摘要：基于时间序列的神经网络预测，从模型的结构设计、神经元个数、传递函数等方面，研究BP神经网络预测模型的建模。通过对国家统计局的人口数据建立样本，使用MATLAB对预测模型进行仿真实验，结果证明预测模型能够达到预测效果。
关键词： BP神经网络；人口预测；MATLAB；数学建模；神经元；传递函数
中图分类号：TP391 文献标识码：A文章编号：2095-2163
样本集中使用总量的80%作为训练样本集，而将剩余的20%作为测试样本集，进而根据测试数据与真实数据的一致性比较，验证模型的精确度。
2.2 网络模型
根据BP网络原理开展设计，一般的预测问题都可以通过单个隐含层实现，因为理论上单隐含层可以逼近任何非线性函数。本次研究构建三层BP神经网络：一个输入层，一个隐含层，一个输出层。
确定了网络层数结构后，需要确定每层的神经元个数。输入层与输出层的神经元个数由具体的输入输出决定，由于输入向量有3个元素，输入层神经元设定为3个，输出层神经元相应即定为1个。对于隐含层神经元个数的选择已然证明一个线性传递函数在预测模型中更适合输出层传递函数。
3 仿真实验
3.1采集样本
根据国家统计局的数据，我国1994-2013年人口数据如表 1所示。
4结束语
根据人口总量的非线性特征，提出基于BP网络非线性的神经网络预测方法，并以人口总量作为预测模型，使用MATLAB仿真模拟已有人口状况况，对人口总量的预测获得了较为满意的结果。由于人口总量会受到人口政策、经济发展及各种因素的客观、综合影响，为了达到最佳宏观预测，在后续研究中则需要将更多的因素加入到预测模型中，如人口出生率、老年率、死亡率等。
查看全文