基于复合知识挖掘的北京市人口膨胀趋势预测方法研究PDF|Epub|txt|kindle电子书版本网盘下载

基于复合知识挖掘的北京市人口膨胀趋势预测方法研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 研究背景及意义1

1.1.1 研究背景1

1.1.2 研究意义3

1.2 国内外研究现状4

1.3 研究内容7

1.4 研究方法10

1.5 创新点11

第2章 北京市人口增长的特点及影响因素分析13

2.1 北京市常住人口现状分析13

2.1.1 常住人口的增长趋势13

2.1.2 常住人口的地区分布状况14

2.1.3 常住人口的年龄构成状况17

2.1.4 常住人口的文化素质特征18

2.2 北京市人口增长的特点18

2.3 影响北京市人口增长的因素分析21

2.3.1 影响常住人口自然增长的因素分析21

2.3.2 影响常住人口机械增长的因素分析22

2.3.3 因素分类28

2.4 本章小结29

第3章 人口预测模型概述31

3.1 传统的基于统计学原理的人口预测模型31

3.1.1 指数模型31

3.1.2 Logistic人口增长模型32

3.1.3 马尔科夫链模型33

3.1.4 凯菲茨矩阵模型33

3.1.5 莱斯利矩阵34

3.1.6 自回归滑动平均模型34

3.1.7 人口发展方程35

3.1.8 比较分析36

3.2 创新型智能化人口预测模型37

3.2.1 人工神经网络模型37

3.2.2 灰色模型40

3.3 两类模型的比较41

3.3.1 理论比较41

3.3.2 实证比较44

3.4 人口预测模型的功能与特点54

3.4.1 具有并行处理大量非线性数据的功能54

3.4.2 具有自主学习、自我调整的功能55

3.4.3 具有多指标同时输入的功能55

3.4.4 具有处理非量化文本因素的功能55

3.4.5 具有针对性55

3.5 我国人口预测模型现状56

3.5.1 应用统计类预测模型对我国人口进行预测56

3.5.2 应用创新型智能化预测模型进行人口预测57

3.6 我国人口预测模型中存在的问题及其相应对策58

3.6.1 我国人口预测模型中存在的问题58

3.6.2 解决问题的相应对策60

3.7 本章小结61

第4章 基于生物进化算法优化的神经网络人口预测模型分析与实证63

4.1 遗传算法63

4.1.1 遗传算法概述63

4.1.2 遗传算法的基本步骤64

4.1.3 遗传算法的特点64

4.1.4 建立遗传算法优化的神经网络人口预测模型64

4.2 粒子群算法66

4.2.1 粒子群算法概述66

4.2.2 粒子群算法的基本步骤67

4.2.3 粒子群算法的特点68

4.2.4 建立粒子群算法优化的神经网络人口预测模型68

4.3 微分进化算法69

4.3.1 微分进化算法概述69

4.3.2 微分进化算法的基本步骤70

4.3.3 微分进化算法的特点70

4.3.4 建立微分进化算法优化的神经网络人口预测模型71

4.4 三种算法的比较分析71

4.5 基于优化算法的RBF神经网络人口预测实证分析72

4.5.1 单一指标预测73

4.5.2 多指标预测75

4.6 本章小结77

第5章 影响北京市人口增长的数量化因素挖掘78

5.1 数据挖掘78

5.1.1 数据挖掘的概念78

5.1.2 数据挖掘的步骤79

5.1.3 数据挖掘方法80

5.2 基于相关分析的数据挖掘83

5.3 基于格兰杰因果检验的数据挖掘84

5.4 基于DE-RBF神经网络模型的数据挖掘87

5.5 结果分析92

5.6 本章小结92

第6章 影响北京市人口增长的文本因素挖掘93

6.1 文本挖掘93

6.1.1 文本挖掘的概念93

6.1.2 文本挖掘的步骤93

6.1.3 文本挖掘方法94

6.2 构建影响北京市人口增长的文本对象集100

6.3 文本预处理101

6.3.1 文本结构化101

6.3.2 文本因素编码106

6.4 基于PF-Tree关联规则算法的影响北京市人口数量的文本挖掘107

6.4.1 建立事务数据库107

6.4.2 构建FP-Tree111

6.4.3 数据分析与比较112

6.5 文本因素评估113

6.5.1 文本预处理114

6.5.2 基于文本挖掘的北京市人口预测115

6.6 本章小结119

第7章 基于REPTree+DE-RBF模型的北京市人口预测分析121

7.1 建立基于知识挖掘的REPTree+DE-RBF人口预测模型121

7.2 实证分析124

7.3 基于REPTree-DERBF的北京市中长期人口预测127

7.3.1 情景分析法127

7.3.2 基于DE-RBF神经网络的北京市中长期人口预测128

7.4 结果分析137

7.5 本章小结139

第8章 基于REPTree-Logistic模型的北京市人口预测140

8.1 Logistic人口增长模型141

8.2 Logistic人口预测模型的建立及实证分析141

8.2.1 原始Logistic人口增长模型的建立141

8.2.2 改进Logistic模型143

8.2.3 实证对比分析145

8.3 基于改进4参数Logistic模型的北京市人口预测146

8.4 基于REPTree-Logistic模型的北京市人口预测147

8.4.1 REPTree-Logistic模型的建立147

8.4.2 实证分析150

8.4.3 基于REPTree-Logistic模型的北京市人口预测151

8.4.4 结果分析152

8.5 两种基于复合知识挖掘的人口预测模型对比分析153

8.6 本章小结155

第9章 北京市人口调控对策与建议156

9.1 北京市人口调控的挑战和难点156

9.2 北京市人口调控对策与建议157

9.2.1 经济领域调控对策与建议157

9.2.2 首都功能方面调控对策与建议159

9.2.3 人口政策方面调控对策与建议161

9.2.4 社会环境领域调控对策与建议161

9.2.5 城镇化进程方面调控对策与建议162

9.2.6 其他调控对策与建议162

9.3 本章小结164

第10章 结论与展望165

10.1 结论165

10.2 研究不足与展望168

参考文献170