【正文】 200420052006200720082009人口數(shù)（千萬）年份2010201120122013201420152020人口數(shù)（千萬）年份202520302035204020452050人口數(shù)（千萬） 由上表可以看出：。 實驗步驟( 1) 輸入原始數(shù)據(jù)資料；( 2) 應(yīng)用灰色模型進行預(yù)測, 得到預(yù)測序列；( 3) 將預(yù)測值作為輸入量, 原始數(shù)據(jù)作為期望值, 對BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練, 得到相應(yīng)的權(quán)值和閥值；( 4) 輸入需要預(yù)測的年份, 即可得到具有相當精度的預(yù)測量。 實驗結(jié)論現(xiàn)有我國1996—2013年的人口總數(shù), 應(yīng)用編寫的logistic模型和灰色模型模型的程序, 首先根據(jù)我國19962012年的數(shù)據(jù), 利用三種預(yù)測模型進行預(yù)測, 將所預(yù)測得到的2013年全國人口總數(shù)與已有數(shù)據(jù)進行比較, 并驗證神經(jīng)網(wǎng)絡(luò)的短期預(yù)測精度。 以為例說明轉(zhuǎn)移向量， 式中表示第時間區(qū)間內(nèi)第個年齡段的農(nóng)村人數(shù)， 表示第時間區(qū)間內(nèi)第個年齡段人的農(nóng)村轉(zhuǎn)入城市的百分比 則 表示城鄉(xiāng)人口轉(zhuǎn)移后的人口向量 每次計算完 再計算那么我們在考慮到出生率、死亡率、人口增長率的因素前提下，選取神經(jīng)網(wǎng)絡(luò)模型預(yù)測人口。在此基礎(chǔ)上, 應(yīng)用BP神經(jīng)網(wǎng)絡(luò)模型對中國未來45年人口總數(shù)進行預(yù)測, 預(yù)測數(shù)據(jù)見下圖 多因素長期預(yù)測人口數(shù)我們得出結(jié)論：人口總量在未來30年還將凈增2億人左右, , , 之后人口總量緩慢下降。首先，要衷心感謝此次指導(dǎo)我畢業(yè)設(shè)計的趙暉老師，趙老師年輕有為，學(xué)識淵博，治學(xué)嚴謹，見解獨到。其次，我要感謝與我共同走過四年大學(xué)生活的宿舍朋友們，以及其他各位班內(nèi)同學(xué)。最后，我要感謝陜西理工學(xué)院，感謝你為我提供了一個增長知識、廣交朋友和認識社會的良好平臺。參考文獻[1]（中國國家統(tǒng)計局網(wǎng)）.[2]聞新 周露 李翔 張寶偉, MATLAB神經(jīng)網(wǎng)絡(luò)仿真與應(yīng)用,北京：科學(xué)出版社, 2003. [3]飛思科技產(chǎn)品研發(fā)中心, , 北京：電子工業(yè)出版社, 2003. [4]鄧聚龍, 灰預(yù)測與灰決策, 武漢：華中科技大學(xué)出版社, 2002年. [5]胡元東,王學(xué)軍, 因素分析[J].合肥師范學(xué)院學(xué)報,2008 ， 26(06 )： 28— 32．[6]胡猛,[J].山西師范大學(xué)學(xué)報(自然科學(xué)版),2008,22(04 )：123—128．[7] 安和平,中國人口預(yù)測的自回歸分布滯后模型研究[J]．統(tǒng)計與決策,2005,(08x):4—7．[8],2009.[9] 姜啟源,謝金星,[M].北京:.2003年8月第三版.[10]Gamier, S.,J. Gautrais,and G. Theraulaz, The biological principles of swarm intelligence.Swarm Intelligence, 2007. 1(1): p. 331.[12] (漢英對照)[M].:210,2637.[13] 胡守仁. 神經(jīng)網(wǎng)絡(luò)應(yīng)用技術(shù). 長沙: 國防科技大學(xué)出版社, 1993. [14] Sharda networks for the MS/OR analyst: An application bibliography. Interfaces, 1994, 24(2): 116130.[15] Hu of the adaline system to weather forecasting[dissertation]. Stanford Electronic Laboratories: Univ. of Stanford, 1964.[16] Warren S. McCulloch, Walter Pitts. A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biology, 1943, 5(4): 115133.附錄附錄A：t=0:51。,39。,39。 %初始參數(shù)值fun=inline(39。,39。 %非線性擬合的方程plot(t,x,39。) %對原始數(shù)據(jù)與曲線擬合后的值作圖附錄B：t=46:3:94y= ./(1+( ).*exp( .*t))%對總?cè)丝谶M行預(yù)測t=0:42。,39。,39。 %初始參數(shù)值fun=inline(39。,39。 %非線性擬合的方程plot(t,x,39。) %對原始數(shù)據(jù)與曲線擬合后的值作圖附錄C：t=37:3:85y=./(1+().*exp( .*t))%對總?cè)丝谶M行預(yù)測t=0:25。,39。,39。 %初始參數(shù)值fun=inline(39。,39。 %非線性擬合的方程plot(t,x,39。) %對原始數(shù)據(jù)與曲線擬合后的值作圖附錄D： 程序1_利用Matlab軟件求解灰色預(yù)測模型GM(1，1)程序n=7。x1(1)=x0(1)。D=x1(n)x1(1)。deta=(n1)*FC^2。for k=0:19,x2(k+1)=(x0(1)b/a)*exp(a*k)+b/a。disp(39。 。 。 。 。% 期望輸出t=[ 95 ]。 % 隱層第二層節(jié)點數(shù)TypeNum = 1。tansig39。traingdx39。%訓(xùn)練次數(shù)設(shè)置=1e5。[a]=postmnmx(an,mint,maxt)。,1:length(t),a,39。o表示預(yù)測值 AND *表示實際值39。)title(39。 % 自回歸階數(shù)iinput=x。endtargets=x(lag+1:end)。 = 15/100。errors=targetsyn。f_out=zeros(1,fn)。end% 畫出預(yù)測圖figure,plot(1949:2013,iinput,39。)附錄E表E1 人口出生率、死亡率和自然增長率單位：‰年 份出生率死亡率自然增長率年 份出生率死亡率自然增長率19781997198019981981199919822000198320011984200219852003198620041987200519882006198920071990200819912009199220101993201119942012199520131996第 26 頁 共 32 頁。,2013:2020,[iinput(end),f_out],39。 f_in=[f_in(2:end)。 %預(yù)測步數(shù)為fn。%訓(xùn)練網(wǎng)絡(luò)[net,tr] = train(net,inputs,targets)。 %隱藏層神經(jīng)元個數(shù)net = fitnet(hiddenLayerSize)。%準備輸入和輸出數(shù)據(jù)inputs=zeros(lag,nlag)。)grid onBp仿真結(jié)果x=[54167 55196 56300 57482 58796 60266 61465 62828 64653 65994 67207 66207 65859 67295 69172 70499 72538 74542 76368 78534 80671 82992 85229 87177 89211 90859 92420 93717 94974 96259 97542 98705 100072 101654 103008 104357 105851 107507 109300 111026 112704 114333 115823 117171 118517 119850 121121 122389 123626 124761 125786 126743 127627 128453 129227 129988 130756 131448 132129 132802 134480 135030 135770 136460 137510]39。figureplot(1:length(error),error,39。)。plot(1:length(t),t,39。 net=train(net,pn,tn)。%網(wǎng)絡(luò)創(chuàng)建%traingdm=50。tansig39。tansig39。 %將數(shù)據(jù)歸一化NodeNum1 =20。 。 。 。 。)g(8:15)BP神經(jīng)網(wǎng)絡(luò)的matlab程序clcclearclose all% 原始數(shù)據(jù)輸入p=[ 。for k=1:19, x3(k+1)=x2(k+1)x2(k)。a=deta_a/deta。F=sum(z1.^2)。endfor i=1:n1, z1(i)=(x1(i+1)+x1(i))/2。 x0=sqrt(g0)。,t,y,39。)。,39。)。,39。 [c,d]=solve(39。,t,y,39。)。,39。)。,39。 [c,d]=solve(39。,t,y,39。)。,39。) 。,39。 [c,d]=solve(39。最后感謝評審專家與答辯委員會的各位老師，感謝你們對我的畢業(yè)論文提出的寶貴意見。此外，我還要感謝數(shù)計學(xué)院以及其他各學(xué)院的同學(xué)，正是有了你們才讓我的友誼之樹枝繁葉茂，正是有了你們才讓我領(lǐng)略到了不同學(xué)科的風采，正是有了你們才讓我對陜西理工學(xué)院感情深厚。非常感謝趙老師四年來對我的指導(dǎo)和照顧，老師對學(xué)術(shù)嚴苛的態(tài)度、卓越超前的學(xué)術(shù)思想、精益求精的科研精神和率為人師的學(xué)者風范，無不令人折服，使人欽佩。他們不僅在生活和工作中給我最多的關(guān)懷和幫助，教給我做人的道理，更給予我以精神上莫大的支持和鼓勵。其計算公式為：人口自然增長率：是指在一定時期內(nèi)( 通常為一年) 人口自然增加數(shù)( 出生人數(shù)減死亡人數(shù)) 與該時期內(nèi)平均人數(shù)( 或期中人數(shù)) 之比, 用千分率表示。1．考慮到生育率和死亡率是隨時間變化的，我們可以定義生育率和死亡率為時間函數(shù) （1）生育率 影響生育率因素有受政策因素、觀念認識、周邊環(huán)境等，通常來說農(nóng)村的生育率高于城市，為了有效區(qū)分這種差異性，我們定義為反映城、鎮(zhèn)、鄉(xiāng)平均生育率水平的基準生育率，定義分別為城、鎮(zhèn)、鄉(xiāng)平均生育率 則， 其中、為反映生育率高低的系數(shù)，系數(shù)的大小根據(jù)具體情況確定 顯然有 考慮到隨著時間的推移，計劃生育政策深入人心，農(nóng)村生育率將降低 用下面函數(shù)反映這種變化式中,為參考系數(shù)（2）死亡率 隨著時間的推移，醫(yī)療水平的提高，死亡率將下降，但死亡率中有一部分是非疾病死亡，對于青年人死亡率比較平穩(wěn)，死亡率變化主要體現(xiàn)在老年人。對比國家人口計生委2003年預(yù)測結(jié)果（見附錄）, logistic模型和GM