【正文】 (k+1)=x2(k+1)x2(k)。 。 。 %將數(shù)據(jù)歸一化NodeNum1 =20。tansig39。 net=train(net,pn,tn)。)。)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。 %隱藏層神經(jīng)元個數(shù)net = fitnet(hiddenLayerSize)。 %預(yù)測步數(shù)為fn。,2013:2020,[iinput(end),f_out],39。end% 畫出預(yù)測圖figure,plot(1949:2013,iinput,39。errors=targetsyn。endtargets=x(lag+1:end)。)title(39。,1:length(t),a,39。%訓(xùn)練次數(shù)設(shè)置=1e5。tansig39。% 期望輸出t=[ 95 ]。 。 。for k=0:19,x2(k+1)=(x0(1)b/a)*exp(a*k)+b/a。D=x1(n)x1(1)。) %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。,39。,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。) %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。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。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)。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。 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。設(shè):輸入樣本(年份歸一化后的數(shù)據(jù))輸出樣本觀測值(對應(yīng)199605年的總?cè)丝跉w一化后的數(shù)據(jù)): 采用神經(jīng)網(wǎng)絡(luò)模型進行運算，系統(tǒng)仿真產(chǎn)生輸入數(shù)據(jù)的收斂結(jié)果見圖示： BP訓(xùn)練函數(shù)誤差變化圖仿真結(jié)果: BP算法的結(jié)果年份1996199719981999200020012002人口數(shù)（千萬）年份2003200420052006200720082009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：。年份1996199719981999200020012002人口數(shù)（千萬）年份2003200420052006200720082009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：。從19862015年，國家計劃生育政策逐漸得到完善及貫徹落實，這個時期的人口增長受到國家計劃生育政策的控制，人口的增長方式與上述的兩個階段都不同。所以得到中國各年份人口變化趨勢的擬合曲線： （1）根據(jù)曲線（1）我們可以對2015年（）、2025年（）、及2038年（）進行預(yù)測得（單位：千萬）：結(jié)果分析：從附錄1所給信息可知從1960年至1968年為我國第一次出生人口高峰，形成了中國人口規(guī)?！坝删彽娇臁钡脑鲩L基礎(chǔ)；因此這段時期人口波動較大，可能影響模型結(jié)果的準(zhǔn)確性。 前饋型神經(jīng)網(wǎng)絡(luò)示意圖其中是指目標(biāo)變量(結(jié)果變量)的期望變換,即為輸出激活函數(shù)的反函數(shù),為激活函數(shù)的線性合并。如果按神經(jīng)網(wǎng)絡(luò)信號傳遞的方向,可將神經(jīng)網(wǎng)絡(luò)粗分為2類:前饋型網(wǎng)絡(luò)和反饋型網(wǎng)絡(luò)。若將表示為的函數(shù)。我們的研究初步是使用原有的數(shù)據(jù)建模,而后回代全部數(shù)據(jù)驗證模型的結(jié)果,這種方式必定發(fā)生過擬合現(xiàn)象,因此我們并不選擇擬合最佳的神經(jīng)網(wǎng)絡(luò)模型,而是選擇相對較好的模型。另一個是Rumelhart和McClelland 提出的用于訓(xùn)練多層感知機的反向傳播算法。 神經(jīng)網(wǎng)絡(luò)預(yù)測模型研究概述人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network, ANN)簡稱神經(jīng)網(wǎng)絡(luò),它是用大量簡單的處理單元廣泛連接組成的復(fù)雜網(wǎng)絡(luò),主要采用并行和自適應(yīng)的信息處理方式,是對人腦神經(jīng)網(wǎng)絡(luò)的某種簡化、抽象和模擬。5）可用于近期、短期和中長期預(yù)測。此時在生成層次上求解得到生成函數(shù), 據(jù)此建立被求序列的數(shù)列預(yù)測, 其預(yù)測模型為一階微分方程, 即只有一個變量的灰色模型, 記為模型。特別是它對時間序列短、統(tǒng)計數(shù)據(jù)少、信息不完全系統(tǒng)的建模與分析，具有獨特的功效，得到了廣泛的應(yīng)用。則時刻產(chǎn)品的保有量,增長量最大的時刻。因此對其的產(chǎn)生、發(fā)展、演變及其類型給以系統(tǒng)的闡述顯得非常有必要。 第六章，結(jié)論，對全文做了總結(jié)，并對以后需要進行的工作進行了展望；參考文獻和致謝。重點發(fā)展生育監(jiān)測、生殖健康等關(guān)鍵技術(shù)，開發(fā)系列生殖醫(yī)藥、器械和保健產(chǎn)品，為人口數(shù)量控制在十五億以內(nèi)、出生缺陷率低于百分之三提供有效科技保障。人口預(yù)測，作為經(jīng)濟、社會研究的一種方法，應(yīng)用越來越廣泛，也越來越受到人們的重視。最終的后果是對國家的可持續(xù)發(fā)展造成嚴威脅,此與中國正致力于發(fā)展經(jīng)濟的宏偉目標(biāo)相悖（中國政府的目標(biāo)是力爭在2050年左右達到中等發(fā)達國家水平,而基于此發(fā)展目標(biāo),必然要求控制中國人口數(shù)量,減緩中國人口的增長速度,這是今后時期中國人口政策的主要目標(biāo)之一）。這些都離不開人口預(yù)測。據(jù)統(tǒng)計,20世紀(jì)與21世紀(jì)之交,我國的人口年齡結(jié)構(gòu)率先步入老年型,2000年,%,%,%,農(nóng)村已達38%。要發(fā)展,必須進一步控制人口數(shù)量,提高人口質(zhì)量,改善人口結(jié)構(gòu)。新中國成立后, 我國人口進入飛速發(fā)展階段。人口預(yù)測是一個重要的理論和實際問題。準(zhǔn)確地預(yù)測未來人口的發(fā)展趨勢，制定合理的人口規(guī)劃和人口布局方案具有重大的理論意義和實用意義。其次，本文提出了一種基于神經(jīng)網(wǎng)絡(luò)預(yù)測的優(yōu)化算法，該算法避免了人們在預(yù)測中參數(shù)選擇的主觀性而帶來的精度的風(fēng)險，增強了人口預(yù)測的準(zhǔn)確性。如果在一些簡單的模型下進行數(shù)據(jù)模擬。中國人口凈增長率波動比較劇烈。 研究的背景及意義 人口問題始終是經(jīng)濟和社會發(fā)展的核心問題,中國作為一個發(fā)展中國家,占據(jù)著世界19%的人口比重,居于首位。對此，單純的人口數(shù)量控制(如已實施多年的計劃生育)不能體現(xiàn)人口規(guī)劃的科學(xué)性。我國人口發(fā)展經(jīng)歷了多個階段，近年來中國的人口發(fā)展出現(xiàn)了一些新的特點，例如，老齡化進程加速、出生人口性別比持續(xù)升高，以及鄉(xiāng)村人口城鎮(zhèn)化等因素，這些都影響著中國人口的增長。人口預(yù)測可以科學(xué)地把握人口發(fā)展態(tài)勢,是人口研究領(lǐng)域中的重要課題,中國是一個人口大國,準(zhǔn)確的預(yù)測結(jié)果可以為下一步我國人口發(fā)展規(guī)劃提供理論與實證依據(jù)。因此，可以說人口預(yù)測的整個研究仍處于一個不斷完善、不斷發(fā)展的過程當(dāng)中。 論文組織結(jié)構(gòu)本論文研究內(nèi)容與安排：第一章,緒論,介紹了人口預(yù)測的研究背景、意義和人口預(yù)測的主要內(nèi)容,并給出了文章的結(jié)構(gòu)安排。利用它可以表征種群的數(shù)量動態(tài)。美國Ed winMansfield關(guān)于新產(chǎn)品市場擴張的模型的一微分方程為: （1）其中 為時刻市場上存在的可以使用的新產(chǎn)品的數(shù)量, 即市場保有量, 由第期的保有量加上當(dāng)期銷售量減去當(dāng)期報廢量即可得到。按照系統(tǒng)與信息之間的關(guān)系，人們將系統(tǒng)分成三類，信息完全明確的叫做白色系統(tǒng)，信息完全不明確的