首页  思维导图  详情

研究计划书

2018-05-24 10:51:43   20  举报





AI智能生成

《基于优化的神经网络的多因素人口预测研究》创新项目计划书

神经网络机器学习深度学习

作者其他创作

大纲/内容

前言

<div>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</div><div>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</div><div>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</div><div>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</div><div>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</div><div>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。 </div>

研究背景

<div><br><br><br><br><br><br><table cellspacing="0" cellpadding="0" hspace="0" vspace="0" align="left"> <tbody><tr> <td valign="top" align="left"><p><span lang="EN-US">1798</span><span>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<span lang="EN-US"><o:p></o:p></span></span></p><br> <p><span lang="EN-US">      </span><span>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<span lang="EN-US"><o:p></o:p></span></span></p><br> <p><span lang="EN-US">    1838</span><span>年，<span lang="EN-US">Logistics</span>人口增长模型，由荷兰生物学家<span lang="EN-US">Verhulst</span>提出，后来被广泛采用并得到了长足的发展，人口是复杂的问题，过于主观的假设<span lang="EN-US"><o:p></o:p></span></span></p><br> <p><span lang="EN-US">    19</span><span>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，人口是非线性的<span lang="EN-US"><o:p></o:p></span></span></p><br> <p><span lang="EN-US">    </span><span>现代，灰色模型<span lang="EN-US"> & BP</span>神经网络模型，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<span lang="EN-US"><o:p></o:p></span></span></p><br> </td> </tr></tbody></table><br><br></div>

已有研究成果

1、取得了相关的人口、经济、教育等各方面数据

2、使用SPSS对数据进行了详尽的统计学描述，相关分析

3、使用Python语言和TensorFlow框架搭建了神经网络，并使用Adam算法进行了优化

将来研究计划

1、对数据进行清洗

2、对数据进行主成分分析，降低数据纬度

3、因子相关分析，筛选显著因子

4、将数据分成训练集和测试集，供神经网络使用

5、使用训练集训练神经网络

6、使用测试集检验神经网络训练成果，若结果不令人满意，则调整参数，并重新优化改进前几步

7、使用灰色系统理论或者神经网络，对各个因子将来的取值进行一元预测