［摘 要］ 通過(guò)選取我國(guó)長(zhǎng)江經(jīng)濟(jì)帶11省市2011-2020年的面板數(shù)據(jù)構(gòu)建指標(biāo)評(píng)價(jià)體系，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)糧食安全和耕地生態(tài)安全，建立耦合協(xié)調(diào)度模型進(jìn)行分析，最后運(yùn)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)。分析結(jié)果表明：研究期內(nèi)，長(zhǎng)江經(jīng)濟(jì)帶糧食安全和耕地生態(tài)安全均取得了不同程度的提升，糧食耕地生態(tài)安全耦合協(xié)調(diào)發(fā)展水平也由2011年的輕度失調(diào)水平發(fā)展到了2020年的中級(jí)協(xié)調(diào)水平，預(yù)測(cè)在2025年能達(dá)到良好協(xié)調(diào)水平，但耦合協(xié)調(diào)度存在區(qū)域差異。因此，長(zhǎng)江經(jīng)濟(jì)帶各省應(yīng)該協(xié)同合作，根據(jù)各地資源優(yōu)勢(shì)和實(shí)際情況制定合理的策略，促進(jìn)糧食耕地生態(tài)安全協(xié)調(diào)發(fā)展。

［關(guān)鍵詞］ 糧食安全； 耕地生態(tài)安全； BP神經(jīng)網(wǎng)絡(luò)； 耦合協(xié)調(diào)

［中圖分類(lèi)號(hào)］ F32" ［文獻(xiàn)標(biāo)識(shí)碼］ A

黨的二十大報(bào)告提出：“全方位夯實(shí)糧食安全根基，牢牢守住十八億畝耕地紅線(xiàn)”[1]。明晰糧食安全和耕地生態(tài)安全兩者之間的關(guān)系以及如何協(xié)調(diào)好兩者之間的發(fā)展，對(duì)把握好糧食安全和耕地生態(tài)安全兩條線(xiàn)尤為重要。

現(xiàn)有文獻(xiàn)對(duì)于糧食安全和耕地生態(tài)安全已有大量研究，主要從以下兩個(gè)方面展開(kāi)研究：一是糧食安全和耕地生態(tài)安全評(píng)價(jià)指標(biāo)體系的構(gòu)建及測(cè)算。我國(guó)農(nóng)村社會(huì)經(jīng)濟(jì)調(diào)查司（2005）從供給、需求、市場(chǎng)和庫(kù)存角度出發(fā)，采用標(biāo)準(zhǔn)比值法對(duì)我國(guó)糧食安全進(jìn)行了評(píng)價(jià)[2]。羅海平等（2021）[3]基于生態(tài)足跡對(duì)我國(guó)糧食主產(chǎn)區(qū)的安全狀態(tài)進(jìn)行了評(píng)價(jià)，并預(yù)測(cè)了糧食產(chǎn)量和生態(tài)指數(shù)。Vidyarini A等（2021）[4]從個(gè)人的營(yíng)養(yǎng)和發(fā)展出發(fā)對(duì)印度尼西亞糧食和營(yíng)養(yǎng)安全狀況進(jìn)行了評(píng)估。鄭媛媛等（2020）[5]采用變異系數(shù)法、熵權(quán)法和狀態(tài)空間模型對(duì)江西省鄱陽(yáng)縣的耕地生態(tài)安全進(jìn)行了評(píng)價(jià)。二是糧食安全和耕地生態(tài)安全障礙因子診斷及影響因素分析。唐賽等（2019）[6]采用熵權(quán)法對(duì)糧食系統(tǒng)進(jìn)行了分析，認(rèn)為糧食安全與農(nóng)業(yè)經(jīng)濟(jì)聯(lián)系緊密。姚成勝等（2015）[7]對(duì)糧食安全的障礙因子進(jìn)行診斷，認(rèn)為人均耕地面積是最大的障礙因子。范樹(shù)平等（2023）[8]采用TOPSIS模型、ESDA模型及障礙診斷模型評(píng)價(jià)安徽省耕地生態(tài)安全狀態(tài)。

通過(guò)對(duì)糧食安全和耕地生態(tài)安全相關(guān)文獻(xiàn)的梳理可以看出，國(guó)內(nèi)外對(duì)于糧食安全和耕地生態(tài)安全的內(nèi)涵、概念及相關(guān)理論分析和研究都很成熟，但是在實(shí)證分析方面，現(xiàn)有文獻(xiàn)的研究方法大都基于傳統(tǒng)計(jì)量經(jīng)濟(jì)模型，將機(jī)器學(xué)習(xí)方法融入實(shí)證分析部分欠缺，且較少將糧食安全和耕地生態(tài)安全進(jìn)行耦合分析[9]。本文以長(zhǎng)江經(jīng)濟(jì)帶為研究區(qū)域，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)算法測(cè)算該區(qū)域各省市糧食安全和耕地生態(tài)安全的發(fā)展水平，并對(duì)二者耦合協(xié)調(diào)發(fā)展的時(shí)空特征進(jìn)行可視化分析，最后運(yùn)用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)耦合協(xié)調(diào)度進(jìn)行預(yù)測(cè)。

1 研究設(shè)計(jì)

1.1 指標(biāo)體系構(gòu)建

對(duì)于糧食安全和耕地生態(tài)安全評(píng)價(jià)指標(biāo)的構(gòu)建，現(xiàn)有研究暫未形成統(tǒng)一的指標(biāo)選取標(biāo)準(zhǔn)。故本文在現(xiàn)有研究的基礎(chǔ)上結(jié)合實(shí)際情況，從壓力、狀態(tài)和響應(yīng)三個(gè)維度進(jìn)行指標(biāo)的選取，選取了如下指標(biāo)構(gòu)建評(píng)價(jià)體系：

1）壓力：糧食安全壓力選取受災(zāi)面積、農(nóng)用塑料薄膜使用量、化肥施用折純量和農(nóng)村居民人均糧食消費(fèi)量四個(gè)指標(biāo)，反映了自然災(zāi)害和人為活動(dòng)對(duì)生態(tài)環(huán)境、糧食生產(chǎn)和消費(fèi)造成的壓力。耕地生態(tài)安全壓力選取人口增長(zhǎng)率、城鎮(zhèn)化率、農(nóng)藥使用量和工業(yè)廢水排放量四個(gè)指標(biāo)，反映了人類(lèi)社會(huì)發(fā)展對(duì)耕地?cái)?shù)量和質(zhì)量的影響。

2）狀態(tài)：糧食安全狀態(tài)選取人均糧食產(chǎn)量、糧食播種面積、糧食類(lèi)居民消費(fèi)價(jià)格指數(shù)和恩格爾系數(shù)四個(gè)指數(shù)。反映了當(dāng)年糧食生產(chǎn)和消費(fèi)的情況。耕地生態(tài)安全狀態(tài)選取森林覆蓋率、人均水資源、人均耕地面積和復(fù)種指數(shù)四個(gè)指標(biāo)，反映了耕地生態(tài)狀況及生產(chǎn)潛力。

3）響應(yīng)：糧食安全響應(yīng)選取財(cái)政支農(nóng)支出、公路密度和第一產(chǎn)業(yè)就業(yè)人口三個(gè)指標(biāo)，反映了社會(huì)對(duì)糧食生產(chǎn)和流通的積極響應(yīng)。耕地生態(tài)安全響應(yīng)選取有效灌溉面積、當(dāng)年造林面積和農(nóng)業(yè)機(jī)械總動(dòng)力三個(gè)指標(biāo)，反映了社會(huì)對(duì)生態(tài)環(huán)境變化的應(yīng)對(duì)情況。

1.2 數(shù)據(jù)說(shuō)明

采用統(tǒng)計(jì)軟件Python3.9和ArcGIS10.2對(duì)長(zhǎng)江經(jīng)濟(jì)帶11省市2011年至2020年的面板數(shù)據(jù)進(jìn)行分析。各項(xiàng)數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)業(yè)統(tǒng)計(jì)年鑒》，各省《統(tǒng)計(jì)年鑒》《統(tǒng)計(jì)公報(bào)》等。部分指標(biāo)數(shù)據(jù)缺失，均采用線(xiàn)性插值法補(bǔ)全。

由于各項(xiàng)指標(biāo)數(shù)據(jù)的單位不同，為了便于評(píng)價(jià)指標(biāo)的加權(quán)，需將其處理成無(wú)量綱的純數(shù)值數(shù)據(jù)。這里對(duì)數(shù)據(jù)進(jìn)行歸一化處理，把數(shù)據(jù)分為正向指標(biāo)和負(fù)向指標(biāo)進(jìn)行轉(zhuǎn)化。其中，

正向指標(biāo)轉(zhuǎn)化公式為：

Xij=（xij-xmin）/（xmax-xmin）（1）

負(fù)向指標(biāo)轉(zhuǎn)化公式為：

Xij=（xmax-xij）/（xmax-xmin）（2）

1.3 研究方法

1）BP神經(jīng)網(wǎng)絡(luò) 由于熵值法和層次分析法等方法是通過(guò)計(jì)算權(quán)重對(duì)各項(xiàng)指標(biāo)進(jìn)行簡(jiǎn)單的線(xiàn)性加權(quán)，從而測(cè)算評(píng)價(jià)體系的發(fā)展水平，BP神經(jīng)網(wǎng)絡(luò)算法由于其強(qiáng)大的非線(xiàn)性映射能力，則能夠更好地處理復(fù)雜的變量關(guān)系，而不是簡(jiǎn)單的數(shù)理回歸。本文運(yùn)用單隱藏層的BP-ANN模型來(lái)計(jì)算糧食安全和耕地生態(tài)安全的評(píng)價(jià)結(jié)果以及預(yù)測(cè)，其中包括輸入層、一個(gè)隱藏層和輸出層。在訓(xùn)練過(guò)程中，將樣本數(shù)據(jù)傳入輸入層，然后通過(guò)隱藏層到達(dá)輸出層，輸出層計(jì)算誤差。而B(niǎo)P作為一種誤差反饋神經(jīng)網(wǎng)絡(luò)算法，其通過(guò)將誤差進(jìn)行反向的傳播，不斷地迭代修正神經(jīng)元的權(quán)重，使誤差達(dá)到足夠小，這可以在一定程度上避免主觀因素對(duì)結(jié)果帶來(lái)的影響，有效提高指標(biāo)體系評(píng)價(jià)結(jié)果的精確性。

2）耦合協(xié)調(diào)模型 耦合協(xié)調(diào)模型用于分析事物的協(xié)調(diào)發(fā)展水平，為了明晰糧食安全和耕地生態(tài)安全之間的關(guān)系，運(yùn)用耦合協(xié)調(diào)模型探究區(qū)域內(nèi)糧食安全和耕地生態(tài)安全之間的協(xié)調(diào)發(fā)展水平。

耦合度指兩個(gè)或兩個(gè)以上系統(tǒng)之間的相互作用影響，實(shí)現(xiàn)協(xié)調(diào)發(fā)展的動(dòng)態(tài)關(guān)聯(lián)關(guān)系，可以反映系統(tǒng)之間的相互依賴(lài)和相互制約程度。由于本文只有糧食安全和耕地生態(tài)安全兩個(gè)系統(tǒng)，故本文的耦合度公式為：

C=2（U1·U2）/（U1+U2）2（3）

其中，C表示二者之間的耦合度，U1和U2分別表示糧食安全和耕地生態(tài)安全的評(píng)價(jià)結(jié)果。

由于耦合度很難反映出二者之間的協(xié)調(diào)程度，故引入耦合協(xié)調(diào)模型。耦合協(xié)調(diào)度是衡量系統(tǒng)之間相互協(xié)調(diào)的指標(biāo)，本文的耦合協(xié)調(diào)度公式為：

T=aU1+bU2（4）

D=C·T（5）

其中，T表示耦合協(xié)調(diào)發(fā)展水平，a和b為待定系數(shù)，本文假定糧食安全和耕地生態(tài)安全同等重要，取a=b=0.5。D表示耦合協(xié)調(diào)度，其值越高，二者之間的協(xié)調(diào)程度越高。

2 實(shí)證分析

2.1 評(píng)價(jià)模型的選擇

對(duì)于指標(biāo)體系的評(píng)價(jià)方法有很多種，比較常用的有層次分析法、熵值法和模糊綜合評(píng)價(jià)法，較少運(yùn)用機(jī)器學(xué)習(xí)算法進(jìn)行測(cè)算。每種方法都各有優(yōu)缺點(diǎn)，需根據(jù)指標(biāo)數(shù)據(jù)的情況選擇性使用，本節(jié)分別運(yùn)用熵值法和BP神經(jīng)網(wǎng)絡(luò)算法對(duì)各項(xiàng)指標(biāo)的重要程度進(jìn)行排序。

熵值法通過(guò)計(jì)算指標(biāo)的信息熵得到各項(xiàng)指標(biāo)的權(quán)重（圖1），BP神經(jīng)網(wǎng)絡(luò)運(yùn)用shap函數(shù)，其將每個(gè)指標(biāo)的重要性分配給每個(gè)樣本，得到每個(gè)指標(biāo)對(duì)于每個(gè)樣本的貢獻(xiàn)，最后計(jì)算每個(gè)指標(biāo)對(duì)于所有樣本的貢獻(xiàn)均值，得到各項(xiàng)指標(biāo)的貢獻(xiàn)率排序（圖2），比較這兩種方法的結(jié)果：對(duì)于糧食安全指標(biāo)體系，熵值法認(rèn)為化肥施用折純量和第一產(chǎn)業(yè)就業(yè)人口比較重要，而B(niǎo)P神經(jīng)網(wǎng)絡(luò)認(rèn)為恩格爾系數(shù)、糧食類(lèi)居民消費(fèi)價(jià)格指數(shù)和受災(zāi)面積比較重要，BP的結(jié)果與周博[10]對(duì)我國(guó)糧食安全評(píng)價(jià)的研究結(jié)果較為貼近。對(duì)于耕地生態(tài)安全指標(biāo)體系，熵值法認(rèn)為當(dāng)年造林面積的占比最大，而B(niǎo)P神經(jīng)網(wǎng)絡(luò)則認(rèn)為森林覆蓋率和有效灌溉面積比較重要，這與黃烈佳等[11]對(duì)長(zhǎng)江經(jīng)濟(jì)帶土地生態(tài)安全的測(cè)算結(jié)果較一致。這種結(jié)果是因?yàn)殪刂捣▽?duì)指標(biāo)賦予權(quán)重時(shí)過(guò)度依賴(lài)樣本數(shù)據(jù)，通常指標(biāo)的離散程度越大，其賦予的權(quán)重越大，從而導(dǎo)致受災(zāi)面積等指標(biāo)權(quán)重較小。綜合上述比對(duì)結(jié)果和本文的指標(biāo)數(shù)據(jù)情況，本文將運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對(duì)糧食安全和耕地生態(tài)安全的發(fā)展水平進(jìn)行測(cè)算。

2.2 BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建與運(yùn)行

基于統(tǒng)計(jì)軟件Python3.9的TensorFlow2.0環(huán)境對(duì)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行基礎(chǔ)參數(shù)設(shè)置：

1）輸入層節(jié)點(diǎn)個(gè)數(shù)。每省份每年的數(shù)據(jù)作為一個(gè)樣本，每個(gè)樣本又由11個(gè)指標(biāo)數(shù)據(jù)組成。輸入層作為樣本傳入的入口，輸入層的神經(jīng)元節(jié)點(diǎn)個(gè)數(shù)由指標(biāo)體系的指標(biāo)個(gè)數(shù)確定，故糧食安全和耕地生態(tài)安全的輸入層節(jié)點(diǎn)個(gè)數(shù)均取值為11。

2）隱含層節(jié)點(diǎn)個(gè)數(shù)。隱含層神經(jīng)元節(jié)點(diǎn)個(gè)數(shù)是神經(jīng)網(wǎng)絡(luò)模型的關(guān)鍵，節(jié)點(diǎn)數(shù)過(guò)少可能會(huì)無(wú)法擬合復(fù)雜的關(guān)系，過(guò)高可能會(huì)導(dǎo)致過(guò)擬合。由于隱含層節(jié)點(diǎn)個(gè)數(shù)是不確定的值，本文根據(jù)經(jīng)驗(yàn)公式h=m+n+a來(lái)確定，其中m為輸入層節(jié)點(diǎn)個(gè)數(shù)，n為輸出層節(jié)點(diǎn)個(gè)數(shù)，a為1～10的常數(shù)。代入不同的隱含層節(jié)點(diǎn)個(gè)數(shù)對(duì)網(wǎng)絡(luò)訓(xùn)練1000次，得到不同的均方誤差（表1）。

由表1可知：當(dāng)a=10時(shí)，糧食安全和耕地生態(tài)安全的均方誤差均達(dá)到最小，故最終隱含層節(jié)點(diǎn)個(gè)數(shù)均取值為10。

3）輸出層節(jié)點(diǎn)個(gè)數(shù)。一個(gè)樣本對(duì)應(yīng)輸出某省份某年的評(píng)價(jià)結(jié)果，輸出層的神經(jīng)元節(jié)點(diǎn)個(gè)數(shù)就是評(píng)價(jià)結(jié)果的個(gè)數(shù)，故糧食安全和耕地生態(tài)安全的輸出層節(jié)點(diǎn)數(shù)均取值為1。

將長(zhǎng)江經(jīng)濟(jì)帶11省市2011-2020年110個(gè)樣本輸入設(shè)置好的模型BP（11，10，1）中，輸出得到糧食安全評(píng)價(jià)結(jié)果和耕地生態(tài)安全評(píng)價(jià)結(jié)果（表2）。

均值結(jié)果表明：在2011年至2020年期間，長(zhǎng)江經(jīng)濟(jì)帶的糧食安全和耕地生態(tài)安全整體呈上升趨勢(shì)。糧食安全在期間出現(xiàn)過(guò)兩次小幅下降，其可能原因是2013年和2016年全國(guó)均遭受了不同程度的強(qiáng)降雨帶來(lái)的洪澇災(zāi)害，農(nóng)作物生產(chǎn)受影響較大。當(dāng)年受災(zāi)面積大幅增大，導(dǎo)致糧食安全出現(xiàn)下降。耕地生態(tài)安全的發(fā)展在2016年后開(kāi)始明顯加快，其可能原因是習(xí)近平總書(shū)記在2016年明確提出推動(dòng)長(zhǎng)江經(jīng)濟(jì)帶發(fā)展必須堅(jiān)持生態(tài)優(yōu)先、綠色發(fā)展的戰(zhàn)略定位，長(zhǎng)江經(jīng)濟(jì)帶加大力度促進(jìn)生態(tài)文明建設(shè)，并取得了顯著成效，耕地生態(tài)安全也得到了明顯改善。

2.3 耦合協(xié)調(diào)發(fā)展水平分析

基于測(cè)算出的糧食安全和耕地生態(tài)安全，通過(guò)耦合協(xié)調(diào)模型進(jìn)一步計(jì)算出了2011-2020年長(zhǎng)江經(jīng)濟(jì)帶糧食耕地生態(tài)安全耦合協(xié)調(diào)度（表3）。

為了更好的分析糧食安全和耕地生態(tài)安全之間的耦合協(xié)調(diào)發(fā)展水平，根據(jù)耦合協(xié)調(diào)度值，將二者的關(guān)系進(jìn)行等級(jí)劃分（表4）。

從表3的均值數(shù)據(jù)可以看出，長(zhǎng)江經(jīng)濟(jì)帶糧食耕地生態(tài)安全耦合協(xié)調(diào)水平整體向好，耦合協(xié)調(diào)程度從最初的輕度失調(diào)水平發(fā)展到中級(jí)協(xié)調(diào)水平。另外，在2014年和2017年耦合協(xié)調(diào)水平出現(xiàn)小幅降低，這與糧食安全水平走勢(shì)基本一致。在一定程度上表明，糧食安全發(fā)展水平高低會(huì)對(duì)糧食耕地生態(tài)安全耦合協(xié)調(diào)發(fā)展水平產(chǎn)生相應(yīng)的影響。隨著糧食安全水平的大幅提升，糧食安全和耕地生態(tài)安全之間的差距逐漸縮小，糧食耕地生態(tài)安全耦合協(xié)調(diào)水平也從2011年的0.39發(fā)展到2020年的0.74，耦合協(xié)調(diào)水平整體上在不斷改善。

為了更直觀地分析長(zhǎng)江經(jīng)濟(jì)帶各省糧食耕地生態(tài)安全耦合協(xié)調(diào)的時(shí)空格局，運(yùn)用ArcGIS軟件可視化2011年、2014年、2017年和2020年四個(gè)時(shí)間截面的耦合協(xié)調(diào)發(fā)展水平。

從圖3可以明顯看出：2011年長(zhǎng)江經(jīng)濟(jì)帶大部分省市都處于失調(diào)狀態(tài)，僅有安徽和江蘇處于勉強(qiáng)協(xié)調(diào)水平；2014年大部分省市的耦合協(xié)調(diào)情況均出現(xiàn)了好轉(zhuǎn)，到達(dá)了勉強(qiáng)協(xié)調(diào)水平，重慶甚至躍至了中級(jí)協(xié)調(diào)水平；相較于2014年，2017年各省的耦合協(xié)調(diào)水平漲勢(shì)不明顯，處于平緩發(fā)展階段；到了2020年，各省的耦合協(xié)調(diào)水平大幅提升，大部分省達(dá)到了中級(jí)協(xié)調(diào)及以上水平，安徽和重慶更是達(dá)到了優(yōu)質(zhì)協(xié)調(diào)水平，處于高水平耦合階段。這表明長(zhǎng)江經(jīng)濟(jì)帶各省市的耦合協(xié)調(diào)水平經(jīng)歷了不穩(wěn)定的發(fā)展過(guò)程，且區(qū)域差異越來(lái)越顯著。

2.4 耦合協(xié)調(diào)發(fā)展水平預(yù)測(cè)

為了更好地觀察長(zhǎng)江經(jīng)濟(jì)帶糧食耕地生態(tài)安全耦合協(xié)調(diào)發(fā)展態(tài)勢(shì)，將上文測(cè)算的長(zhǎng)江經(jīng)濟(jì)帶2011-2020年的糧食耕地生態(tài)安全耦合協(xié)調(diào)度均值作為數(shù)據(jù)集，按8∶2的比例劃分訓(xùn)練集和測(cè)試集，基于統(tǒng)計(jì)軟件Python3.9，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行模型擬合，預(yù)測(cè)長(zhǎng)江經(jīng)濟(jì)帶2021-2025年的糧食耕地生態(tài)安全耦合協(xié)調(diào)度。為了檢驗(yàn)BP模型的預(yù)測(cè)結(jié)果是否更具可靠性，本文采用SVR模型作為對(duì)比模型。

1）BP神經(jīng)網(wǎng)絡(luò)：本文運(yùn)用前三年的數(shù)據(jù)預(yù)測(cè)下一年的數(shù)據(jù)，即三年的數(shù)據(jù)為一個(gè)樣本，故輸入層節(jié)點(diǎn)個(gè)數(shù)為3。隱含層節(jié)點(diǎn)個(gè)數(shù)依據(jù)2.2節(jié)的經(jīng)驗(yàn)公式取值為12，此時(shí)模型的均方誤差達(dá)到最小。由于每個(gè)樣本僅預(yù)測(cè)一年的耦合協(xié)調(diào)度，故輸出層節(jié)點(diǎn)個(gè)數(shù)為1。最終運(yùn)用BP（3，12，1）進(jìn)行模型擬合，模型的訓(xùn)練MSE為0.00308，測(cè)試MSE為0.00283，R2為0.65426，擬合效果較好。

2）SVR：選擇合適的核函數(shù)及參數(shù)gamma和c對(duì)于SVR預(yù)測(cè)模型來(lái)說(shuō)很重要，本文核函數(shù)選取范圍為poly核函數(shù)、rbf核函數(shù)和sigmoid核函數(shù)，gamma和c的取值范圍均為0.001、0.01、0.1、1、10、100和1000，運(yùn)用GridSearchCV函數(shù)來(lái)尋找模型的最佳參數(shù)，即對(duì)所有參數(shù)進(jìn)行排列組合，遍歷每組參數(shù)進(jìn)行建模，尋找擬合效果最佳的一組參數(shù)。當(dāng)核函數(shù)為rbf，參數(shù)gamma=10，c=1時(shí)，模型的擬合效果最好，訓(xùn)練MSE為0.00313，測(cè)試MSE為0.00374，R2為0.54354。

對(duì)兩種預(yù)測(cè)模型的結(jié)果進(jìn)行比較（表5）。

由表5可以看出，BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練MSE、測(cè)試MSE和擬合度R2均優(yōu)于SVR模型，表明該模型的擬合效果更好，預(yù)測(cè)結(jié)果更為準(zhǔn)確。因此，本文運(yùn)用BP（3，12，1）預(yù)測(cè)長(zhǎng)江經(jīng)濟(jì)帶2021-2025年的糧食耕地生態(tài)安全耦合協(xié)調(diào)度（表6）。

由預(yù)測(cè)結(jié)果可知，長(zhǎng)江經(jīng)濟(jì)帶2021-2025年的糧食耕地生態(tài)安全耦合協(xié)調(diào)度呈穩(wěn)步上升態(tài)勢(shì)，在2025年耦合協(xié)調(diào)水平達(dá)到良好協(xié)調(diào)水平。

3 結(jié)論與討論

本文分別運(yùn)用熵值法和BP神經(jīng)網(wǎng)絡(luò)算法對(duì)指標(biāo)重要程度進(jìn)行測(cè)算，通過(guò)對(duì)比分析發(fā)現(xiàn)熵值法的結(jié)果受樣本數(shù)據(jù)影響較大。故而本文采用BP神經(jīng)網(wǎng)絡(luò)算法用以測(cè)算長(zhǎng)江經(jīng)濟(jì)帶糧食安全水平和耕地生態(tài)安全水平。實(shí)證結(jié)果分析表明：長(zhǎng)江經(jīng)濟(jì)帶糧食安全和耕地生態(tài)安全整體呈上升態(tài)勢(shì)，糧食安全水平在研究期內(nèi)有兩次下降，原因可能是極端天氣導(dǎo)致農(nóng)作物受災(zāi)面積大幅增加，影響了糧食生產(chǎn)，進(jìn)一步驗(yàn)證了BP算法測(cè)算的指標(biāo)重要度與實(shí)際情況結(jié)果較為一致。

進(jìn)一步通過(guò)構(gòu)建耦合協(xié)調(diào)模型分析糧食耕地生態(tài)安全耦合協(xié)調(diào)水平，結(jié)果表明：長(zhǎng)江經(jīng)濟(jì)帶整體的糧食耕地生態(tài)安全耦合協(xié)調(diào)水平已達(dá)到中級(jí)協(xié)調(diào)水平。這得益于長(zhǎng)江經(jīng)濟(jì)帶始終堅(jiān)持將生態(tài)文明建設(shè)作為區(qū)域發(fā)展的主基調(diào)，區(qū)域生態(tài)環(huán)境持續(xù)改善，一系列具體措施的推進(jìn)和落實(shí)推動(dòng)了長(zhǎng)江經(jīng)濟(jì)帶糧食耕地生態(tài)安全的協(xié)同發(fā)展。

最后分別運(yùn)用BP神經(jīng)網(wǎng)絡(luò)和SVR進(jìn)行模型構(gòu)建，對(duì)比兩個(gè)模型的預(yù)測(cè)精度，選擇最優(yōu)模型進(jìn)行預(yù)測(cè)。結(jié)果表明：BP神經(jīng)網(wǎng)絡(luò)的精度更高，其模型擬合效果更好，更適合耦合協(xié)調(diào)度的預(yù)測(cè)。預(yù)測(cè)結(jié)果顯示：長(zhǎng)江經(jīng)濟(jì)帶糧食耕地生態(tài)安全耦合協(xié)調(diào)度在未來(lái)五年呈向好趨勢(shì)，且在2025年能夠達(dá)到良好協(xié)調(diào)水平。但要將耦合協(xié)調(diào)水平發(fā)展到優(yōu)質(zhì)協(xié)調(diào)水平，需進(jìn)一步提高糧食安全水平和耕地生態(tài)安全水平。長(zhǎng)江經(jīng)濟(jì)帶應(yīng)該健全保障糧食安全和耕地生態(tài)安全的制度政策，由于長(zhǎng)江經(jīng)濟(jì)帶不同區(qū)域的發(fā)展進(jìn)程差異較大，各省市應(yīng)該結(jié)合當(dāng)?shù)匕l(fā)展現(xiàn)狀和資源優(yōu)勢(shì)制定不同的策略，以更好地促進(jìn)糧食耕地生態(tài)安全協(xié)同發(fā)展。

［ 參 考 文 獻(xiàn) ］

［1］ 杜志雄，肖衛(wèi)東.全方位夯實(shí)糧食安全根基：意義、內(nèi)涵及重點(diǎn)任務(wù)[J].中州學(xué)刊，2022（12）：32-39.

[2] 鮮祖德，盛來(lái)運(yùn).我國(guó)糧食安全評(píng)價(jià)指標(biāo)體系研究[J].統(tǒng)計(jì)研究，2005（08）：3-9.

[3] 羅海平，鄒楠，潘柳欣，等.基于生態(tài)安全的我國(guó)糧食安全評(píng)價(jià)與預(yù)警[J].統(tǒng)計(jì)與決策，2021，37（08）：94-97.

[4] VIDYARINI A， MARTIANTO D， SYARIEF H. Evaluation of food and nutrition security level at provincial level based on outcome indicators in indonesia[J]. JurnalGizi dan Pangan， 2021，16（01）：1-10.

[5] 鄭媛媛，余敦，孫聰康，等.基于狀態(tài)空間模型的耕地生態(tài)安全評(píng)價(jià)：以江西省鄱陽(yáng)縣為例[J].水土保持研究，2020，27（03）：218-224.

[6] 唐賽，張欣.三大主糧價(jià)格波動(dòng)對(duì)糧食安全影響的實(shí)證分析[J].統(tǒng)計(jì)與決策，2019，35（20）：141-144.

[7] 姚成勝，滕毅，黃琳.中國(guó)糧食安全評(píng)價(jià)指標(biāo)體系構(gòu)建及實(shí)證分析[J].農(nóng)業(yè)工程學(xué)報(bào)，2015，31（04）：1-10.

[8] 范樹(shù)平，李鵬，余波平，等.糧食主產(chǎn)區(qū)耕地生態(tài)安全障礙診斷及調(diào)控策略[J].水土保持研究，2023，30（01）：408-417.

[9] 薛選登， 馬路. 糧食主產(chǎn)區(qū)土地生態(tài)與糧食安全耦合協(xié)調(diào)性分析[J]. 中國(guó)農(nóng)業(yè)資源與區(qū)劃， 2022， 43（09）：1-11.

[10] 周博.基于農(nóng)業(yè)可持續(xù)發(fā)展的我國(guó)糧食安全影響因素研究[D].沈陽(yáng)：沈陽(yáng)農(nóng)業(yè)大學(xué)，2015.

[11] 黃烈佳，楊鵬.長(zhǎng)江經(jīng)濟(jì)帶土地生態(tài)安全時(shí)空演化特征及影響因素[J].長(zhǎng)江流域資源與環(huán)境，2019，28（08）：1780-1790.

Research on Coupling Coordination of Food-Arable Land EcologicalSecurity Based on BP Neural Network

HUANG Yongshiyu，ZENG Ying

（School of Science， Hubei Univ. of Tech.， Wuhan 430068， China）

Abstract： By selecting the panel data of 11 provinces and cities in the Yangtze River Economic Belt from 2011 to 2020， the index evaluation system was constructed， the BP neural network was used to evaluate food security and cultivate land ecological security， the coupling coordination model was established for analysis， and finally the BP neural network was used to make predictions. The analysis results show that during the study period， food security and cultivated land ecological security in the Yangtze River Economic Belt have been improved to varying degrees， and the level of coupled and coordinated development of food cultivated land ecological security has also developed from a mild imbalance level in 2011 to an intermediate coordination level in 2020， and it is predicted that it can reach a good coordination level in 2025， but there are regional differences in the degree of coupling coordination. Therefore， the provinces of the Yangtze River Economic Belt should work together to formulate reasonable strategies according to the resource advantages and actual conditions of each region to promote the coordinated development of food arable land ecological security.

Keywords： food security; cropland ecological security; BP neural networks; coupling coordination

［責(zé)任編校： 閆 品］