基于某些人工神经网络的人口预测的研究

摘要

近年来人们不断的研究人口发展的规律，希望能从复杂多变的人口中找到一个规律来预测人口未来的发展，从而制定合理的政策。但人口的增长易受出生率，死亡率等客观因素和人口政策等主观因素的影响，所以一般传统的方法对于人口的预测精度往往达不到所期望的数值。而人工神经网络是一门非线性科学，具有很强的容错性，非线性的映射能力和自适应性，可以使用非线性映射表示人口数量这一非线性系统用以提高模型精度，使它在神经系统方面，模式识别，组合优化，预测等领域有了成功地应用。
　　本文采用三类人工神经网络：反向传播网络、RBF神经网络、时间序列预测法，研究人口预测，旨在人口预测的特征，综合考虑人口预测的各个指标，从而合理预测人口的增长数量，为我国的可续发展提供便利。在BP网络中，为了避免网络陷入局部最小点和提高网络的收敛速度，采用动量法与学习速率自适应调整相结合的算法，对于全国人口总人口的预测，采用三层BP神经网络，其中输入层神经元的个数为8，输出层神经元个数为1.而在RBF神经网络中采用的参数是基函数的中心和方差以及权值,在时间序列模型中，采用曲线拟合和参数估计方法(非线性最小二乘法)对网络进行训练。对于影响全国人口总量的各个指标也进行了预测，建立了BP网络，RBF网络和AR模型的预测。
　　通过选取1990-2008年的人口指标进行预测，预测结果表明，总人口数量预测值与实际值基本吻合，BP预测值与人口总量误差0.0046,0.0011,0.0009,0.0035,0.0000。RBF预测值与人口总量误差为：0.0012,0.00023,0.0062,0.0141，0.0056。AR模型预测值与人口总量误差：0.0031,0.0045，0.0079,0.0002，0.0005。对于其他指标的预测，三种网络的预测值与实际值也非常接近，从而说明神经网络用于人口的预测是可行和有效的，有着良好的前景。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 选题背景,理论依据.

1.2国内外研究现状.发展动态

1.3本文要解决的问题

1.4本文研究内容与安排

第二章 人口预测的背景知识

2.1 预测概述

2.2 人口预测的基本定义

2.3 人口预测的常用方法

2.4 人工神经网络的介绍

2.5 神经网络的特点和学习

第三章 BP神经网络模型的介绍和算法

3.1 BP网络的模型

3.2 BP网络学习规则

3.3 BP神经网络算法分析

3.4 BP神经网络的改进

第四章 RBF神经网络模型的介绍和算法

4.1 RBF神经网络模型

4.2 RBF网络训练准则

第五章 基于MATLAB的网络设计和人口预测

5.1 BP神经网络进行人口预测

5.2 RBF网络进行人口预测

5.3 研究工作的结论和展望

参考文献

攻读硕士学位期间发表的论文及所取得的研究成果

致谢