《基于神经网络的多因素人口预测研究》读书笔记

标题

作者

指导老师

(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.

关键词

中国分类号

<div>1 本研究的背景，必要性，意义</div>

<div>2 本领域已有的研究现状</div>

<div>3 提出问题</div>

4 本研究的观点，贡献成果

材料获取及处理

BP神经网络设计及人口预测

BP-NN预测

GA-ENN

GA-ENN预测

...

优点

缺点

改进

[1]贾楠.基于某些人工神经网络的人口预测的研究[D]:[硕士学位论文].山西:中北大学,2012:1-16

<div>[2]何思兰,孙红兵.基于灰色预测和BP神经网络模型的云南省人口总量预测研究[J].计算机与数字工程,2016(2):2-3</div>

<div>[3]谭永宏,曾喆昭.基于多项式神经网络模型的人口预测方法研究[J].数学的时间与认识,2016,46(18):1-4</div>

<div>[4]周美旭.基于GA-BP神经网络的江西人口预测[D]:[硕士学位论文].江西:景德镇陶瓷大学,2015:1-15</div>

[5]周志华.机器学习[M].北京:清华大学出版社,2016:101-113

[6]黄丽.BP神经网络的改进及应用研究[D]:[硕士学位论文].黑龙江:东北农业大学,2008:6-15

[7]刘天舒.BP神经网络的改进研究及应用[D]:[硕士学位论文].黑龙江:东北农业大学,2011:10-20

[8]Diederik P. Kingma,Jimmy Lei Ba.ADAM: A METHOD FOR STOCHASTIC OPTIMIZATION[J].International Conference on Learning Representations,2015:1-15

<div>[9]沈巍,武鑫.基于数据挖掘的北京市人口增长影响因素研究[J].中国人口·资源与环境,2013,23(11):2-3.</div>

[10]欧玛杜.马里人口增长及其影响因素研究[D]:[硕士学位论文].北京:首都经济贸易大学,2015:39-43.

<div>[11]解素雯.基于主成分分析与因子分析数学模型的应用研究[D]:[硕士学位论文].山东:山东理工大学,2016:23-24</div>

[12]李嘉璇.TensorFlow技术解析与实战[M].北京:人民邮电出版社,2017:11-74

[13]TensorFlow官方网站[EB/OL].https://www.tensorflow.org/,2017-9-1

[1]贾楠.基于某些人工神经网络的人口预测的研究[D]:[硕士学位论文].山西:中北大学,2012:1-16

<div>[2]何思兰,孙红兵.基于灰色预测和BP神经网络模型的云南省人口总量预测研究[J].计算机与数字工程,2016(2):2-3</div>

<div>[3]谭永宏,曾喆昭.基于多项式神经网络模型的人口预测方法研究[J].数学的时间与认识,2016,46(18):1-4</div>

<div>[4]周美旭.基于GA-BP神经网络的江西人口预测[D]:[硕士学位论文].江西:景德镇陶瓷大学,2015:1-15</div>

<div>[5]沈巍,武鑫.基于数据挖掘的北京市人口增长影响因素研究[J].中国人口·资源与环境,2013,23(11):2-3.</div>

[6]欧玛杜.马里人口增长及其影响因素研究[D]:[硕士学位论文].北京:首都经济贸易大学,2015:39-43.

<div>[7]解素雯.基于主成分分析与因子分析数学模型的应用研究[D]:[硕士学位论文].山东:山东理工大学,2016:23-24</div>

<div>[8]公丽艳,孟宪军,刘乃侨,毕金峰.基于主成分与聚类分析的苹果加工品质评价[J].农业工程学报,2014,30(13): 3-6</div>

[9]刘天舒.BP神经网络的改进研究及应用[D]:[硕士学位论文].黑龙江:东北农业大学,2011:10-20

[10]黄丽.BP神经网络的改进及应用研究[D]:[硕士学位论文].黑龙江:东北农业大学,2008:6-15

[11]周志华.机器学习[M].北京:清华大学出版社,2016:101-113

[12]李嘉璇.TensorFlow技术解析与实战[M].北京:人民邮电出版社,2017:11-74

[13]TensorFlow官方网站[EB/OL].https://www.tensorflow.org/,2017-9-1

[14]Diederik P. Kingma,Jimmy Lei Ba.ADAM: A METHOD FOR STOCHASTIC OPTIMIZATION[J].International Conference on Learning Representations,2015:1-15

相关代码

原始材料

相关图表