基于改进的混沌鲸鱼算法优化DBN的广东人口数量预测研究
发布时间：2022-01-08 01:08
为了估算广东省人口总数和老龄化人口总数,针对深度置信网络模型的性能易受其权值和阈值选择的影响,提出一种基于改进的混沌鲸鱼算法优化DBN的人口数量预测模型。首先,为提高鲸鱼算法的收敛速度和避免局部最优,将Skew Tent混沌模型和非线性收敛因子引入WOA算法用于初始化WOA种群和改进WOA更新策略。其次为了提高DBN模型的性能,运用ICWOA算法对DBN模型的权值和阈值进行优化选择,融合影响人口数量的多因素特征因子,将不同年龄段的总人数、死亡率、存活率、年生育率、第一产业占比、第二产业占比以及第三产业占比等多因素特征因子作为ICWOA-DBN的输入,人口数量作为ICWOA-DBN的输出,建立ICWOA-DBN人口数量预测模型。通过标准函数测试寻优对比发现,提出的ICWOA具有更快的收敛速度和更小的适应度值。为了验证本文算法ICWOA-DBN的预测性能,以第6次全国人口普查数据为参考依据,选择2005～2016年广东省历年常住人口总数和老龄化人口总数为研究对象,研究结果表明,与IWOA-DBN、WOA-DBN、GA-DBN和DBN相比,提出的ICWOA-DBN的人口数量预测模型的精度最高...
【文章来源】：模糊系统与数学. 2020,34(02)北大核心
【文章页数】：11 页
【部分图文】：
老龄化人口预测结果
深度置信网络[17](Deep Belief Network,DBN)是由多个受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)分级叠加组合而成的一种深层的神经网络,其模型结构如图1所示。假定RBM模型的可见单元数量和隐单元数量分别为为n个和m个,二者分别对应的状态为v、h,那么RBM模型系统的能量为:
表1 标准测试函数 函数 数学表达式 搜索区间 维数 fmin Sphere f 1 (x)= ∑ i=1 n x i 2 [-100,100] 30 0 Schwefel2.22 f 2 (x)= ∑ i=1 n | x i |+ ∏ i=1 n | x i | [-10,.10] 30 0 Schwefel1.2 f 3 (x)= ∑ i=1 n ( ∑ j=1 i x j ) 2 [-100,100] 30 0 Schwefel2.21 f4(x)=maxi{|xi|,1≤xi≤n} [-100,100] 30 0 Rosenbrock f 5 (x)= ∑ i=1 n-1 [ 100(x i+1 -x i 2 ) 2 +(x i -1) 2 ] [-30,30] 30 0 Rasrigin f 6 (x)= ∑ i=1 n [ x i 2 -10 cos (2πx i )+10] [-5.12,5.12] 30 0 Ackley f 7 (x)=-20 exp ( 0.2 1 n ∑ i=1 n x i 2 )- exp ( 1 n ∑ i=1 n c os(2πx i ) )+20+e [-32,32] 30 0 Griewank f 8 (x)= 1 4000 ∑ i=1 n x i 2 - ∏ i=1 n cos ( x i x i )+1 [-600,600] 30 0图2 标准测试函数收敛曲线对比图
【参考文献】：
期刊论文
[1]基于优化离散灰色和ANN组合模型的人口预测[J]. 祝承,叶妙婷,胡臻龙. 现代信息科技. 2018(05)
[2]基于两种改进人口模型的新生育政策下人口预测与分析——以西安市为例[J]. 何金阳,仇鸿超,李林,王壮. 计算机与现代化. 2017(08)
[3]基于神经网络的我国人口预测分析[J]. 张馨艺,常浩娟. 农村经济与科技. 2017(15)
[4]一种随机调整控制参数的鲸鱼优化算法[J]. 钟明辉,龙文. 科学技术与工程. 2017(12)
[5]深度学习耦合粒子群优化SVM的瓦斯浓度预测[J]. 钱建生,邱春荣,李紫阳,吴响. 煤矿安全. 2016(11)
[6]中国城市化率预测模型构建[J]. 张东生,马娜. 统计与管理. 2016(11)
[7]基于两种灰色模型的乌鲁木齐市人口预测及其人口问题的探讨[J]. 郑丽,孜比布拉·司马义,颉渊,帕孜丽娅木·木力提江. 干旱区资源与环境. 2016(11)
[8]基于多项式神经网络模型的人口预测方法研究[J]. 谭永宏,曾喆昭. 数学的实践与认识. 2016(18)
[9]基于改进Leslie矩阵的人口灰色预测模型[J]. 朱芳,杨永富. 信息技术. 2016(05)
[10]基于动力学模型的人口数量预测和政策评估[J]. 张娟,段西超,李静,王涛,靳祯. 数学的实践与认识. 2015(09)
本文编号：3575606
【文章来源】：模糊系统与数学. 2020,34(02)北大核心
【文章页数】：11 页
【部分图文】：
老龄化人口预测结果
深度置信网络[17](Deep Belief Network,DBN)是由多个受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)分级叠加组合而成的一种深层的神经网络,其模型结构如图1所示。假定RBM模型的可见单元数量和隐单元数量分别为为n个和m个,二者分别对应的状态为v、h,那么RBM模型系统的能量为:
表1 标准测试函数 函数 数学表达式 搜索区间 维数 fmin Sphere f 1 (x)= ∑ i=1 n x i 2 [-100,100] 30 0 Schwefel2.22 f 2 (x)= ∑ i=1 n | x i |+ ∏ i=1 n | x i | [-10,.10] 30 0 Schwefel1.2 f 3 (x)= ∑ i=1 n ( ∑ j=1 i x j ) 2 [-100,100] 30 0 Schwefel2.21 f4(x)=maxi{|xi|,1≤xi≤n} [-100,100] 30 0 Rosenbrock f 5 (x)= ∑ i=1 n-1 [ 100(x i+1 -x i 2 ) 2 +(x i -1) 2 ] [-30,30] 30 0 Rasrigin f 6 (x)= ∑ i=1 n [ x i 2 -10 cos (2πx i )+10] [-5.12,5.12] 30 0 Ackley f 7 (x)=-20 exp ( 0.2 1 n ∑ i=1 n x i 2 )- exp ( 1 n ∑ i=1 n c os(2πx i ) )+20+e [-32,32] 30 0 Griewank f 8 (x)= 1 4000 ∑ i=1 n x i 2 - ∏ i=1 n cos ( x i x i )+1 [-600,600] 30 0图2 标准测试函数收敛曲线对比图
【参考文献】：
期刊论文
[1]基于优化离散灰色和ANN组合模型的人口预测[J]. 祝承,叶妙婷,胡臻龙. 现代信息科技. 2018(05)
[2]基于两种改进人口模型的新生育政策下人口预测与分析——以西安市为例[J]. 何金阳,仇鸿超,李林,王壮. 计算机与现代化. 2017(08)
[3]基于神经网络的我国人口预测分析[J]. 张馨艺,常浩娟. 农村经济与科技. 2017(15)
[4]一种随机调整控制参数的鲸鱼优化算法[J]. 钟明辉,龙文. 科学技术与工程. 2017(12)
[5]深度学习耦合粒子群优化SVM的瓦斯浓度预测[J]. 钱建生,邱春荣,李紫阳,吴响. 煤矿安全. 2016(11)
[6]中国城市化率预测模型构建[J]. 张东生,马娜. 统计与管理. 2016(11)
[7]基于两种灰色模型的乌鲁木齐市人口预测及其人口问题的探讨[J]. 郑丽,孜比布拉·司马义,颉渊,帕孜丽娅木·木力提江. 干旱区资源与环境. 2016(11)
[8]基于多项式神经网络模型的人口预测方法研究[J]. 谭永宏,曾喆昭. 数学的实践与认识. 2016(18)
[9]基于改进Leslie矩阵的人口灰色预测模型[J]. 朱芳,杨永富. 信息技术. 2016(05)
[10]基于动力学模型的人口数量预测和政策评估[J]. 张娟,段西超,李静,王涛,靳祯. 数学的实践与认识. 2015(09)
本文编号：3575606
本文链接：https://www.wllwen.com/shekelunwen/renkou/3575606.html
