交通基础设施与经济增长的关系一直是学者比较关注的问题。Mikesell等[1]利用中国各省1999-2011年面板数据，发现一个省的交通投资不仅促进了该省的经济增长，同时也会对周边省份产生影响。Wondemu等[2]对撒哈拉以南的非洲贫困地区的交通优势、交通通达性变化和经济社会发展的关系进行了研究，发现交通基础设施建设效果在贫困地区与经济发达地区存在差异。Olsson[3]以菲律宾农村为例，认为公路改善能带来广泛的直接影响和大量的间接影响。王武林等[4]通过建立柯布-道格拉斯生产函数模型发现，通达性的改善整体上促进了武陵山区GDP的增长。张广海等[5]通过构建空间计量模型，发现二级公路、民航航线、一级公路、高速公路、内河航道设施改善均对我国区域旅游经济发展产生正向影响。张学良等[6]构建了交通基础设施对区域经济增长的空间溢出模型，并利用1993-2009年的中国省级面板数据，分析得出中国交通基础设施对区域经济增长具有重要的作用。沈惊宏[7]通过构建度量综合路网的分形维数模型，发现各市的路网分形维数与综合经济指数呈正相关。虽然已有较多文献研究了公路建设投资对经济增长的影响，但大多是研究公路建设投资与经济总量的关系，未对公路建设投资与产业结构的关系进行分析。另外，从宏观生产函数来看，公路建设不仅包括资本的投入量，还有劳动力投入量。张学良在建立多维要素空间协同作用的经济增长模型时，考虑了劳动力的平均受教育年限。黄燕萍等[8]通过建立计量回归模型，发现在现阶段的社会经济结构条件下，我国初级教育对经济增长的作用大于高等教育，高等教育对中西部经济增长的促进作用大于东部地区。可见不同教育程度对经济增长的影响是不同的。在公路行业中，劳动力受教育程度是否会影响社会经济的发展？影响程度又有多大？基于上述两点，本文利用数据挖掘技术分析公路建设各要素(公路建设投资、公路劳动力受教育程度)的投入对社会经济总量、产业结构的贡献度，为公路交通规划和经济发展政策制定提供参考。

1 数据与方法

1.1 数据来源

考虑到数据采集的难度，选取中国2002-2015年作为研究时段，评价指标数据主要来源于《中国统计年鉴》(2003-2016)、《中国交通年鉴》(2003-2016)、《中国劳动统计年鉴》(2003-2016)。

1.2 指标构建

经济学家认为，生产活动的产出是各个生产要素投入量的函数，若从整个国家经济全体考虑，原材料等的中间生产物由于购入和售出正好抵消，经济活动的产出是劳动力、资本和土地投入量的函数，由于土地投入量变化小，而且，在非农业生产部门中，一般将土地的价值计算在资本中，因此，宏观生产函数中只考虑劳动的投入量L和资本的投入量K，生产函数为Y=f(L，K)[9]。考虑技术进步的作用，中性技术进步的生产函数为

 

(1)

式中：t为时间，年；Yt为第t年的产量，取国内生产总值，亿元；A为初期技术水平；u为技术进步率；Lt为第t年劳动力的投入量，取就业人员人数，万人；Kt为第t年资本的投入量，取固定资产投资，亿元；α，β分别为劳动力和资本的产出弹性。

当今社会，人与人的交流越来越频繁，口语表达能力成为影响一个人发展的非常重要的能力，中职语文中的口语交际教学就是希望帮助学生提高口语能力，为学生的发展奠定良好的基础。但在实际教学中学生呈现出主动性不强，思维不活跃，不敢开口、不能开口、不会开口等问题，很难真正实现口语交际教学的目的。本文主要从语用学的角度对中职语文口语交际教学的语境创设进行探究，以期解决教学中的问题，达到较好的效果。

公路交通建设投资产生的经济效益除了形成有形的固定资产外，其余效益均内生化，形成了其他经济活动的中间投入节省。从经济宏观运行看，公路交通建设投资产生的经济效益体现在经济活动中最终的劳动力投入量和资本的投入量对经济的贡献上。为分析公路建设的投入对经济增长的贡献，选取生产函数中的变量作为研究变量，并将固定资产投资K划分为公路建设投资K1t和除公路外其他行业固定资产投资K2t，就业人员L划分为公路就业人员L1t和除公路外其他行业就业人员L2t，公路就业人员L1t按受教育程度分为未上过学小学初中高中大学专科大学本科研究生国内生产总值GDP划分为第一产业增加值GDP1、第二产业增加值GDP2、第三产业增加值GDP3。

考虑到资本投入、劳动力细分导致自变量增加很多，采取非线性回归难以通过检验，另外，多变量生产函数具有高度非线性，一般最小二乘法已不再适宜，因此采取基于数据挖掘的人工神经网络法。

1.3 数据挖掘方法

数据挖掘是对存储于数据库中的大量数据，通过查询和抽取的方式获得以前未知的有用信息、模式和规则的过程。它具有处理和分析海量数据的能力，注重弱化分析方法本身对数据的限制，以满足数据建模的合理性和适应性，强调与计算机技术相结合，以实现数据分析的可操作性和可实现性。可以对海量数据或者小样本高维数据进行有效地处理和分析[10]。

1.3.1 数据挖掘

1) 公路建设各要素的投入对国内生产总值、第一产业增加值、第二产业增加值、第三产业增加值的贡献度均大于0，表明对其有正向作用。

由表1可得：

1.3.2 多层感知器

Modeler提供了2种神经网络模型，多层感知器(MLP)和径向基函数模型(RBF)，多层感知器允许构建较为复杂的关系，但代价是更长的训练和评分时间，径向基函数可缩短训练和评分时间，但与MLP相比其预测能力要差些。本次训练样本有限，评分时间可不作为考虑的首要因素，故选择多层感知器模型。

多层感知器(Multilayer Perceptron，MLP),一般由输入层、输出层和隐含层组成。同层神经元节点之间没有连接，相邻两层之间的节点两两连接，而前一层神经元的输出即为后一层神经元的输入，每层神经节点只接收前一层神经元节点的输出信号。多层感知器既可以学习线性函数，也可以学习非线性函数。其结构见图1。

  

图1 多层感知器结构

2 结果

应用SPSS Modeler软件进行神经网络建模。将中国2002-2015年数据(见表1)导入数据库，由于缺少公路行业就业人员受教育程度数据，采用交通运输业就业人员各教育水平比例乘以公路行业总就业人数表示公路行业就业人员各教育水平人数。首先应用分类选项卡，将GDP，GDP1，GDP2，GDP3设置为目标，其他数据设置为输入选项。随后应用分区选项卡进行分区，使用计算机自动设置训练分区为90%，测试分区为10%。随后选择神经网络选项卡进行建模，设置为预测变量，依次设置GDP，GDP1，GDP2，GDP3为目标。使用模型类别为“多层感知器”，停止规则为“使用最大时间15 min”及“无法进一步降低误差”，指定过度拟合防治集合为30%，运行分析节点，得到结果见表2。

 

表1 公路建设对经济增长贡献度分析原始数据

  

项目年份20022003200420052006200720082009201020112012201320142015 国内生产总值/万亿元12．1713．7416．1818．7321．9427．0231．9534．9141．3048．9354．0459．5264．4068．55 第一产业增加值/万亿元1．621．702．092．182．332．783．283．423．944．625．095．535．836．09 第二产业增加值/万亿元5．416．277．438．8110．4412．6615．0016．0219．1622．7024．4626．2027．7628．06 第三产业增加值/万亿元5．145．786．667．749．1811．5813．6815．4718．2021．6124．4827．8030．8134．41公路就业人员/万人未上过学 0．711．141．281．701．510．750．920．970．810．680．831．141．162．72小学 10．1616．2515．7919．2117．2415．8515．2815．1316．1714．1921．3927．7826．0131．43初中 53．3284．8287．1184．4281．3783．4484．6689．0388．1184．15142．80196．02199．51195．53高中 30．1647．6143．7238．1138．5737．3838．3540．8938．9643．6073．06100．10100．53100．10大学专科 5．6910．079．258．529．388．829．7810．7911．9618．2525．8436．9241．9236．08大学 1．422．442．232．793．022．993．514．025．177．7713．3417．8918．2420．56本科研究生0．100．160．160．150．150．300．310．160．480．340．560．760．781．55 除公路外其他行业就业人员/亿人7．327．367．417．457．487．527．547．577．597．637．647．667．697．71 公路建设投资/万亿元0．320．370．470．550．620．660．700．971．161．271．371．551．551．66 除公路外其他行业固定资产投资/万亿元4．035．196．588．3310．3813．0816．5921．4926．6529．8836．1043．0849．6654．54

 

表2 公路建设投入要素对经济的贡献度

  

输入输出GDPGDP1GDP2GDP3t0．070．050．070．10K1t0．030．030．030．14K2t0．170．180．170．10L2t0．090．090．090．13L11t0．110．090．110．10L21t0．050．050．050．03L31t0．030．020．030．15L41t0．150．160．140．03L51t0．100．110．100．10L61t0．040．050．040．02L71t0．160．150．160．11列和1．000．980．991．01预测精度/%96．797．596．993．9

2) 公路建设各要素的投入中，除个别因素外，公路行业各种教育水平就业人员对国内生产总值、第一产业增加值、第二产业增加值的贡献度均大于公路建设投资，公路建设投资对第三产业增加值的贡献度均大于公路行业各种教育水平就业人员。

3 结论

以(63,57)RS码为例进行仿真，此时m0=log2(63+1)=6，选取本原多项式为p0(x)=x6+x+1，生成多项式为g0(x)=x6+α59x5+α48x4+α43x3+α55x2+α10x+α21.首先生成1000组码字，将其转化为二进制比特流形式，并加入误比特率为ε=0.005的错误比特，然后按图2所示的流程进行识别.对本原多项式p(x)进行遍历，结果如表2所示.可以看出，当m=6，p(x)=x6+x+1时，所有y1,i值均大于门限T1.因此，选取这一组参数进行后续第二次判定.

然而该模型较为简单，与真实的船舶存在一定的距离。为构建更加真实的船舶运动数学模型，使其能更好地模拟船舶在现实中的运行状况，需要用一个非线性函数来代替式(1)中的其中

水产科技系充分利用网络优势,成立“互联网党建工作委员会”，委员会分为领导小组（系总支成员）、网络设计组（各支部教师及骨干党员教师）、网络评论组（党员教师、优秀学生代表）、网络辅导员组（党员教师）、网络巡视组（党员教师、优秀学生）。各小组分工合作，相互协调。

进行数据挖掘的软件有Statsoft Statistics SAS Enterprise Miner，Oracle DM，Matlab，Angoss，SPSS Modeler。由于数据收集具有一定难度，本研究数据相对较少，同时考虑到SPSS Modeler拥有丰富的数据挖掘算法，支持与数据库之间的数据和模型交换，具有可视化操作界面、简单易用、分析结果直观易懂、图形功能强大等特点，本文采用SPSS Modeler进行神经网络建模分析。根据各节点映射关系计算出评价因子对不同目标的权重，即各评价因子的贡献程度。

各模型的预测精度均大于90%，表明各模型正确性较高，具有分析的价值。

3) 公路建设投资对第三产业增加值的贡献最大，为14%，对国内生产总值、第一产业增加值、第二产业增加值的贡献度一样大，为3%。即公路建设投资每提高1个百分点，第三产业增加值提高14%，国内生产总值、第一产业增加值、第二产业增加值均提高3%。

4) 公路行业就业人员按受教育程度划分，对国内生产总值贡献最大的是研究生，为16%，其次是高中生，为15%；对第一产业增加值贡献最大的是高中生，为16%，其次是研究生，为15%；对第二产业增加值贡献最大的是研究生，为16%，其次是高中生，为14%；对第三产业增加值贡献最大的是初中生，为15%，其次是研究生，为11%；未接受过小学教育、小学、大学专科学历人员对国内生产总值、第一产业增加值、第二产业增加值的贡献度相差不大。

5) 除公路外其他行业固定资产投资对国内生产总值、第一产业增加值、第二产业增加值的贡献度大于公路建设投资，但公路建设投资对第三产业增加值的贡献度大于除公路外其他行业投资。

本研究仍存在一些不足。一方面由于数据的可得性，本文用交通运输业就业人员受教育程度数据表示公路行业就业人员受教育程度情况，与实际情况存在一定偏差；另一方面，SPSS Modeler软件构建神经网络模型时采用的是多层感知器，容易陷入局部极小值。

土地及土地上的空间和物体所构成的综合体为景观，景观设计全称为风景与园林的规划设计，其设计要素主要包括自然景观要素和人工景观要素，是生态、规划、地理等多种学科相互交叉融合产生的新的研究学科［3］。作为景观设计的主体，景观是复杂的自然过程、人类活动在大地上形成的烙印。可以被理解为风景——生物视觉内的审美对象，栖居地——生物生活的空间环境，生态系统——具有明确结构和功能、内外联系的有机系统，符号——记载人类理想、精神的一种载体。而景观设计则是有意识地将主体—景观进行梳理［4］。

参考文献

[1] MIKESELL J L, WANG J Q, ZHAO Z J, et al. Impact of transportation investment on economic growth in China[J].Transportation Research Record Journal of the Transportation Research Board,2016(2531):9-16.

[2] WONDEMU K A, WEISS J. Rural roads and development: evidence from ethiopia[J].European Journal of Transport & Infrastructure Research,2012,12(4):417-439.

[3] OLSSON J. Improved road accessibility and indirect development effects: evidence from rural Philippines[J].Journal of Transport Geography,2009,17(6):476-483.

[4] 王武林,王妙妙,曹小曙,等.1978-2012年武陵山区公路通达性演化及其对经济发展的影响[J].地理研究, 2015, 34(9):1755-1769.

[5] 张广海,赵金金.我国交通基础设施对区域旅游经济发展影响的空间计量研究[J].经济管理,2015(7):116-126.

[6] 张学良.中国交通基础设施促进了区域经济增长吗：兼论交通基础设施的空间溢出效应[J].中国社会科学,2012(3):60-77,206.

[7] 沈惊宏,陆玉麒,兰小机.基于分形理论的公路交通网络与区域经济发展关系的研究[J].地理科学,2012,32(6):658-665.

[8] 黄燕萍,刘榆,吴一群,等.中国地区经济增长差异:基于分级教育的效应[J].经济研究,2013,48(4):94-105.

[9] 朱顺应,王红,刘伟,等.公路建设投资对经济增长的贡献与弹性分析[J].重庆交通大学学报(自然科学版), 2003, 22(3):78-81.

[10] 余炜,万恺.数据挖掘技术在动物造模中的应用[J].中国现代应用药学,2013,30(9):952-959.

2) 工艺参数。摊放：萎调槽自然摊放15 h，温度18℃，湿度86%；叶态较柔软，浅黄绿、略暗，部分青臭气消失。杀青：温控389℃，杀青机锅体前部温度192.3℃，锅体中部温度207.4℃，锅体尾部温度115.9℃，杀青叶叶温78.4℃；杀青叶性状为有弹性，光泽消失，略暗绿，清香显。摊凉：摊2 h；叶态性状为不刺手，尚柔软，绿偏黄。之后将茶叶分成9等份，揉捻做形阶段按正交试验设计参数进行不同处理，初揉后经烘干机85℃烘5 min，摊凉后再进行二揉，二揉后也同样经烘干机85℃烘5 min，摊凉后再进行三揉，然后在125℃烘干机中烘至足干。