基于BP神经网络的长江流域人口预测研究

表3 各种方法预测结果比较

年份1988198919901991199219931994199519961997199819992000200120022003

统计值4257043158441104463045354455134592946302467304712747439477434780248404——

指数平滑45915.0743573.5243282.6643861.8044399.5445067.6645379.445764.1246140.6446553.1946954.8647293.7647608.2347743.8748205.9648205.96

自回归模型4257043313.9143845.9644707.3845177.9045833.0145976.8846353.3046690.8147078.0947437.3147719.6247994.7048048.0948592.8048615.78

Logistic模型43175.1343593.5844012.9444433.1644854.1845275.9345698.3646121.4246545.0346969.1447393.6947818.6248243.8648669.3649095.0549520.87

万人BP网络42570431584411044631452334568945980461814683647061474154760947841478634840548538

表4 各种方法的误差比较

模型指数平滑预测自回归模型Logistic模型BP神经网络

平均绝对误差/万人

233.7643-5.11999

0.46-0.2005

平均相对误差/%

0.4591-0.01238-0.0042571-0.00079909

误差平方和15923635.712288896.21328634.0679179.7

3 结 语

通过建立BP神经网络的时间序列预测模型,采集、处理长江流域1988～2001年人口数据,并利用Mat-lab6.5软件进行训练和模拟,经反复学习确定了网络参数,并对2002年、2003年的人口进行预测。经比较证明BP神经网络预测方法具有比指数平滑预测、自回归模型、Logistic模型等传统人口预测方法更好的效果,其预测结果能为探索长江流域生态经济系统的可持续发展中的人口问题提供更可靠的参考依据。

参考文献

[1] 熊肇煜,夏 帆.对人口预测方法的思考[J].统计与预测,2001,112(4):35～36.

[2] 徐俊彦,徐友春,刘大伟.神经网络在时间序列预测中的应用[J].吉林工学院学报,1999,20(4):54～56.[3] 杨行峻.人工神经网络与盲信号处理[M].北京:清华大学出版社,2003.

[4] 魏 崴,王 攀,秦娟英,等.层次模块化神经网络新方法研究[J].武汉理工大学学报(信息与管理工程版),2003,25

(6):23～26.

[5] 楼顺天,施 阳.基于Matlab的系统分析与设计——神经网络[M].西安:西安电子科技大学出版社,2000.[6] 冯文权.经济预测与决策技术[M].武汉:武汉大学出版社,2003.[7] 卢纹岱.SPSSforWindows统计分析[M].北京:电子工业出版社,2002.