研究计划书

《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

前言

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。 

研究背景

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     1838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，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，人口是非线性的     现代，灰色模型 & BP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

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

8、使用各个因子的预测结果代入神经网络，对将来的人口增长进行预测

9、对未来十年的人口进行预测

预期研究成果

对青海人口进行预测

对全国人口进行预测

在核心期刊或者普通期刊发表一篇论文