RESUMO:
Este estudo adota uma perspectiva mais macroscópica para focar na questão da pobreza rural na China. Ao selecionar indicadores que refletem vários níveis de recorrência da pobreza, considerando factores de risco em múltiplas dimensões e empregando métodos avançados, construímos um novo indice de risco de recorrência da pobreza rural na China. Utilizamos um modelo de mudança de Markov para aprofundar os mecanismos de recorrência da pobreza. Com base nisso, desenvolvemos um sistema avançado de alerta precoce de risco de recorrência de pobreza usando um modelo de memória de longo e curto prazo de rede neural convolucional (CNN-LSTM). O sistema é optimizado através de previsões baseadas em mecanismos para melhor captar as mudanças dinâmicas na recorrência da pobreza. Os resultados empíricos demonstram que o sistema integrado de monitorização dinâmica e de alerta precoce tem resultados significativamente eficazes na abordagem da recorrência da pobreza rural.
Palavras-chave:
risco de recorrência da pobreza; pobreza multidimensional; modelo de comutação de Markov; rede híbrida CNN-LSTM; sistema de alerta precoce