AI and fuzzy algorithm-driven comprehensive assessment for economic growth quality

方法

熵权法、模糊层次分析与鹰搜索优化深度神经网络，1990-2021年13项指标。

发现

区域差异显著，创新能力与环境可持续性是关键影响因素。

机会点

可将该多维模糊-AI评估框架迁移至县域农业经济质量或数字乡村发展水平评价。

当前经济增长质量指数（EGQI）评估方法未能有效将区域增长的多维指标、主观赋权的不确定性以及非线性计算关系整合到一个框架中。为解决这一问题，本研究提出了一种基于人工智能与模糊算法（AI-FAF）的多维EGQI评估新框架。研究采用涵盖中国1990年至2021年省级发展状况的多维数据集，基于数据可得性和相关性选取了经济、社会、技术、环境、公共投资和创新六个维度的13项指标进行实证分析。数据处理包括异常值处理、缺失值处理以及时空面板数据的对齐。AI-FAF框架集成了熵权法（EWM）进行客观指标赋权，模糊层次分析法（FAHP）模型以处理不确定性和定性因素，以及由秃鹰搜索算法驱动的增强深度神经网络（BES-EDNN）以识别经济增长质量中的复杂非线性关系并预测趋势。人工智能增强的模糊评估机制通过Python 3.11运行，生成了详细的经济增长质量指数（EGQI）。实验结果表明，所提框架的性能优于传统统计方法和单一模糊评估方法，平均绝对误差（MAE）为0.023，均方根误差（RMSE）为0.0346。研究结果表明，区域差异显著，创新能力和环境可持续性是关键因素。所提框架为旨在实现均衡、智慧和可持续经济发展的政策制定者提供了有力的决策支持工具。不适用。