基于BP神经网络的温州人口预测模型题稿.ppt

2 0 1 4 基于BP神经网络的温州人口预测模型 郑凯 2015.12 目录 1 BP神经网络模型简介及选用原因 2 基于BP神经网络的温州市人口预测模型的建立 人口预测数据结果分析 3 Matlab程序 4 一、BP神经网络模型简介及选用原因 BP网络常包含输入层、隐含层和输出层 BP算法的学习方法是： 首先设定网络的初始状态，对样本输入作前向计算，然后对网络理论输出值与实际值间误差进行判别，如果该误差小于给定值，学习结束 ; 一、BP神经网络模型简介及选用原因 人口真实模型往往是非线性的，如果在一些简单的模型假设下就进行数据模拟，常常不能达到较好的模拟效果。 神经网络为寻找这种规律提供了有效的方法，它具有高度的自学习能力，能以任意精度逼近任意非线性函数， 因此比较适合于一些复杂问题的建模。在此运用 BP神经网络模型对温州市人口进行预测。 二、基于BP神经网络的温州市人口预测模型的建立 BP神经网络模型建立步骤 1）样本采集、归一化、随机选择训练样本和测试样本 2）BP网络构建/训练 (newff/train) 3）性能评价 :利用测试样本计算预测误差，用于评价网络的泛化能力 二、基于BP神经网络的温州市人口预测模型的建立 1）数据采集 二、基于BP神经网络的温州市人口预测模型的建立 2）数据预处理 3）样本的划分 我们可以通过训练一个BP网络来达到预测目的：用前三年的人数预测下一年的人数，也就是用1978-1980年的人数预测第1981年的人数。 对经过预处理的数据序列P，根据确定的网络结构划分训练样本和检验样本。 P1=[78年人数，79 年人数， 80年人数] t1=81年人数 P2=[79年人数，80年人数，81年人数] t2=82年人数 ………. P33=[10年人数，11年人数，12年人数] t33=13年人数 P=[P1，P2，P3...,P33] T=[t1,t2,...,t33] 二、基于BP神经网络的温州市人口预测模型的建立 二、基于BP神经网络的温州市人口预测模型的建立 3）样本的划分 并同时选择1978~2010年的数据作为训练样本集，2011~2013年的数据作为检验样本集。 二、基于BP神经网络的温州市人口预测模型的建立 4）程序实现 %产生训练集，从总样本中选取 P_train (3*33矩阵), T_train (1*33矩阵); %创建网络 net=newff(minmax(P_train),[3,1],{tansig,purelin},traingdx); %训练参数设置 net.performFcn = mse； %表示采用均方误差来评价网络性能指数 net.trainParam.show = 20； %表示训练20 次显示一次结果 net.trainParam.goal = 1e-5； %表示网络均方误差的目标值 net.trainParam.epochs = 2000； %表示允许的最大训练周期数 %训练网络 net=train(net,P_train, T_tain); 二、基于BP神经网络的温州市人口预测模型的建立 4）程序实现 二、基于BP神经网络的温州市人口预测模型的建立 4）程序实现 二、基于BP神经网络的温州市人口预测模型的建立 4）程序实现 %仿真测试 T_sim=sim(net, P_test); %性能评价,计算测试样本的相对误差 Erro=abs(T_sim-T_test)./T_test; 最后，利用检验样本可以检验训练得到的网络模型预测的效果。经过检验, 精度达到要求的网络模型即可用于对新的数据进行预测，如果精度达不到要求，就要重新建模并训练。 三、人口预测数据结果分析 检验结果的误差较小，可以达到预测效果。可将训练好的网络用于预测。并且预测可得2014年至2017年人口分别为811.57,814.26,816.34,817.48万人 三、人口预测数据结果分析 四、Matlab程序 clear all X=[1978:1:2017];Y=[1:1:40]; Y(1)=0.561268*1e7;Y(2)=0.57163*1e7;Y(3)=0.58142*1e7;Y(4)=0.59283*1e7;Y(5)=0.60213*1e7;Y(6)=0.61146*1e7;Y(7)=0.620