灰色模型在甘肃省人口预测中的应用

人口是一个国家和地区发展的重要因素,人口规模直接影响着区域的经济社会发展、资源利用和生态环境状况。采用合理的方法,模拟和预测城市总人口,可以在制定国民经济计划、城市土地利用总体规划、城市规划与设计、资源与环境保护和进行社会决策中起到非常重要的作用。以甘肃省2000~2008年近9年的人口数据为基础,采用灰色系统理论建立人口动态增长模型,用此模型预测甘肃省未来人口规模,并对人口增长状况进行分析。     

灰色模型在郑州市人口预测中的应用

采用灰色模型法,对郑州市2011—2025年人口发展趋势进行了预测.明确了郑州市未来人口发展趋势的特点,揭示了郑州市未来面临的主要人口问题,并据此提出了有针对性的对策建议,既可供相关部门进行人口与经济社会发展宏观规划时参考,也可为郑州市政府制定发展决策提供支持.     

灰色GM（1,1）模型在厦门市人口预测中的应用

采用较传统模型更简便、可行、精确度高,无需典型概率分布,可减少时间序列随机性的灰色GM（1,1）模型,对厦门市2000—2010年的人口进行预测,与现实数据相比,相对误差为0.78%,预测精确度较高.因此模型对未来10年厦门市人口发展的规模、水平和趋势进行预测,以促进厦门市的总体规划和持续发展.     

GM(1,1)模型和Verhulst模型在人口预测中的应用

为提高我国人口预测模型的预测精度,分析了GM(1,1)和Verhulst预测模型的特点,并分别利用GM(1,1)和Verhulst模型对我国人口的变化情况进行了预测,发现灰色Verhulst模型有更高的预测精度和可靠性,更适合于我国人口的预测.     

灰色模型在人口预测中的应用

人口预测特别是精确度高、可操作性强的预测方法可为国家和地区经济发展提供有效服务。灰色预测法可以对既含有已知信息又含有不确定因素的系统进行预测,它预测精度高,能够保持原系统的特征,较好地反映系统的实际情况。本文用灰色模型对西安市未来人口规模进行预测,取得了较好的效果。希望能为政府控制本市户籍人口增长规模提供借鉴。     

基于BP神经网络的人口预测

利用BP神经网络建立三层神经网络结构模型,以全国人口的出生率,死亡率,老年抚养率等5个指标作为输入样本,对全国总体人口进行预测.隐含层采用多种方法使人为因素降到最低,同时文中采用自适应学习速率和附加动量法相结合的方法,对网络进行训练和学习.将BP预测人口和其他数学方法做比较,预测结果显示该方法是可行的.     

基于BP神经网络优化的灰色线性回归组合模型应用分析

在分析灰色线性回归组合预测模型基本原理的基础上,利用MATLAB强大的计算功能,实现组合预测模型算法。通过实例分析发现拟合结果对实测值出现一定的波动性,故通过建立实测值与模拟值之间的比值序列,再利用BP神经网络模型对该比值序列进行建模优化,以进一步优化组合模型的预测精度。最后实例证明了该优化模型具有较高的拟合和预测精度,是一种可行、有效的优型变形数据分析模型。     

灰色组合预测模型应用研究

道路交通事故预测是道路交通安全研究的一项重要内容,它的目的是为了掌握交通事故的未来发展状况,对交通安全措施的可行性和实施效果进行合理评价,有效地控制各影响因素,达到减少交通事故的目的．可构建适应道路交通系统多属性特点的道路交通事故预测模型：灰色预测及其改进模型、神经网络预测模型、灰色神经网络组合预测模型．实证结果表明,灰色组合预测模型能够充分发挥各单一模型的优点,同时弱化了单一模型的缺点,比单一模型的预测结果更理想,精度更高．     

基于灰色GM(1,1)模型的宿州市人口预测

以2001年至2013年的宿州市人口数据资料为依据,运用灰色系统理论建立GM(1,1)宿州市人口预测模型,并对该GM(1,1)预测模型进行残差检验,关联度检验和后验差检验,通过检验知模型对数据的拟合属于一级精度,模型精度较高。最后利用GM(1,1)模型对宿州市2014年至2018年的人口进行了预测,并结合宿州市人口发展的历史和现状对结果进行了分析。     

改进Logistic模型在城市人口预测中的应用

人口系统是一个非常复杂的非线性系统,对人口数量的准确预测能为城市经济可持续发展计划的制定提供重要依据.以福州市1961～2005年的人口统计数据为例,应用2个改进Logistic模型对人口进行预测,借助自编的改进单纯形程序进行了参数估计,并与几种常用模型的预测结果进行比较.结果 表明,应用改进Logistic模型对人口数量的预测精度更高,效果更好.     

Richards模型与Logistic模型在人口预测中的比较

Logistic模型是常用的人口预测模型,在Logistic模型的基础上再添加一个参数,得到一个含有4个参数的非线性s型增长模型,即Richards模型;分别通过Logistic模型和Richards模型对1985—2014年的中国人口进行了预测,建立了人口预测模型;通过与实际人口相比,结果表明,Richards模型比Logistic模型拟合效果更好。     

时空回归模型在中国各省区人口预测中的应用

综合回归分析和时间序列分析的思想,构建中国各省人口时空回归模型,对各省的人口发展进行预测.其基本方法是首先运用相邻两年各省的人口数据建立回归方程,然后将来年人口数量作为自变量,预测下一年的数量.得到因变量数值再作为自变量,逐年往前滚动进行预测.经检验,中国各省人口时空回归模型的预测准确率绝大多数在90%以上.     

灰色神经网络交通事故预测比较

针对BP神经网络多变量输入难以确定的缺点,提出了采用灰色关联分析法确定主要影响因子输入的多因子灰色关联分析神经网络预测模型,实例证明,该方法预测精度优于全输入BP神经网络预测。进一步提出了应用选优BP神经网络输入预测和GM(1,N)组合预测的模型,它结合了灰预测利用少数据累加生成建模,容易找出数据变换规律的特点和神经网络能很好地非线性逼近,又需要较全数据的特点。实证研究结果表明,该组和网络模型获得了更准确的预测值,模型新颖,具有更好的预测精度,可广泛应用于各种预测研究,有较高的推广价值。     

灰色神经网络组合模型在区域水质预测中的应用

针对神经网络用于水质预测时需要大量数据才能获得较为准确的预测结果的局限性,为降低预测时对数据的依赖引入灰色模型,从而建立两者最优组合模型,以用于数据贫瘠时的情况.将该模型用于珠江支流的水质预测,结果表明,该模型拟合误差小,预测精度高.     

最优组合模型在人口预测中的应用

利用文[1]中介绍的方法，结合本溪市1990年—1999年人口总数的统计资料建立了本溪市人口总数预测的最优组合模型，并利用此模型给出了未来几年内本溪市人口总数的预测值。     

线性组合模型及在人口预测中的应用

介绍了线性组合模型并以江西省人口数预测为例,分别利用线性回归预测模型、灰色预测模型、Logistic人口预测模型进行预测,并把这3种预测模型进行最优组合和线性组合,用共轭梯度法性求预测模型的系数。然后对这5种预测模型的结果进行比较,结果表明线性组合预测模型的效果比单一预测模型效果好,也比最优组合预测模型的精度高。     

灰色组合预测模型及其在人口预测中的应用

分别以原始数据的一次累加生成序列中的每个数据作为初始条件,建立了多个GM（1,1）预测模型,进一步建立了线№组合预测模型,组合模型的权系数利用蚁群算法确定．最后给出了我国人口数量的组合预测模型,计算结果表明,灰色组合预测模型的拟合和预测精度要优于单个传统预测模型．     

基于灰色模型和BP神经网络的交通量预测研究

在分析公路交通量影响因素的基础上,通过灰色模型对各影响因素进行预测.以湖北省为例,以各影响因素为输入层,将交通需求量作为输出层,构建BP神经网络交通量预测模型,在对模型有效性进行检验后,得到未来年湖北省公路交通量预测值.     

组合灰色神经网络法在地下水动态预测中应用

为了更好的预测地下水水位,在对现有的地下水动态预测的方法深入分析的基础上,利用某地区地下水位监测数据,采用灰色动态模型与人工神经网络相结合的方法,对该地区地下水水位进行了建模预测分析,并对未来可能的变化进行预测.预测结果与实测结果吻合较好,达到了较高精度,该方法对于地下水的动态预报具有一定的实用价值.     

灰色线性回归组合模型在沉降监测中的应用

为了在贫数据条件下准确预报中长期沉降值,采用线性回归方程和指数方程的组合方式,通过适当配置模型的某些参数来获得新的生成序列函数模型．结合工程实际算例进行预测,并和实际观测数据比较,取得了较好的效果,验证了灰色线性回归组合模型应用于沉降监测预报的可行性．通过其残差与回归分析模型和灰色预测GM（1,1）模型残差相比较,证明该模型在沉降预报中优于回归分析模型和灰色预测GM（1,1）模型．