基于灰色GA-BP神经网络的江西人口预测

发布时间：2017-08-25 11:18

  本文关键词：基于灰色GA-BP神经网络的江西人口预测

  更多相关文章： 江西人口预测 Logistic人口预测模型 灰色系统理论 时间序列模型 组合模型

【摘要】：改革开发后的几十年间,江西省由于人口数量的快速增长引起了诸多问题,另一方面,人口在结构、分布和其他方面发生了快速的变化,这些导致了人口与资源、社会、环境、经济造成冲突；尤其我省还属于欠发达的地区,由于人口不断的增长,大大的影响了我省的经济发展水平、就业率、教育水平、人口素质等一系列的问题；短时间要抑制人口增长过快的问题是不可能,所以提前对人口数量进行预测,是现下的当务之急,为社会资源分配,教育、医疗、社会福利、就业等问题提前做好准备。就目前而言,关于人口预测的模型,主要有灰色系统模型、改进的人工神经网络模型、莱斯利矩阵模型、Logistic人口增长模型、时间序列模型、指数函数法、线性回归模型、支持向量机模型等等；这些模型都可以用于人口预测,每种模型都有大量的学者研究,但是具体用什么模型,没有统一的标准；本文主要采用了Logistic人口增长模型、时间序列模型、灰色模型及组合模型对江西人口进行建模预测。本文首先是分析人口过度增长带来的社会问题,其次利用Logistic人口增长模型、ARIMA(p,d,q)模型、GM(1,1)模型对江西人口进行建模并预测,比较各个模型的优缺点,最后针对GM(1,1)模型的不足提出用GM(.1,1)模型与BP神经网络进行组合建模,并用遗传算优化BP神经网络的权值与阈值,形成灰色GA-BP神经网络模型对人口预测建模,结果表明这种组合模型能涵盖更多的信息,预测精度更准。
【关键词】：江西人口预测 Logistic人口预测模型 灰色系统理论 时间序列模型 组合模型
【学位授予单位】：景德镇陶瓷学院
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：C924.2;TP183
【目录】：

• 摘要3-4
• Abstract4-8
• 1 引言8-12
• 1.1 问题提出及选题的意义8
• 1.2 国内外人口预测研究现状8-9
• 1.3 论文的主要内容及创新9-12
• 1.3.1 论文的主要内容9-10
• 1.3.2 论文的创新点10-12
• 2 基于Logistic人口增长模型的江西人口预测12-18
• 2.1 Logistic人口增长模型概述12
• 2.2 数据来源12-15
• 2.3 模型验证情况及预测15-17
• 2.4 本章小结17-18
• 3 基于时间序列模型的江西人口预测18-34
• 3.1 时间序列模型18-21
• 3.1.1 时间序列模型系统概述18
• 3.1.2 随机过程、平稳和非平稳序列、差分的概念18-19
• 3.1.3 单位根检验19-20
• 3.1.4 白噪声检验20-21
• 3.1.5 BIC定阶21
• 3.2 时间序列的基本模型21-23
• 3.2.1 指数平滑模型21-22
• 3.2.2 ARMA(p,q)模型22-23
• 3.2.3 ARIMA(p,d,q)模型23
• 3.3 ARIMA模型建立步骤23-25
• 3.3.1 数据平稳性检验23-24
• 3.3.2 对差分后的平稳数据进行ARMA拟合24
• 3.3.3 参数检验24
• 3.3.4 模型检验24
• 3.3.5 模型预测24-25
• 3.4 利用ARIMA模型对江西人口数据建模预测25-33
• 3.4.2 人口数据平稳化处理27-29
• 3.4.3 ARIMA(p,d,q)模型的建立与检验29-31
• 3.4.4 对ARIMA(0,2,1)模型的验证31-32
• 3.4.5 利用ARIMA (0,2,1)模型进行预测32-33
• 3.5 本章小结33-34
• 4 基于灰色系统理论的江西人口的预测34-42
• 4.1 灰色系统理论系统概述34
• 4.2 灰色系统理论系统简介34-40
• 4.2.1 灰色关联分析34-36
• 4.2.2 生成数36
• 4.2.3 GM(1,N)模型36-38
• 4.2.4 模型检验38-40
• 4.3 基于GM(1,1)模型的江西人口预测40-42
• 5 基于灰色GA-BP神经网络的江西人口预测42-60
• 5.1 组合模型的引出42
• 5.2 人工神经网络42-44
• 5.2.1 发展史42-43
• 5.2.2 基本特征43
• 5.2.3 应用领域43-44
• 5.2.4 人工神经网络的最近发展近况44
• 5.3 BP神经网络算法44-49
• 5.3.1 BP神经网络算法概述44-45
• 5.3.2 BP神经网络算法的计算步骤45-48
• 5.3.3 BP神经网络参数的设置48-49
• 5.3.4 BP神经网络算法的优缺点49
• 5.4 遗传算法49-52
• 5.4.1 遗传算法概述49-50
• 5.4.2 遗传算法的计算过程50-52
• 5.5 遗传算法优化BP神经网络52-54
• 5.6 灰色GA-BP神经网络模型的构建54-58
• 5.6.1 模型构建原理54
• 5.6.2 模型算法步骤54
• 5.6.3 神经网络及遗传算法参数的设定54-55
• 5.6.4 灰色GA-BP神经网络模型在江西人口预测中的应用55-58
• 5.7 利用训练好的灰色GA-BP神经网络模型进行预测58-59
• 5.8 本章小结59-60
• 6 结论和展望60-62
• 6.1 结论60
• 6.2 展望60-62
• 致谢62-63
• 参考文献63-66
• 附录A66-67
• 附录B67-70
• 附录C70-72
• 附录D72-76

【相似文献】

中国期刊全文数据库 前10条

1 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期

2 林静怡;朱建平;;优化问题神经网络方法的发展及有待解决的问题[J];统计教育;2006年11期

3 王鸿斌;张立毅;;新型神经网络的发展及其应用[J];忻州师范学院学报;2007年02期

4 杨则正;神经网络中模拟人的思维过程[J];管理科学文摘;1994年07期

5 柴振荣;利用神经网络的智能型管理[J];管理科学文摘;1995年03期

6 冯继民;神经网络:从工程观点看其发展前景[J];管理科学文摘;1995年05期

7 郑士贵;预测大学毕业生的成功:神经网络和传统技术的比较[J];管理科学文摘;1996年04期

8 李斌;神经网络在集体决策过程中进行多准则模拟时的应用[J];管理科学文摘;1996年04期

9 李斌;推论和神经网络[J];管理科学文摘;1996年05期

10 郑士贵;伴随新制品研制的神经网络:述评[J];管理科学文摘;1996年06期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

，

本文编号：736623