基于数据挖掘的京津冀产业协同创新路径

【摘要】本文从多角度分析了京津冀产业协同创新的路径，并以天津为例，采用数据挖掘方法分析了产业结构数据，利用支持向量机方法研究不同产业结构对天津经济发展的影响，进而对京津冀产业结构调整提出借鉴意义，以实现效益最大化。

【关键词】京津冀区域 协同创新 支持向量机 产业结构

Abstract： The collaborative innovation path of Beijing-Tianjin-and-Hebei industry is analyzed from multi-view in this paper. Taking Tianjin as an example， data mining method is used to analyze the data of industrial structure， and SVM method is adopt to study the impact of different industrial structure to economic development of Tianjin. Meanwhile， it puts forward the significance of Beijing-Tianjin-and-Hebei industry structure adjustment to maximize the benefit.

Keywords： Beijing-Tianjin-and-Hebei Region； Collaborative Innovation； Support vector machine（SVM）； Industrial structure

一、引言

2015年4月，中共中央政治局审议通过《京津冀协同发展规划纲要》，标志着京津冀协同发展的顶层设计基本完成，为推动这一战略的实施解开了序幕。京津冀产业协同发展对环渤海都市圈和中国经济发展战略的实施具有重要作用，因此，研究和分析京津冀产业协同创新是十分必要的，对京津冀区域经济发展决策和天津自贸区的发展策略具有指导意义。

学者们多角度分析了京津冀产业协同发展问题。孙虎[1]提出应重视京津冀三地增量利益共享机制、环境保护治理及新兴产业培育等。林健[2]提出了一个基于粗集理论和SVM的区域经济走势预测方法。本文分析了京津冀产业协同创新路径，并采用数据挖掘的SVM方法分析天津产业，为京津冀产业结构调整提出借鉴。

二、京津冀产业协同创新路径

实现京津冀产业协同创新的路径包括：

第一，打造产业协同创新与转型升级，促进产业分工协作；

第二，推动区域性产业转移对接，实现区域优势互补和区域协调发展；

第三，加强产业协同机制，构建京津冀协同发展的体制机制和利益合作机制，搭建协同创新平台；

第四，调控城市人口规模，优化城市布局，疏解北京非首都功能，明晰三地产业定位；

第五，实现京津冀交通一体化和公共服务一体化，提高城市群的一体化水平；

第六，加强生态环境保护与治理，构建完善和谐的生态环境。

三、天津产业结构的数据挖掘分析

天津作为直辖市，是环渤海地区的经济中心，其发展在京津冀一体化系统发展和我国经济转型发展中发挥示范引领作用。本文以天津为例，采用SVM方法挖掘分析其近年来的产业结构数据，并进行预测，从而揭示相关产业对于天津经济的影响，对天津经济发展决策和自贸区的发展具有指导意义。

1.指标构建

评价产业的指标包括：工业总产值、资产总计、主营业务收入、固定资产、流动资产、大中型工业企业资产及工业总产值、小微型工业企业资产及工业总产值、大中型及小微型企业固定资产及主营业务收入、从业人员平均人数及平均工资、煤炭、汽柴油、热力、电力和天然气等。

2.算法实现

SVM算法是基于统计学习理论发展出来的学习算法，在解决小样本、高维度及非线性问题上优势明显[3]，利用不同的核函数将复杂分类任务转变成高维特征空间中的线性分类超平面问题[4]。本研究采用径向基核函数（RBF）：

K（Xi，Xj）=exp（-γXi-Xj）2

RBF核函数对于低维、高维、小样本、大样本等情况均十分适用，并且其具有较大的收敛域，是较为理想的分类依据函数。

本文将数据集进行预处理，采用SVM的RBF核函数，执行训练及预测，实现过程如下：

四、数据分析

1.数据集

整理天津统计局的2014年年鉴，确定数据集产业包括： 矿采选业，农副食品加工业，食品制造业，酒、饮品制造业，纺织业，皮革、毛皮制品和制鞋业，家具制造业，造纸及纸制品业，媒介复制业，文教、体育和娱乐用品制造业，石油加工业，化学制造业，医药制造业，化学纤维制造业，橡胶和塑料制品业，非金属矿物制品业，冶炼及压延加工业，金属制品、机械和设备修理业，设备制造业，汽车制造业，运输设备制造业，电气机械及器材制造业，仪器仪表制造业，其他制造业，废弃资源综合利用业，设备修理业，电力、热力生产和供应业，燃气生产和供应业，水的生产和供应业。

2.实验结果及分析

采用SVM算法进行训练和预测，得到性能参数，其实验结果为：正确率97.06%，特异性83.33%，敏感性100%。结果表明，矿采选业，化学纤维制造业，废弃资源综合利用业，金属制品、机械和设备修理业，燃气生产和供应业，水的生产和供应业对经济拉动作用较弱，其他产业相对较强。以上结果准确度较高，模型建立较合理。理论预测结果较好地符合实际值，进而说明该方法有效而可行。

五、结论与展望

本文分析了京津冀产业协同创新路径，并采用SVM算法对天津产业结构进行数据挖掘分析。本文通过对天津产业发展的研究，对调整京津冀的产业结构协同创新起到启示作用，具有重要的研究价值和研究意义。

本文受天津社会科学基金项目（No.tjyy15-017）资助。

参考文献：

[1]孙虎，乔标. 京津冀产业协同发展的问题与建议[J]. 中国软科学，2015（7）：68-74.

[2]林健，朱帮助.基于粗集支持向量机的区域经济走势预测方法[J].计算机仿真，2008（10）：272-273.

[3]VAPNIK The Nature of Statistical LearningTheory[M].Berlin：Springer，2000.