爱吧机器人网 » 技术 > 神经网络 > 正文

基于神经网络的人口趋势预测模型

1.案例描述
已知某国从1900年至2000年每隔10年的人口数据,希望建立多项式拟合曲线模型,基于 神经网络 的时间序列预测模型和基于 神经网络 的移动平均模型,预测将来某个时间的人口数量,并就各 算法 的预测结果进行比较分析。

2. 预测 算法 原理
2.1. 基于 神经网络 的一维时间序列预测模型
在时间序列里需要设置延时值taps,所谓延时值就是将taps个参数作为输入来预测下一个输出。例如:
[1982,28.70]                          [28.70, 27.90, 34.30][31.00]                                          
[1983,27.90]                          [27.90, 34.30, 31.00][36.75]                                          
[1984,34.30]                          [34.30, 31.00, 36.75][29.67]                                           
[1985,31.00]                          [31.00, 36.75, 29.67][33.69]                                           
[1986,36.75]                          [36.75, 29.67, 33.69][28.78]                                           
[1987,29.67]     taps=3--->  [29.67, 33.69, 28.78][31.25]                                           
[1988,33.69]                          [33.69, 28.78, 31.25][31.39]                                           
[1989,28.78]                                                                              
[1990,31.25]                                                                                          
[1991,31.39]
上面的例子是taps=3的例子,就是用三个输入来预测一个输出,即上面中蓝色的部分作为输入来预测红色部分的一个输出。
时间序列预测就是将上面绿色部分作为一组原始样本进行转化为右面蓝色部分的最终样本来预测。例如当预测1922年时,我们输入
[28.78, 31.25,31.39]时间序列模型就会预测出下一时间点1992年的预测值。

2.2. 基于 神经网络 的移动加权平均时间序列预测模型
移动加权平均需要设置移动权值moveValue和延时值taps,移动加权平均的第一步是按照移动权值moveValue进行处理,处理的方式是按照移动权值将moveValue个值进行加和平均作为一个输入,下面的例子是当moveValue=2 的处理结果。
 [1982,1]                                   [1982.0,0.0]                                        
 [1983,2]                                   [1983.0,1.5]                                        
 [1984,3]                                   [1984.0,2.5]                                        
 [1985,4]                                   [1985.0,3.5]                                        
 [1986,5]      moveValue=2    [1986.0,4.5]                                        
 [1987,6]                                   [1987.0,5.5]                                        
 [1988,7]                                   [1988.0,6.5]                                                                                         
 [1989,8]                                   [1989.0,7.5]                                        
 [1990,9]                                   [1990.0,8.5]                                        
第二步按照taps值进行与时间序列相同的预测处理,所不同的是需要将预测结果进行还原就得到了我们预测的结果。

3.建模实现
系统基于 神经网络 通用预测平台套件实现模型训练和仿真。


上一篇:基于小波变换特征提取的桩基缺陷分类神经网络模型
下一篇:人工神经网络的基本原理、发展和应用
精选推荐
国外眼科手术机器人为视网膜静脉阻塞患者带来希望
国外眼科手术机器人为视网膜静脉阻塞患者带来希望

[2017-03-20]  视网膜静脉阻塞,简称RVO,对患者来说是一种严重的疾病。该病病因为视网膜静脉中存在血液凝块,这可能导致视力严重下降,在某些情况下,病 ...

深度神经网络揭示了大脑喜欢看什么
深度神经网络揭示了大脑喜欢看什么

[2019-11-06]  爱吧机器人网编者按:近日,《自然-神经科学》发表了一篇论文,研究人员创建了一种深度人工神经网络,能够准确预测生物大脑对视觉刺激所产 ...

集群机器人领域最新研究:一种用于探测未知环境的微型无人机群
集群机器人领域最新研究:一种用于探测未知环境的微型无人机群

[2019-10-26]  (图:无人机扩散至不同方向来探索环境。当一个无人机注意到另一个无人机在它的首选方向,它将试图飞到另一个方向。若首选方向冲突,低优先 ...

人工神经网络技术解码人类行为和想象时的大脑活动信号
人工神经网络技术解码人类行为和想象时的大脑活动信号

[2017-08-23]  为搜索引擎过滤信息,棋盘游戏对弈,识别图像 人工智能在某些任务中远远超过了人类智能。来自弗莱堡由神经科学家私人讲师Tonio Ball博士领导的几个杰出的BrainLinks-Bra......

机器人iCub作为嵌入式AI的标准机器人研究平台的重要性
机器人iCub作为嵌入式AI的标准机器人研究平台的重要性

[2017-12-24]  机器人的研究在过去10年中得益于一个具有嵌入式人工智能(AI)的标准化开源平台——人形机器人iCub。iCub最初在意大利被创建,如今在欧洲、美国、韩国、新加坡和日本的实验室......

这些人型机器人是如此真实,你的肉眼几乎无法区分
这些人型机器人是如此真实,你的肉眼几乎无法区分

[2017-09-03]   我们生活在一个区分现实与幻想变得越来越困难的世界。由于机器人技术的进步,创造人工的人类正在逐渐接近完美的最终目标。我们现在看到的机器人不再只是一块发光二极管,......

揭秘达芬奇手术机器人
揭秘达芬奇手术机器人

[2018-04-19]  达芬奇手术系统是由美国Intuitive Surgical公司制造的机器人手术系统。美国食品和药物管理局(FDA)于2000年通过该标准,旨在利用微创手段 ...

助力卷积神经网络时空特征学习 史上最大行人重识别视频数据集被提出
助力卷积神经网络时空特征学习 史上最大行人重识别视频数据集被提出

[2017-12-25]  本文提出了一个大型的、长序列的、用于行人重识别的视频数据集,简称LVreID。与现有的同类数据集相比,该数据集具有以下特点:1)长序列:平均每段视频序列长为200帧,包含丰......

本周栏目热点

飞桨火力全开,重磅上线3D模型:PointNet++、PointRCNN!

[2020-03-26]  11 年前的「阿凡达」让少年的我们第一次戴上 3D 眼镜,声势浩大的瀑布奔流而下,星罗棋布飘浮在空中的群山,无一不体现着对生命的敬意, ...

从基础概念到数学公式,这是一份520页的机器学习笔记(图文并茂)

[2018-06-19]  近日,来自SAP(全球第一大商业软件公司)的梁劲(Jim Liang)公开了自己所写的一份 520 页的学习教程(英文版),详细、明了地介绍了机器学习中的相关概念、数学知识和各......

50行代码玩转生成对抗网络GAN模型!(附源码)

[2018-07-30]  本文为大家介绍了生成对抗网络(Generate Adversarial Network,GAN),以最直白的语言来讲解它,最后实现一个简单的 GAN 程序来帮助大家加深理解。...

神经网络和模糊逻辑的工作流

[2016-11-20]   行业观察 神经网络 和模糊逻辑的工作流 null 来源:神州数码erp 发布时间: 2009-10-14 9:06:01 关键词: 工作流,协同,B2B,OA  以下 ...

深度神经网络揭示了大脑喜欢看什么

[2019-11-06]  爱吧机器人网编者按:近日,《自然-神经科学》发表了一篇论文,研究人员创建了一种深度人工神经网络,能够准确预测生物大脑对视觉刺激所产 ...