首页  思维导图  详情

《基于神经网络的多因素人口预测研究》读书笔记

2018-05-31 15:29:19   1  举报





AI智能生成

一篇关于神经网络人口预测的学术论文初稿

神经网络机器学习深度学习

人口预测学术论文论文框架

作者其他创作

大纲/内容

1 标题，作者，指导老师

标题

基于神经网络的多因素人口增长预测研究

Multifactorial population prediction research based on modified BP neural network

作者

指导老师

2 摘要

(引言：必要性，意义）

陈述本研究的主要目的和范围

描述本研究所使用的方法

总结本研究的成果

成熟本研究的主要结论

人口增长直接关系到经济、社会等方面的发展，同时对合理控制人口，提高人口质量，改善人口结构有着重大意义。论文统计了中国1978~2015年的人口基础数据、经济方面数据和教育方面数据，并进行了主成分分析进行数据降维，得到影响人口增长的5个因子。随后搭建优化的神经网络，使用已有的5个因子数据及次年的增长人口对神经网络进行训练。神经网络通过隐藏层把五个因子发散开来，随后将发散开来的数据进行挤压，去除含有无关细节的噪音数据，保留相关的数据，并通过反向传播寻找到输入与输出数据之间的关系。最后使用已经训练好的神经网络对未来六年的增长人口进行预测，预测的结果为：【神经网络预测结果】。过去的神经网络人口模型大多只是从人口基数的趋势出发，此论文虑了影响人口的多个根本原因，将多个原因的因子作为输入，得到最终的人口，预测更为准确。

Population growth is directly related to the development of economy,society and so on,while it has great significance for controlling population reasonably,improving population quality and improving population structure.In the paper,demographic data, economic data and education data of China from 1978 to 2015 were considered，and principal component analysis was carried out for them.Finally the five factors affecting population were obtained.Then the modified neural network was built , trained with the existing five factors data and the increasing population next year.The neural network spread the factors through the hidden layer,then the data were dispersed, and the noised data were corrected,the relevant data were retained.Finally the relationship between input and output was searched through back propagation.Finally, using the trained neural network to predict the increasing population for the next six years, the prediction results were:[].In the past, the BP neural network model of population was mostly based on the trend of population base.This paper considered many fundamental factors as the input of neural network.With the modified BP neural network progressed,the prediction would be more accurate.

3关键词中国分类号

关键词

BP神经网络人口预测主成分分析

中国分类号

4 引言

1 本研究的背景，必要性，意义

长期以来，人口预测一直是有着十分重要意义的一个课题。通过预测未来的人口数量，相关部门可以对用于教育、医疗、基础设施等方面的投入做出更好的决策，使得社会资源更好的分配。且中国作为一个人口大国，其人口预测之于人口数量、人口结构及人口质量控制都有着非凡的意义[1~3]。

2 本领域已有的研究现状

1798年，马尔萨斯指数模型，马尔萨斯在《人口论》指出，人口成指数增长, 人口增长几乎从未呈指数方式，里面的变数太多，绝非一个简单的数学模型所能概括，更大的意义在于呼吁世界控制人口

1837年，Logistics人口增长模型，由荷兰生物学家Verhulst提出，后来被广泛采用并得到了长足的发展[1], 人口是复杂的问题，过于主观的假设

19世纪末，线性回归模型，高尔顿提出回归分析方法，经过几十年的发展，出现各种各样的线性回归模型以及多元线性模型[1], 人口是非线性的

现代，灰色模型 & 神经网络模型[1~4],较准确，但很多研究都是从人口基数趋势的角度出发，没有考虑根本原因

3 提出问题

从根本的影响因素去考虑人口增长问题，再使用科学的方法进行预测

4 本研究的观点，贡献成果

忽略了人口增长的混沌特性 -》多因素人口研究，从其根源考虑人口增长，并使用科学的方法进行预测，使得人口预测更加的准确

5 正文

材料获取及处理

材料获取（制表展示）

本文所有数据来源：国家数据统计局： http://data.stats.gov.cn/easyquery.htm?cn=C01

参考人口因素分析文献[5]，挑选出如下指标作为影响人口因素的指标：

人口基础数据

人口基数，出生率，死亡率，外来人口总量(数据缺失)，净迁移人数(数据缺失)

经济因素

居民消费水平，GDP，人均GDP，人均可支配收入(数据不全)，人均家庭总收入(数据不全)，邮电业务总量，第一产业指数

经济指标

教育因素

普通高等学校招生数，高校数量

文化教育指标

...

医疗因素

医疗卫生人员数，医疗机构数

医疗指标

材料处理

数据清洗

摒弃缺失或不全的数据，矫正少数偏离均值较远的数据

主成分分析法[7、8]

目的：因为牵涉的因子过多，不利于神经网络的收敛，故进行主成分分析法进行处理

主成分分析法，运用降低数据纬度的思想，把多个因子转换为一个或者几个因子，转换后的一个或者几个因子能够同样起到跟原因子一样的描述效果

首先使用SPSS进行KMO and Bartlett's Test检验变量之间的相关性[7]

经济方面

进行 KMO and Bartlett's Test

结果如图：【Test分析表】KMO值，sig值

以上结果显示KMO值为 { } 大于0.50，sig为0.000，可以进行主成分分析。

进行主成分分析，得到解释的总方差表如下：【主成分分析表】

由上表累积方差贡献率看出，选取一个主成分的贡献率为95.736%，所以选取一个主成分是可行的。使用此因子作为经济方面的衡量指标

教育两个因子的KMO值等于0.50，且因子较少，故不作主成分分析

标准化处理

为了后续的神经网络的有效训练，对数据进行标准化处理。

使用SPSS对因子进行Z-score数据标准化。

次年增长人口除以1000使得数据映射到一个较小的数值，便于后续得到增长人口数。