bp神经网络进行交通预测的matlab源代码_我国人口老龄化趋势预测

      人口老龄化,国际上通常看法是，当一个国家或地区60岁以上老年人口占人口总数的10%，或65岁以上老年人口占人口总数的7%，即意味着这个国家或地区的人口处于老龄化社会。

       人口老龄化趋势和医疗需求都是宏观意义上的概念，其影响因素很多，预测要综合多方面的因素，但综合来讲人口老龄化和医疗需求都受到居民收入，人口年龄结构，人口，经济发展水平等共同因素的影响。

       对于人口老龄化，我们选取人口老龄系数(PAF)来衡量人口老龄趋势，PAF指65岁以上的人口总数在总人数中所占比重。将人口老龄化程度划分为３个等级：＜7％(未出现人口老龄化)、7％～10％(人口老龄化程度较低)和＞10％(人口老龄化程度较高)。

        对于老龄化趋势和医疗需求的预测我们采用BP神经网络模型，由于人口老龄化和医疗需求共同受到居民收入，人口年龄结构，人口，经济发展水平等共同因素的影响，所以选取以下数据作为神经网络的输入层，数据来源于全国统计年鉴。

      同时我们对以上各数据又采用灰色预测GM(1，1)模型进行预测得出未来几年的指数。

      灰色预测通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。其用等时距观测到的反应预测对象特征的一系列数量值构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。因此在此选择灰色预测模型更具预测精准性。

      以国内生产总值(GDP)为例，运用MATLAB进行灰色预测得出预测结果如下：

预测数据为：

G =

  1.0e+06 *

   0.5930   0.6313    0.6887    0.7513   0.8196    0.8941    0.9754   1.0641    1.1609    1.2664   1.3816    1.5072

重复上述步骤通过最终的灰色预测得到如下预测数据：

      将以上八个指标作为BP神经网络模型的输入层，所以输入层设置为8，并分别以已知的PAF和MDI作为输出层，输出层设置为1。

      用BP神经网络对PAF的预测，下面以2016年为例。神经网络结构图如下：

最终我们预测得出PAF的结果如下：

本期内容就到此结束啦，感谢您的阅读，快快关注公众号“树仁巧说”

创作属实不易，点个关注，点亮在看，帮忙转发一下增长人气也是非常感谢！树仁巧说与您下期再见！