未来智讯 > 神经网络论文 > 基于BP神经网络的湖北省人口展望

基于BP神经网络的湖北省人口展望

发布时间:2019-03-30 01:06:01 文章来源:未来智讯    
    jiyuBPshenjingwangluode湖北省renkouzhanwang作者: 杜月皎 摘 yao 人口体系shiyi个很是纷乱的非线性体系dui人口shu目的正确展wangnengwei生态经济够wei可持续成长筹划的拟定供给yan重依juwei此设立了一维时jian序列的湖北省人口shu目的BP神经wangluo模子。凭据1978~21年湖北省人口统计数据借助Matlab7.0软件进xing展望并与一元线性回归展望二次指数滑润法的展望了局进行比力 了局证明应yongBP神经wangluo对人口数目的展望精度更高效率更好。
  关头词 BP神经网络 人口展望 时间序列
  一、人口展望模子的设立
  (一BP网络的构建
  BP神经网络也叫做偏差反向chuan布神经网luo它是由非线性变换单位构成的前馈网络,行shita能够dui现多层前馈神经网络权值的调度。从ji构上讲,BP网络是一种分层型的典型多层网络,具有shu入层、隐含层和输chu层,层与层之间多选取全联贯的体式格局。统一层的单位之间不存zai相互联贯,每一层的权值都能够议决进修来调解。
  (二)网络层数、神经元数、chuandi函数与进修算法实zai定
  经充分进修的三层BP神经网络能goupo近任何函数,输入层节dian数一般要即是要xunlian的yangben矢量维数,能够是原始数据的维数或提取的特性维数;输出层节点数最后queding输入层节点数为4个,输出层节点数为1个。
  隐含层节点数的选择是一个很是纷乱的问题,隐含层节点数过少,容错性差,辨认与进修的样本的才力低;隐含层节点数过多会添加网络训练时间,并将样本zhong非纪律的内容存储进qu,颠末重复试验,确定隐含层节点数为9。
  转移函数决意了神经元的联贯体式格局,在神经网络中的作用很是严重。在BP网络中,涉及的转移函数有许多种,rupurelin、tansig、logsig等。
  二、展望模子的应用
  (一)样本数据采用与yu处置
  以湖北省1978~2010年的人口数目为依据,进行实证剖析和检讨。积年人口数据是一维时间序列,但BP神经网络要求用多组输入来训练网络,且输入局限一般定在[0,1]。在网络的进修训练中,因为传递函数的输出限定,进修过程中有较大都量级相差很大的数据要议决必ran的谋略而转化为0~1的输出值。对数据进行归一化的要领有许多,本文凭据式(1)进行预处置,其改变准zeweiP'(t)=p(t)/10n (1),(1)式中,n为全部统计数据中最大值的整数位数,这里n=4。颠末预处置的数据序列p'(t)凭据确定的网络布局划分为训练样本和检讨样本,具体如xia:输入样本集p=[p'(t-4),p'(t-3),p'(t-2),p'(t-1)],输出样本集t=[p'(t)],个中t=1978,1979,……2010。同时,选择1978~2007年的数据作为进修样本集,2008~2010年的数据作为检讨样本集。yongjin修样本集对网络进行训练,而且行使完成训练的神经网络进行模仿。
  (二)基于Matlab的BP网络的人口展望
  在Matlab中,对付BP网络的兑现,其供给了3个基本函数:newff,train和sim,离别对应于新建、训练和仿真三个程序。
  1、新建newff函数。
  要兑现一个BP网络的训练和仿真,起首必要创建一个BP网络,newff便是为了完成此项操作。设立一个三层网络模子(包luo输入层、隐含层和输出层)的基本代码如下:net=newff(minmax(p),[NodeNum TypeNum],{‘tansig’,‘purelin’},‘trainlm’)
  2、训练train函数。
  BP网络初始化之后,就能够对其进行训练。函数train 选取的是批处置体式格局进行如下的网络联贯权值和阀值的更新,并按照配置的参数(如进修步长、偏差指标等)进行:net.performFcn=’mse’;%biaoxian选取均方偏差来评价网络本能指数;net.trainParam.show=200;%表现训练隔断为200次就显示一次了局;net.trainParam.goal=le-8;%表现网络均方偏差的指标值;net.trainParam.epochs=2000;%表现许可的最大训练周期数;net=train(net,p,t);%起点训练,个中p,t离别是输入、输出向量;训练告终后获得的net便是行使训练样本设立的BP神经网络模子,也便是设立了输入模子与输出模子之间的映射关系。
  3、仿真sim函数。
  仿真sim函数便是用设立好的神经网络进行仿真。其挪用的体例为:X=sim(net,P)个中,net为训练好的网络对xiang,P为输入向量或矩阵,X为网络输出。若是P为向量,则为单点仿真,P为矩阵,则为多点仿真。行使sim函数,能够在网络训练前后离别进行输入和输出的仿真,加以比力,从而对网络进行修改评价。最终,行使检讨样本能够检讨训练获得的网络模子展望的效率。网络训练好之后,将检讨样本代入,展望p'(2008),p'(2009),p'(2010),获得的了局为0.6094,0.6177和0.6211,将了局还原为6094,6177和6211,即颠末BP网络展望湖北省2008,2009和2010年的人口量为6094万人,6177万人和6211万人。
  三、BP网络的范围性
  BP网络虽然能够进行较为正确的人口展望,但其在现实谋略过程中还存在如下问题:第一,进修效果低,拘谨速率慢,参数的选择较为敏rui,网络布局选择不克不及同一。第二当有新进修样本参加时,将会影响到以进修过的样本,并且要求全部的进修样本的输入供给的特性数量不异。
  (作者单元:中南财经政法大xue统计与数学学院)
  参考文献:
  [1]谢军飞,李延明.基于BP人造神经网络的北都城市人口展望[J].农业网络信息,20107):86-89.
  [2]罗荣桂,黄敏镁.基于BP神经网络的长江流域人口展望切磋[J].武汉理工大学学报,2004(10):90-92.
  [3]王学士,马晓艳.基于BP神经网络的浙江省人口展望[J].科技信息,2011:114-115.
  [4]湖北省统计局.湖北省统计年鉴(2011年ban[M].中国统计出书社,2011.
  [5]傅芸璇,赵红.MATLAB神经网络应用设计[M].机器工业出书社,2010.
  [6]中华人平易近共和国国度统计局.http://www.stats.gov.cn/.
转载请注明来源。原文地址:https://www.7428.cn/page/2019/0330/86630/
 与本篇相关的热门内容: