基于BP神经网络的多因素人口增长预测

文/黎育权

长期以来，人口增长预测一直是有着十分重要意义的一个课题。通过预测未来的人口数量，相关部门可以做出更好的决策，使得社会资源更好的分配。学者们已经提出各种各样的线性回归模型以及多元线性模型，人口是非线性的现代，灰色模型和神经网络模型，较准确，但很多研究都是从人口基数趋势的角度出发，没有考虑根本原因。本论文从其根源考虑人口增长的多个因素，并使用科学的方法进行预测，使得人口预测更加的准确。

1　BP神经网络

BP 神经网络是应用最广泛且十分强大的一种人工神经网络。BP神经网络通常拥有至少三层，包括输入层、一个或多个隐藏层和输出层。BP神经网络的最大特点是强大的映射能力，只要 BP 神经网络中隐藏层的神经元足够，并以足够的数据进行训练，足以以任何一个精度无限逼近某个非线性函数。

2　人口增长预测模型设计

2.1　数据获取及处理

参考人口因素分析文献，预挑选出多个指标并从国家数据统计局官网取得数据。首先进行主成分分析法进行处理，运用降低数据纬度的思想，把多个因子转换5个因子。随后对

图1：神经网络结构图

特征进行相关性分析，死亡率与增长人口的Pearson、Spearman系数皆小于0.5，相关性不强，故剔除死亡率因子。最终得到经过处理的人口基数、人口出生率、经济因子、普通高等学校招生数和高校数量五个因子1978-2015年的数据，以及经过处理的1979-2015年增长人口数据。

2.2　神经网络的搭建

BP神经网络采用Adam算法为学习方法，损失函数采用MSE，全局学习速率设置0.001，一阶据估计指数衰减率设置为0.9，二阶据估计指数衰减率设置为0.99，epsilon极小值设置为10e-8，期望误差值为0.00001，训练步数设置为10000。确定了神经网络的结构和参数，搭建如图1结构的神经网络。

3　人口增长预测

使用1978-2014年的因子数据和次年增长人口作为作为训练集训练神经网络，神经网络在第8592步收敛到理想状态，误差小于理想误差。使用同样的参数和方法搭建一个一元输入的神经网络用于因子的短期预测。并将因子短期预测所得到的值作为输入，预测未来2016～2021年的人口增长数。

由预测结果可知，在2019年年末，我国人口将达到14亿，并在2016～2021年持续保持平均0.510%的增长速率。使用神经网络对人口进行较准确的短期预测是可行的，但因为各个影响因子和人口增长具有的混沌特性，对于长期预测则缺乏科学性，不做讨论。