重视科技创新,降低单位能耗,提高资源利用率改善绿色发展能力尤为重要。

 5。讨论

本文基于绿色发展能力的评价指标体系的四个城市在北京,上海,深圳,广州,基于面板数据由每个城市在2009 - 2018年出版。本文结合熵方法、加权topsis和BP神经网络测量绿色发展能力,绿色输入电平,输出和绿色这四个城市从2009年到2018年的水平。在此基础上,四个城市的绿色发展水平和城市绿色发展差异进行了分析,然后是灰色关联分析方法用于识别的因素影响城市的绿色发展。

研究结果表明,第一,城市绿色发展水平的北京、上海、深圳和广州有明显改善,但存在明显的时空差异。其中,上海和深圳的绿色发展能力相对高于北京和广州。广州的绿色发展能力提高最快的,从过去的2012 - 2016年第一次在2017年。第二,绿色输入级和输出级波动增加,但也有明显的差异。其中,北京绿色输入电平的基本上是在四个城市的前沿,但绿色的输出电平基本上是在底部。第三,绿色发展的差异在北京、上海、深圳和广州都经历了一个扩大和缩小的过程。其中,中国经济进入一个新的正常发挥了重要作用在减少绿色发展城市之间的差异。第四,在同样的时间序列,北京的绿色发展能力影响因素,上海、广州和深圳表现出一定差异。此外,随着时间序列的变化,影响绿色开发能力的因素相同的城市也正在改变。其中,影响绿色发展能力的主要因素的北京和上海已经改变了的专利授权数量和总能源消耗的数量和实验研发人员。 The primary factors affecting the green development capabilities of Guangzhou and Shenzhen have changed from total energy consumption and industrial waste gas emissions to patent authorization and technology contract turnover. It can be seen from these changes that technological innovation and resource utilization efficiency are becoming more and more important to the level of urban green development and have become the main influencing factors.

 6。结论

国民经济的持续快速发展推动了城市的快速发展。然而,在城市发展的过程中,资源浪费和环境污染等问题的出现在所难免。城市绿色发展有利于提高城市的竞争力和协调社会经济发展和环境之间的关系。因此,城市绿色发展将成为一种趋势。本文建立一个指标体系来评价城市绿色发展的水平,使用TOPSIS-BP神经网络模型,模型的绿色发展水平北京,上海,深圳,广州,用灰色关联分析的因素影响城市绿色发展的水平。发现,在城市绿色发展的过程中,绿色技术创新发挥了重要作用。

本文的贡献主要有几个,首先理论意义:首先,当前城市绿色和可持续发展的研究主要集中在城市土地资源的规划和保护生态环境的一个macroperspective [ 73年- - - - - - 76年]。分析具体因素影响城市绿色发展水平,在一定程度上弥补了缺乏具体的影响因素分析现有研究的城市绿色发展水平。其次,地区差异的内涵丰富和扩大。每个城市都有不同的资源禀赋、资源分配、位置条件和外部环境,这将不可避免地导致地区之间的差异( 77年- - - - - - 79年]。事实上,本文利用灰色关联度分析方法发现,在同样的时间序列,北京的绿色发展能力影响因素,上海、广州和深圳表现出一定差异。这表明有不同地区绿色发展能力的差异,并进一步证明了地区差异客观存在,丰富了区域差异的内涵。

与此同时,本文还具有一定的现实意义。首先,本文使用topsis-bp神经网络模型来评估和分析城市绿色发展的水平,更准确和客观。BP神经网络具有良好的学习能力,可以提供一定的理论和实践参考评估其他城市的绿色发展水平。此外,本文构造一个城市绿色发展评价指标体系的输入和输出。这个指标体系考虑经济和环境影响的技术输入和资源利用率,并能科学地衡量绿色发展的水平。一线城市如北京、上海、广州和深圳可以根据这个指标体系制定相关的政策来改善他们的绿色开发能力。最后,研究样本是北京、上海、深圳和广州,四个在中国的发达城市。这四个城市处于领先地位在中国大陆的经济实力和科研力量。这也是重要的参考价值的其他地区的绿色发展政策的制定。

针对以上研究结论,为了促进中国城市绿色发展能力的提高,本文以下建议:

首先,增加投资在科技和绿色技术创新。从文章的数据分析结果,与能源消耗和“三废”排放,绿色技术创新日益成为城市绿色发展过程中的一个重要因素。此外,技术创新可以有效地提高生产效率和减少能源消耗,这是绿色城市的发展具有重要意义。Cai和商 80年)认为,科学和技术的进步有利于提高城市生态系统的承载能力,从而提高城市的绿色发展水平。李和罗 81年)认为,科学技术已成为影响可持续发展的一个重要因素。方等。 82年]发现足够的技术支持过程中有着重要的作用,提高城市的可持续发展,改善生态环境,发展绿色城市。

其次,建立和完善相关的法律和政策城市绿色发展和建立一种绿色发展。生产和生活活动对城市的发展有重要的影响。加强生产活动的监督在一定程度上可以减少企业和生产单位的行为,破坏城市的绿色发展。提高公众的绿色发展的意识可以在一定程度上增强居民愿意生活在一个绿色的生活方式,还可以增加公众参与政府绿色经济活动的监督管理和加强。霍金斯和王 83年)发现的基础上,美国政府的一项全国性调查计划和增加公众参与的意愿对城市生态环境和可持续发展至关重要。

最后,提高资源利用率,发展绿色经济。实现城市的绿色发展,有必要协调城市的发展与资源和环境。也就是说,如何科学地使用有限的资源,提高资源的利用率,发展绿色经济的绿色发展是至关重要的。王等人。 84年]研究9城市绿色发展的珠江三角洲和提出,城市绿色发展要加强能源利用结构,构建一个低碳回收产业体系。

本文主要使用TOPSIS-BP神经网络模型来评估四个城市的绿色发展水平在北京、上海、深圳、广州和分析影响城市的绿色发展水平的因素通过灰色关联分析方法。这篇文章具有一定的合理性和客观性的研究内容和研究方法。但是,本文仍有一些不足之处:首先,一些城市发展的区域特征,城市的绿色发展也是独一无二的。本文选择的样本地区经济发达的地区,可能会带来更大的参考意义缺乏一定程度的普遍适应性。其次,由于数据收集所需的高真实性,本文选择的指标都是定量指标,以确保数据的真实性和准确性。然而,添加一些定性指标将有助于全面衡量城市绿色发展的水平。未来的研究将集中在定性指标的影响在城市绿色发展水平,扩大了研究的范围,增加研究的普遍性。

 的利益冲突

作者宣称没有利益冲突有关这篇文章的出版。

 确认

这项工作得到了国家自然科学基金(批准号。71804056,71672111,71672111,71803197),人文社会科学研究项目中国教育部(18 yjc630250和18 yjc630094)、中国博士后科学基金会(2018 m642033),中央大学的基础研究基金(31511910801)和湖北省软科学项目的技术创新(2019 adc029)。

 坎贝尔 年代。 绿色城市,越来越多的城市,城市?:urban planning and the contradictions of sustainable development 美国规划协会杂志》上 1996年 62年 3 296年 312年 10.1080 / 01944369608975696 2 - s2.0 - 0030435495 Yokohari M。 竹内 K。 渡边 T。 横田 年代。 除了公共绿地和分区:一个新的亚洲大城市的环境规划的概念 城市生态学 2008年 柏林,德国 施普林格 783年 796年 范Herzele 一个。 魏德曼 T。 监控工具提供访问和有吸引力的城市绿色空间 景观和城市规划 2003年 63年 2 109年 126年 10.1016 / s0169 - 2046 (02) 00192 - 5 2 - s2.0 - 0037445955 Annerstedt v . d . b . M。 木渎 P。 Uscila V。 发展一个城市绿地指标和公共卫生基本原理 斯堪的纳维亚的公共卫生》杂志上 2016年 44 159年 167年 霍尔伍德中校 K。 绿色基础设施:城市绿色空间和区域经济协调发展:从经验中汲取到的教训在英格兰的西北部地区 当地环境 2011年 16 10 963年 975年 10.1080 / 13549839.2011.607157 2 - s2.0 - 84859049458 安德森 E。 Barthel 年代。 Borgstrom 年代。 生物圈:重新连接城市绿色基础设施和城市生态系统服务的管理 中记录 2014年 43 4 445年 453年 10.1007 / s13280 - 014 - 0506 - y 2 - s2.0 - 84902103438 ) 美国G。 Angelstam P。 Khakee 一个。 城市综合planning-identifying屏障功能栖息地的维护网络 景观和城市规划 2006年 75年 1 - 2 43 57 10.1016 / j.landurbplan.2004.11.016 2 - s2.0 - 29944435346 索伦 k . H。 “绿色海报”的方法来评估城市绿色结构的可持续性 环境影响评估审查 2000年 20. 3 359年 371年 10.1016 / s0195 - 9255 (00) 00047 - 0 2 - s2.0 - 0034036562 布伦特兰 g . H。 哈立德 M。 阿涅利 年代。 Al-Athel 年代。 Chidzero B。 我们共同的未来 1987年 8 牛津大学,英国 牛津大学出版社 张 J。 常 Y。 张 l 李 D。 技术创新促进城市绿色发展吗?——在中国105个城市的空间计量经济学分析 《清洁生产 2018年 182年 395年 403年 10.1016 / j.jclepro.2018.02.067 2 - s2.0 - 85043600615 金 P。 彭 C。 首歌 M。 宏观经济的不确定性,高层次的创新,在中国城市绿色发展的表现 中国经济评论 2019年 55 1 18 10.1016 / j.chieco.2019.02.008 2 - s2.0 - 85062400276 Artmann M。 Inostroza l 方ydF4y2Ba P。 城市扩张,紧凑的城市发展和绿色城市。我们知道,我们同意吗? 2019年 荷兰阿姆斯特丹 爱思唯尔 赵 s . L。 首歌 W。 朱 d . Y。 彭 x B。 蔡 W。 评估中国的区域合作创新能力创新参与者角度来说层次分析法和聚类分析方法 技术在社会 2013年 35 3 182年 190年 10.1016 / j.techsoc.2013.06.001 2 - s2.0 - 84882837490 李 K。 林 B。 节能环保政策的影响在中国制造业生产率:证据从三级DEA模型 应用能源 2016年 168年 351年 363年 10.1016 / j.apenergy.2016.01.104 2 - s2.0 - 84957893170 段 Y。 μ H。 李 N。 李 l 雪 Z。 低碳经济发展水平综合评价研究基于AHP-entropy方法:一个案例研究的大连 能源Procedia 2016年 104年 468年 474年 10.1016 / j.egypro.2016.12.079 2 - s2.0 - 85013115857 通 h·F。 杨 Y。 王 j . Y。 冯 Y。 2050年中国绿色经济建模:情景分析基于系统动力学模型 中国软科学 2015年 6 20. 34 雅可布 M。 绿色经济:环境、可持续发展和政治的未来 1993年 加拿大温哥华 哥伦比亚大学出版社 哈克 s·m·A。 城市绿色空间和可持续环境的综合疗法 《环境保护 2011年 2 5 601年 10.4236 / jep.2011.25069 Budruk M。 托马斯。 H。 Tyrrell T。 城市绿色空间:一项研究在印度的地方依恋和环境的态度 社会与自然资源 2009年 22 9 824年 839年 10.1080 / 08941920802628515 2 - s2.0 - 70449504651 Wolch j . R。 伯恩 J。 纽厄尔 j . P。 城市绿地、公共卫生和环境正义:使城市“绿色足够的挑战 景观和城市规划 2014年 125年 234年 244年 10.1016 / j.landurbplan.2014.01.017 2 - s2.0 - 84899128460 窦 X。 李 年代。 王 J。 生态城市可持续发展的策略 APCBEE Procedia 2013年 5 429年 434年 吴 J。 香 W。 赵 J。 在中国城市生态学:历史发展和未来的发展方向 景观和城市规划 2014年 125年 222年 233年 10.1016 / j.landurbplan.2014.01.018 2 - s2.0 - 84899119702 Niemela J。 Saarela S.-R。 Soderman T。 利用生态系统服务的方法更好的规划和保护城市绿色空间:一个芬兰的案例研究 生物多样性和保护 2010年 19 11 3225年 3243年 10.1007 / s10531 - 010 - 9888 - 8 2 - s2.0 - 84755161249 阿伦森 m F。 Lepczyk c。 埃文斯 k . L。 生物多样性的城市:城市绿地管理的关键挑战 生态与环境前沿 2017年 15 4 189年 196年 10.1002 / fee.1480 2 - s2.0 - 85017658665 迪肯 P。 全球转变:重塑全球经济地图在21世纪 2003年 美国加州千橡市 圣人 里斯 w·E。 生态足迹和拨款承载能力:城市经济学遗漏 环境和城市化 1992年 4 2 121年 130年 10.1177 / 095624789200400212 2 - s2.0 - 0027066482 邓普西 N。 绿色大苹果 G。 权力 年代。 布朗 C。 可持续发展的社会维度:定义城市社会可持续性 可持续发展 2011年 19 5 289年 300年 10.1002 / sd.417 2 - s2.0 - 80053299272 Heynen N。 城市的政治生态 国际地理百科全书:人们,地球,环境和技术:人、地球、环境和技术 2016年 美国新泽西州霍博肯 约翰威利& Sons 1 9 应ydF4y2Ba 年代。 李 B。 学术研究institutes-construction企业联系的发展城市绿色建筑:选择管理的绿色建筑技术创新的合作伙伴 可持续城市和社会 2019年 48 101555年 10.1016 / j.scs.2019.101555 2 - s2.0 - 85065086311 Pauleit 年代。 Ambrose-Oji B。 安德森 E。 推进城市绿色基础设施在欧洲:从绿色浪潮项目结果和反思 城市森林与城市绿化 2019年 40 4 16 10.1016 / j.ufug.2018.10.006 2 - s2.0 - 85055429262 文特尔 z S。 沙克尔顿 c . M。 范Staden F。 Selomane O。 马斯特森 诉。 绿色隔离:城市绿色基础设施仍然不均匀地分布在收入和种族在南非地区 景观和城市规划 2020年 203年 103889年 10.1016 / j.landurbplan.2020.103889 Barles 年代。 社会,能源和材料:城市代谢研究的贡献可持续城市发展问题 环境规划和管理杂志》上 2010年 53 4 439年 455年 10.1080 / 09640561003703772 2 - s2.0 - 77952693840 陈 w . Y。 王 d . T。 经济发展和自然美观:计量经济学分析在中国城市绿色空间 城市森林与城市绿化 2013年 12 4 435年 442年 10.1016 / j.ufug.2013.08.004 2 - s2.0 - 84888069827 李 F。 刘 X。 胡 D。 测量指标和评估方法评估城市可持续发展:一个案例研究对中国济宁城市 景观和城市规划 2009年 90年 3 - 4 134年 142年 10.1016 / j.landurbplan.2008.10.022 2 - s2.0 - 62049085405 关 D。 高 W。 苏 W。 李 H。 Hokao K。 建模和动态评估的城市economy-resource-environment系统耦合系统dynamics-geographic信息系统模型 生态指标 2011年 11 5 1333年 1344年 10.1016 / j.ecolind.2011.02.007 2 - s2.0 - 79955793561 Thinh声称 n . X。 这些地方 G。 希 B。 Hennersdorf J。 莱曼 我。 城市土地利用结构评价,可持续发展 环境影响评估审查 2002年 22 5 475年 492年 10.1016 / s0195 - 9255 (02) 00023 - 9 2 - s2.0 - 0036793383 王 N。 李 j·c·K。 张 J。 陈 H。 李 H。 城市循环经济发展的评价:一个实证研究的40个城市在中国 《清洁生产 2018年 180年 876年 887年 10.1016 / j.jclepro.2018.01.089 2 - s2.0 - 85042119554 丁 l 邵 Z。 张 H。 徐 C。 吴 D。 在中国城市可持续发展的综合评价基于TOPSIS-entropy方法 可持续性 2016年 8 8 746年 10.3390 / su8080746 2 - s2.0 - 84983747451 孟 B。 周 l 曲 l 阿贝丁 m Z。 测量城市绿色经济发展作为实证分析在中国31个省 Ekoloji 2019年 28 2069年 2082年 林 l 应 l 动态评价和比较中央的绿色效率三角洲城市群、长江三角洲城市群 江西财经大学学报》上 2015年 3 3 12 郑 年代。 王 R。 格莱泽 e . L。 卡恩 m E。 中国的绿色:家庭二氧化碳排放和城市发展 《经济地理学 2011年 11 5 761年 792年 10.1093 /联合工作组/ lbq031 2 - s2.0 - 80051703058 卡恩 m E。 绿色城市:城市发展和环境 2007年 美国华盛顿特区 布鲁金斯学会的新闻 他 y . X。 焦 Z。 杨 J。 全球清洁能源发展的综合评价指数基于改进熵方法 生态指标 2018年 88年 305年 321年 10.1016 / j.ecolind.2017.12.013 2 - s2.0 - 85041403863 鲁宾斯坦 R。 的熵方法组合和持续优化 方法和应用概率的计算 1999年 1 2 127年 190年 10.1023 /:1010091220143 赵 J。 霁 G。 田 Y。 陈 Y。 王 Z。 环境脆弱性评价为中国大陆基于熵的方法 生态指标 2018年 91年 410年 422年 10.1016 / j.ecolind.2018.04.016 2 - s2.0 - 85045676606 太阳 L.-y。 苗族 C.-l。 杨 l 绿色技术创新的生态经济效率评价基于熵加权TOPSIS的战略性新兴产业 生态指标 2017年 73年 554年 558年 10.1016 / j.ecolind.2016.10.018 2 - s2.0 - 84993944730 Rashidi K。 Cullinane K。 比较模糊DEA和模糊TOPSIS的可持续供应商选择:对采购策略的影响 专家系统与应用程序 2019年 121年 266年 281年 10.1016 / j.eswa.2018.12.025 2 - s2.0 - 85058781799 多斯桑托斯 b . M。 戈多 l . P。 坎波斯 l . m . S。 使用entropy-TOPSIS-F绿色供应商的绩效评估 《清洁生产 2019年 207年 498年 509年 10.1016 / j.jclepro.2018.09.235 2 - s2.0 - 85055981068 王 Z。 郝 H。 高 F。 张 Q。 张 J。 周 Y。 多属性决策基于DEA-TOPSIS逆向物流:上海报废车辆行业的研究 《清洁生产 2019年 214年 730年 737年 10.1016 / j.jclepro.2018.12.329 2 - s2.0 - 85060328536 Fahlman s E。 一个实证研究利用bp网络的学习速度 1988年 美国宾夕法尼亚州匹兹堡 卡内基梅隆大学的计算机科学系 彭 l 赖 l 服务创新评估框架,基于BP神经网络的旅游电子商务在中国 电子市场 2014年 24 1 37 46 10.1007 / s12525 - 013 - 0148 - 0 2 - s2.0 - 84896399765 李 年代。 王 Q。 印度对外国石油的依赖将超过约2025 - 90%的预测结果基于两个杂化NMGM-ARIMA和NMGM-BP模型 《清洁生产 2019年 232年 137年 153年 张 R。 王 Y。 王 K。 一个评估模型基于BP神经网络的智能增长计划和集对分析 《清洁生产 2019年 226年 928年 939年 10.1016 / j.jclepro.2019.03.053 2 - s2.0 - 85064447483 Bobinaite V。 Juozapaviciene 一个。 Staniewski M。 Szczepankowski P。 比较分析特性的波兰和立陶宛日前电力市场价格 能源政策 2013年 63年 181年 196年 10.1016 / j.enpol.2013.08.045 2 - s2.0 - 84887199153 黄 Y。 沈 l 刘 H。 灰色关联分析、主成分分析和预测碳排放基于长期在中国短期记忆 《清洁生产 2019年 209年 415年 423年 10.1016 / j.jclepro.2018.10.128 2 - s2.0 - 85057193978 太阳 Q。 唐 Y。 灰色关联度衡量城市的科技投入和经济可持续发展基于数据来自湖南省 Procedia工程 2011年 21 457年 463年 10.1016 / j.proeng.2011.11.2038 2 - s2.0 - 84255166798 辛格 r·K。 Murty h·R。 古普塔 美国K。 德里 答:K。 可持续性评估方法的概述 生态指标 2009年 9 2 189年 212年 10.1016 / j.ecolind.2008.05.011 2 - s2.0 - 54249133378 兴 Y。 霍纳 r·m·W。 El-Haram m·A。 Bebbington J。 一个框架模型评估城市发展可持续性的影响 会计论坛 2009年 荷兰阿姆斯特丹 爱思唯尔 209年 224年 哦 K。 宋 Y。 李 D。 李 W。 崔 J。 确定开发密度使用城市承载能力评估系统 景观和城市规划 2005年 73年 1 1 15 10.1016 / j.landurbplan.2004.06.002 2 - s2.0 - 27744585401 冯 Y。 越南盾 X。 赵 X。 朱 一个。 评价城市绿色发展转型过程在2005 - 2016年中国城市 《清洁生产 2020年 266年 121707年 10.1016 / j.jclepro.2020.121707 元 W。 李 J。 孟 l 秦 X。 气 X。 测量该地区绿色效率和城市群的影响因素 《清洁生产 2019年 241年 118092年 冯 C。 王 M。 中国经济增长的途径的异质性,节约能源和气候缓解 《清洁生产 2019年 228年 594年 605年 邱 F。 陈 Y。 唐ydF4y2Ba J。 刘 J。 郑 Z。 张 X。 时空异质性的绿色发展效率及其影响因素在市区增长:一个案例研究徐州市区 中国地理科学 2020年 30. 352年 365年 朱 B。 张 M。 周 Y。 探索产业结构调整的影响在中国省际的绿色发展效率:一种新颖的集成方法 能源政策 2019年 134年 110946年 10.1016 / j.enpol.2019.110946 2 - s2.0 - 85072034267 郭 Y。 通 l 梅 l 工业集聚的影响以来东北振兴绿色发展效率 《清洁生产 2020年 258年 120584年 10.1016 / j.jclepro.2020.120584 马 l 长 H。 陈 K。 你 年代。 张 Y。 廖 l 中国城市的绿色增长效率及其时空模式 资源保护和回收 2019年 146年 441年 451年 10.1016 / j.resconrec.2019.03.049 2 - s2.0 - 85064262723 冯 C。 王 M。 刘 G.-C。 黄 J.-B。 绿色发展性能及其影响因素:全球视角 《清洁生产 2017年 144年 323年 333年 10.1016 / j.jclepro.2017.01.005 2 - s2.0 - 85010888103 锅 W。 锅 W。 胡 C。 评估在中国绿色经济:一种改进的框架 《清洁生产 2019年 209年 680年 691年 10.1016 / j.jclepro.2018.10.267 2 - s2.0 - 85057106900 陈 l 张 X。 他 F。 元 R。 区域绿色发展水平及其空间关系约束下的阴霾 《清洁生产 2019年 210年 376年 387年 10.1016 / j.jclepro.2018.11.037 2 - s2.0 - 85057213180 邵 年代。 烹调的菜肴 R。 杨 Z。 李 C。 并指导技术变革得到环保:从上海工业绿色发展转型的经验证据吗 生态指标 2016年 69年 758年 770年 10.1016 / j.ecolind.2016.04.050 2 - s2.0 - 84979729397 太阳 W。 高 Q。 探索中国电力行业的节能潜力基于演算法反向传播神经网络 《清洁生产 2019年 217年 257年 266年 10.1016 / j.jclepro.2019.01.205 2 - s2.0 - 85060907433 李 X。 方 p s W。 戴 年代。 李 Y。 对可持续智能城市:实证比较评估和在中国发展模式的优化 《清洁生产 2019年 215年 730年 743年 10.1016 / j.jclepro.2019.01.046 2 - s2.0 - 85060961127 吴 Z。 陈 R。 梅多斯 m E。 森古普塔 D。 徐 D。 改变城市绿地在上海:趋势,司机和政策影响 土地使用政策 2019年 87年 104080年 10.1016 / j.landusepol.2019.104080 2 - s2.0 - 85068358926 霁 Q。 李 C。 琼斯 P。 在中国新的绿色城市发展理论 可持续城市和社会 2017年 30. 248年 253年 10.1016 / j.scs.2017.02.002 2 - s2.0 - 85013142025 Derkzen m . L。 范Teeffelen a·J。 Nagendra H。 韦伯格 p . H。 转变角色的城市绿色空间在城市发展的背景下,全球变化 当前的舆论环境的可持续性 2017年 29日 32 39 10.1016 / j.cosust.2017.10.001 2 - s2.0 - 85034823435 Contesse M。 van Vliet b . j . M。 伦哈特 J。 城市农业城市绿色空间吗?比较的政策安排城市绿地和城市农业在智利圣地亚哥 土地使用政策 2018年 71年 566年 577年 10.1016 / j.landusepol.2017.11.006 2 - s2.0 - 85032966390 Lv K。 冯 X。 凯利 年代。 朱 l 邓 M。 省级研究体现碳转移中国从社会网络的角度来看 《清洁生产 2019年 225年 1089年 1104年 10.1016 / j.jclepro.2019.03.233 2 - s2.0 - 85064498868 冯 K。 的数量 K。 太阳 l 刘 Z。 以消费为基础的有限公司2会计的中国特大城市:北京、天津、上海和重庆 生态指标 2014年 47 26 31日 10.1016 / j.ecolind.2014.04.045 2 - s2.0 - 84910092909 锅 W。 锅 W。 史 Y。 中国区域碳排放:投入产出分析下考虑国家经济战略 《清洁生产 2018年 197年 794年 803年 10.1016 / j.jclepro.2018.06.207 2 - s2.0 - 85049885956 蔡 C。 商 J。 综合评价城市可持续发展的中国东北哈尔滨的城市 中国地理科学 2009年 19 2 144年 150年 10.1007 / s11769 - 009 - 0144 - 7 2 - s2.0 - 67650133017 李 年代。 罗 X。 生态经济系统能值评价和可持续性使用gis在中国 生态学报 2015年 35 5 160年 167年 方 C。 崔 X。 李 G。 建模区域可持续发展的场景使用城市化和生态环境耦合器:京津冀城市群的案例研究,中国 科学的环境 2019年 689年 820年 830年 10.1016 / j.scitotenv.2019.06.430 2 - s2.0 - 85068257073 霍金斯 c V。 王 X。 可持续发展治理:公民参与和支持网络在当地可持续发展计划 公共工程管理和政策 2012年 17 1 7 29日 10.1177 / 1087724 x11429045 2 - s2.0 - 84863160680 王 M.-X。 赵 h。 崔 J.-X。 9个城市绿色发展水平评价在珠江三角洲,中国 《清洁生产 2018年 174年 315年 323年 10.1016 / j.jclepro.2017.10.328 2 - s2.0 - 85038840929