贫困是一个十分复杂并且在长期内受到广泛关注的问题,截止到2017年中国依旧存在严重的贫困问题。十九大报告指出在民生领域还有不少短板,脱贫攻坚任务艰巨。目标是从现在到2020年,全国在现行标准下农村贫困人口全部脱贫,建立合理的识别贫困户的模型体系是现阶段研究的关键所在。本文是在多维贫困视角下,对中国农村贫困家庭进行识别的研究,借鉴模糊数学中模糊集的概念,尝试性的把“贫困”看成一个模糊的概念,采用模糊集方法中的完全模糊与相对方法(TFR)方法构建多维贫困模糊指数对中国农村家庭的多维贫困状况进行测度并分类。然后,使用随机森林对已有的贫困识别模型进行验证并预测。最后对多维模糊-随机森林模型的预测精度进行验证,与其它模型进行比较。运用多维模糊-随机森林组合模型来对贫困对象进行有效的识别,不仅可以精确地识别出农村贫困家庭,而且可以分析中国农村贫困家庭各维度的贫困发生率、致贫因素以及根据多个维度的判别准则对贫困家庭进行有效识别,并提出相应的精准扶贫的政策建议。研究结果表明:单维度的贫困发生率(多维致贫因素)主要集中在生活负担、居住环境、经济地位和人均年收入,多维模糊-随机森林模型在识别贫困方面具有很高的精度,本文的研究结果对精准扶贫有着重大意义,从理论上讲,本文构建了一套较为完善的农村多维贫困识别体系,为识别贫困户奠定了基础;从实践上讲,本文提出了一个能够准确识别贫困家庭的组合模型,可以为精准扶贫工作提供重要参考。