基于BP神经网络的黄河中下游人口预测研究
基于BP神经网络的河道径流变化量预测
基于BP神经网络的河道径流变化量预测耿延博;王玉成【摘要】河道径流变化是一种复杂的非线性函数关系的过程,BP神经网络具有表达任意非线性映射的特性.本文基于BP神经网络建立的河道径流变化量预测模型,结合水资源调查分析评价,定量地将人类活动影响期径流相对于基准期径流的变化量分解为降水量、涉水工程、下垫面变化影响量,并分别建立3种因素的影响量模型,从而实现预测未来径流变化量及径流变化量控制的目的.【期刊名称】《东北水利水电》【年(卷),期】2016(034)004【总页数】3页(P29-30,47)【关键词】预测;径流量;BP网络;河道【作者】耿延博;王玉成【作者单位】辽宁省水文局,辽宁沈阳110003;辽宁防汛抗旱指挥部办公室,辽宁沈阳110003【正文语种】中文【中图分类】P33河道径流量演变主要受自然条件和人类活动两方面因素的影响，自然因素主要包括降水、蒸发等气候因子的变化，人类活动主要包括土地利用变化、水利工程建设、生产生活取用水等。
目前，径流是水文系统中典型的非平稳、非线性序列，针对其特性，文中引进了一种可以处理非平稳、非线性信号的方法——BP神经网络方法。
神经网络是由大量简单神经元链接而构成的复杂网络，具有复杂、并行、非线性等特点。
神经网络依靠历史数据资料，通过神经元的模拟、记忆和联想来处理各种复杂的、模糊的、非线性的数据。
20世纪90年代以来，神经网络技术发展迅速，已形成多种网络体系及算法系统。
现阶段，神经网络技术已广泛的应用于模式识别、预测预报、优化问题、神经控制、智能决策等领域。
采用南科院张建云院士等的方法进行降水和人类活动对径流量影响的分离（方法原理和步骤略）。
分别选择辽宁省辖区内的浑河、太子河、大凌河等流域主要水文控制站系列资料分析，以1979年及以前为基准期，划分1980—1989，1990—1999，2000—2011，1980—2011 时间节点，以浑河为例描述分析结果。
选择1980—2011年间浑河邢家窝棚水文站资料分析，实测径流量减少3.7 mm，降水因素影响量为2.1 mm，涉水活动对径流表现为减少作用，下垫面对径流表现为增加作用。
基于BP神经网络模型的我国人口总量预测研究——源自人口增长与经济增长间复杂关系的视角
模 型 问题 进 行 了探 讨 ， 建 了 Ｇ Ｐ与总 人 口之 间 构 Ｄ
的无约束二 阶二 次多项式 分 布滞 后正负 反馈模 型， 并提 出其 所 建 模 型 对 于我 国人 口与经 济 增 长
的宏观预测具备一定 的参考价值等 。 ＿毋庸置疑， ２
对 于人 口增 长 与经 济增 长 间 所存 在 着 的相 关 关 系 进 行科 学描 述 和 拟合 是 这 一 建 模 思 想 的主 旨 ， 问
真正 科学 的描述 ？
其 核心 思想是 根 据 当前 的人 口和社 会 经济 状 况及 其 发展趋 势 ， 出若 干假 设 条 件 并 建立 预 ｉ模 型 ， 提 贝 ０ 以此来 推测 未 来 一 段 时期 人 口发 展 的基 本 状 况 。 随着 计量 经 济 学 回归 分 析技 术 的不 断 发 展 ， 以人
口 增长与经济增长问相关关 系为建模依据的时间
序 列经 济 模 型 已在 人 口 预 测 领 域 逐 渐 得 到 了应
增长的函数 。 Ｈ一方面 ， 口增长显然要受到经济 Ｊ 人
增 长状况 的显 著 影 响 ， 一 点 可 从 经 济 增 长对 于 这
用。如赵进文 曾以多项 式分布滞后模型为基础 ， 建 立 了中 国人 口总量 与 Ｇ Ｐ总量 之间 的关 系综合 Ｄ
收 稿 日期 ：０ ８— ３— ０ ２０ ０ ３
性的影响 ， 但两者之间的相关关 系复杂多变， 并非
那 种简单 的 、 直 接 的 负 的 或 正 的相 关 关 系 。如 纯
Ｔ ｏｎｏ 拉丁 美洲 所有 国家 的实 证研 究 发现 ， ｈｒｔ ｎ对 除
作者简 介 ： 刚 ， 河南开封 人 ， 州大学公共 管理 学院讲 师， 丁 男， 福 经济学博士。
基于BP神经网络和GM(1,1)灰色模型的中国人口预测分析
u u X (1) t 1 X (0) 1 e at a a
X (1) t 1 为所得的累加的预测值, 将预测值还原即为：
( 3)
ˆ (1) t , t 1, 2, 3L n ˆ (0) t 1 X ˆ (1) t 1 X X
3
( 4)
( 3) GM(1,1)预测模型的 MATLAB 程序 根据上述 GM(1,1)模型的数学思想, 结合 MATLAB 语言的特点编制了一套可读性强, 容易理解的预测程序. 该程序操作简单灵活, 稳定性好, 直接面向用户. 4.2, BP神经网络模型的基本原理 ( 1) 神经网络的定义简介[2] 神经网络是由多个神经元组成的广泛互连的神经网络, 能够模拟生物神经系统真实 世界及物体之间所做出的交互反应. 人工神经网络处理信息是通过信息样本对神经网络 的训练, 使其具有人的大脑的记忆, 辨识能力, 完成名种信息处理功能. 它不需要任何 先验公式, 就能从已有数据中自动地归纳规则, 获得这些数据的内在规律, 具有良好的 自学习, 自适应, 联想记忆, 并行处理和非线性形转换的能力, 特别适合于因果关系复 杂的非确定性推理, 判断, 识别和分类等问题. 对于任意一组随机的, 正态的数据, 都可 以利用人工神经网络算法进行统计分析, 做出拟合和预测. 基于误差反向传播(Back propagation)算法的多层前馈网络(Multiple-layer feedforward network, 简记为BP网络), 是目前应用最成功和广泛的人工神经网络. ( 2) BP模型的基本原理[3] 学习过程中由信号的正向传播与误差的逆向传播两个过程组成. 正向传播时, 模式 作用于输入层, 经隐层处理后, 传入误差的逆向传播阶段, 将输出误差按某种子形式, 通过隐层向输入层逐层返回, 并“分摊”给各层的所有单元, 从而获得各层单元的参考误 差或称误差信号, 以作为修改各单元权值的依据. 权值不断修改的过程, 也就是网络学 习过程. 此过程一直进行到网络输出的误差准逐渐减少到可接受的程度或达到设定的学 习次数为止. BP网络模型包括其输入输出模型, 作用函数模型, 误差计算模型和自学习 模型. BP网络由输入层, 输出层以及一个或多个隐层节点互连而成的一种多层网, 这种结 构使多层前馈网络可在输入和输出间建立合适的线性或非线性关系, 又不致使网络输出 限制在-1和1之间. 见图( 1) .
神经网络在国内旅游人数预测中的应用
（ 陕西广播电视大学 教务处 ， 陕西 西安 ７ 中国科学院 寒区旱区环境与工程研究所 ， 甘肃 兰州 ７ １． １ ０ ０ ６ ８； ２． ３ ０ ０ ０ ０； ） 中国科学院 地球环境研究所 ， 陕西 西安 ７ 中国科学院 研究生院 ， 北京 １ ３． １ ０ ０ ７ ５； ４． ０ ０ ０ ４ ９
Ａ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｏ ｆ Ｎ ｅ ｕ ｒ ａ ｌ Ｎ ｅ ｔ ｗ ｏ ｒ ｋ ｔ ｏ ｔ ｈ ｅ Ｐ ｒ ｅ ｄ ｉ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｔ ｈ ｅ ｐ ｐ Ｎ ｕ ｍ ｂ ｅ ｒ ｏ ｆ Ｄ ｏ ｍ ｅ ｓ ｔ ｉ ｃ Ｔ ｏ ｕ ｒ ｉ ｓ ｔ ｓ
３ 实验结果
采用 １ 利 ９ ９ ４～２ ０ ０ ３ 年的历史数据进行了训练 ， 用２ ０ ０ ４～２ ０ ０ ８年的数据对训练好的神经网络进行 了检验 ， 其神经网络模拟结果见表 １．
表 １ 神经网络模拟结果 （ 百万人次 ）
年份 １ ９ ９ ４ １ ９ ９ ５ １ ９ ９ ６ １ ９ ９ ７ １ ９ ９ ８ １ ９ ９ ９ ２ ０ ０ ０ ２ ０ ０ １ ２ ０ ０ ２ ２ ０ ０ ３ ２ ０ ０ ４ ２ ０ ０ ５ ２ ０ ０ ６ ２ ０ ０ ７ ２ ０ ０ ８ 国内旅游人数 ５ ２ ４ ６ ２ ９ ６ ３ ９． ５ ６ ４ ４ ６ ９ ５ ７ １ ９ ７ ４ ４ ７ ８ ４ ８ ７ ８ ８ ７ ０ １ １ ０ ２ １ ２ １ ２ １ ３ ９ ４ １ ６ １ ０ １ ７ １ ２ 模拟值 ５ ２ ０ ６ ２ ２ ６ ３ ４ ６ ５ １ ６ ９ １ ７ １ ３ ７ ５ ０ ７ ７ ９ ８ ７ ４ ８ ６ ９ １ ０ ７ ９ １ ２ ０ １ １ ３ ８ ９ １ ６ ０ ８ １ ７ ０ ５
基于BP神经网络模型的国内旅游人数预测
基于BP神经网络模型的国内旅游人数预测作者：郭庆春孔令军崔文娟史永博张小永来源：《价值工程》2011年第27期Prediction of Domestic Tourists Based on BP Neural Network ModelGuo Qingchun； Kong Lingjun； Cui Wenjuan；Shi Yongbo； Zhang Xiaoyong（Shaanxi Radio & TV University，Xi'an 710068，China）摘要：旅游人数的分析和预测是旅游规划与管理的关键性、基础性工作。
目前旅游人数预测主要采用基于传统研究方法的预测方法。
提出了一种基于BP神经网络模型的国内旅游人数预测新方法，对国内旅游人数的变化趋势进行了综合分析与预测，结果表明该方法具有较高的精度，该模型在旅游人数预测中的应用是可行的。
Abstract: Analysis and prediction of tourist population are the key and basis work of tourism planning and management. At present, prediction of tourist population is mainly based on traditional research approach. The paper proposes a new forecast approach based on BP neural network model and makes comprehensive analysis and prediction of the changing trend of tourist population. Forecast results indicate that this approach is more precise. The model is feasible in the forecast of tourists.关键词： BP神经网络国内旅游人数预测Key words: BP neural network；domestic tourists；prediction中图分类号：TP183 文献标识码：A文章编号：1006-4311（2011）２7-0007-010引言国内旅游人数指在报告期内在中国（大陆）观光游览、度假、探亲访友、就医疗养、购物、参加会议或从事经济、文化、体育、宗教活动的中国（大陆）居民人数，其出游的目的不是通过所从事的活动谋取报酬。
基于BP神经网络模型的国内旅游人数预测
基于BP神经网络模型的国内旅游人数预测郭庆春;孔令军;崔文娟;史永博;张小永【期刊名称】《价值工程》【年(卷),期】2011(030)027【摘要】旅游人数的分析和预测是旅游规划与管理的关键性、基础性工作.目前旅游人数预测主要采用基于传统研究方法的预测方法.提出了一种基于BP神经网络模型的国内旅游人数预测新方法,对国内旅游人数的变化趋势进行了综合分析与预测,结果表明该方法具有较高的精度,该模型在旅游人数预测中的应用是可行的.%Analysis and prediction of tourist population are the key and basis work of tourism planning and management. At present, prediction of tourist population is mainly based on traditional research approach. The paper proposes a new forecast approach based on BP neural network model and makes comprehensive analysis and prediction of the changing trend of tourist population. Forecast results indicate that this approach is more precise. The model is feasible in the forecast of tourists.【总页数】1页(P7)【作者】郭庆春;孔令军;崔文娟;史永博;张小永【作者单位】陕西广播电视大学,西安710068;陕西广播电视大学,西安710068;陕西广播电视大学,西安710068;陕西广播电视大学,西安710068;陕西广播电视大学,西安710068【正文语种】中文【中图分类】TP183【相关文献】1.基于BP神经网络模型的丽江旅游人数预测研究 [J], 李帅彪2.基于灰色理论和BP神经网络预测观光农业旅游人数的研究 [J], 朱春江;唐德善;马文斌3.基于BP神经网络的山西省旅游人数预测 [J], 张旺锋;高姝君;要力;马彦强4.全国私人车辆拥有量的 BP 神经网络模型预测与分析--基于附加动量与自适应学习速率相结合的BP方法 [J], 陈正;丁姝;王俊林5.一种基于BP神经网络算法的旅游人数预测方法 [J], 张峰; 柳炳祥; 张月因版权原因，仅展示原文概要，查看原文内容请购买。
基于灰色和bp神经网络的人口预测问题
A题:中国人口增长预测摘要近几年中国的人口增长出现了新特点，与时俱进的对人口增长进行预测将有利于国家的经济发展。
本文结合这些新特点，建立了队列要素预测模型对中国人口进行了长期的预测，并结合有机灰色神经网络模型对其进行了短期的预测。
在建立短期人口预测模型——有机灰色神经网络模型时，本文结合灰色系统中的灰色预测模型GM(1,1)、残差灰色预测模型CGM(1,1)、“对数函数—幂函数变换”灰色预测模型SGM(1,1)和BP神经网络模型，将一维序列通过其中三个灰色模型得到的三组模拟值作为输入模式，原始序列作为输出模式，训练得到最佳神经网络结构，将三个灰色模型的预测值带入神经网络结构仿真，得到最终预测值。
最后根据附录数据预测了未来十年的中国人口情况年份2006 2007 2008 2009 2010 人口（亿人）13.1037 13.2463 13.4466 13.6489 13.7653 年份2011 2012 2013 2014 2015 人口（亿人）13.8147 13.8327 13.8388 13.8404 13.8406 在建立长期人口预测模型型——队列要素预测模型时，本文在考虑近几年中国人口增长的新特点：出生性别比持续升高、乡村人口城镇化的基础上同时结合一些影响人口的重要因素：不同年龄的妇女生育率、死亡率，对人口增长的预测进行了研究。
最后得到了中国人口变化与影响人口变化主要因素之间的关系，由此建立了队列要素预测模型，并对未来中国50的人口变化进行了预测年份2010 2015 2020 2025 2030 人口（亿人）13.4985 13.9456 14.2484 14.393 14.4155 年份2035 2040 2045 2050人口（亿人）14.386 14.3103 14.129 13.8279 最后本文根据有机灰色神经网络模型开发了一个短期人口预测软件，使得本文的价值在现实生活中得到了实现。
基于BP神经网络的中国人口预测
●入■
算各单元的响应 ｃ 。
Ｐ
特 征值 ・
Ｂ卜・ 队 Ｏ￡
Ｌ ， ＝ ∑ｖ ｊ ， ｂ ｊ － ｙ ， ｔ ＝ １ ２ ， …， ｑ
＝
１
分擐螬鼻 特征健 ｂ
Ｃ ｆ （ Ｌ ｆ ） ， ｔ ＝ ｌ ， ２ ， …， ｑ
（ ５ ） Ｎ用 网络 目标 向量 Ｔ ｌ （ ＝ （ ｙ ， ， …， ｙ ｎ ｋ ） ， 网络 实际输 出 Ｃ ，计算输 出层 的各单元 的一般化误差
和ｅ ｉ 阈值 。 ｗ 日 （ Ｎ＋ １ ） ＝ ｗ （ Ｎ） ＋ Ｂ・ ｅ ｊ ｋ ￣ ａ ｉ ｌ ｃ ｅ （ Ｎ＋ １ ） ＝ ｅ ｊ （ Ｎ） ＋ ｐ・
（ ３ ） 用输入样本 ｋ ＝ ＝ （ ａ ， ａ ２ ｋ ， …， ） 连接权 ｗ Ｉ ｊ 和 阈值 ｅ ｊ 计算 中间层 各单 位元 得输 入 ｓ ｊ ， 然 后用 ｓ ｊ 通 过 传递 函数 计算 中间层各 单元 的输 出 ｂ ； 。
（ Ｙ ３ －Ｃ ） ・ Ｃ 。 （ １ 一Ｃ ） ， ｔ ＝ － Ｉ ， ２ ， …， ｑ
（ ６ ）利用连 接权 Ｖ ｉ Ｉ 、输 出层 的 一 般 化 误 差 ｄ Ｉ ｋ
和 中 间层 的 ｂ ｊ 输 出计 算 中 间层 各 单 元 的一 般 化 误
差 ｅ ｊ 。
ｑ
确 性 。模型 首先 对数 据 进行 了验证 ， 减
０
Ｏ
１ ９ ｇ ２
１ ＿ ｌ ７ １ ７１
１ ． １ ７１ ７１
Ｏ
少误差 ， 提高计算精度 ， 利用动态数据
进 行预 测 ， 增 强 了结 果 的现 实性 与可 靠 性。 结 果表 明 ， Ｂ Ｐ神经 网络预测 数据 相 对 误 差不 到 ０ ． ０ １ ％， 比传 统 预测 方 法 精 确 很 多 ，可 应 用 到其 他 很 多 方 面 的预 测， 具 有较 强 的实用 性 。
基于BP神经网络的人口预测方法研究
算法． 根据 人 口预 测 系统 的特 点 和预测 要求 ， 可设
１ 基于Ｂ Ｐ神 经 网络 的人 口预 测
在 选 择Ｂ Ｐ神 经 网络结 构后 ， 用输 入输 出样 利 本 观 测 值 集对 网络 进行 训 练 ， 网络 的 权 值 和 阈 对 值 进 行 学 习 和调 整 ， 过 神经 网络 拟 合 与 预 测模 经 型 的校 验 ， 网络 实现 给定 的输入 输 出映射关 系 ． 使 Ｂ Ｐ神 经 网 络 的学 习 过 程 由正 向传 播 和反 向传 播 组成 ． 正 向传 播过 程 中 ， 入信 息从 输入 层 经 隐 在 输 含层 逐 层处 理 ， 向输 出层． 传 每一层 神 经元 的 状态 只 影 响下 一 层 神 经元 的状 态． 果 输 出层 得 不 到 如
Ｖ ｏ１ Ｎ ｏ ．３１ ．３
Ｊ ｎ ０ ７ ｕ ｅ２ ０
基于 Ｂ Ｐ神 经 网络 的人 口预 测 方 法 研 究 ＊
毕 小 龙 袁 勇
（ 汉理工大学 管理学院 武 武汉 ４０７ ） ３ ０ ０
摘 要 ： 人 １数 量 的 准 确 预 测 可 以 为 制 定 社 会 经 济 可 持 续 发 展 计 划 提 供 重 要 依 据 ． 中将 Ｂ 对 ： １ 文 Ｐ神 经 网 络 应 用 于 人 １预 测 ， 用 Ｍａｌｂ的 神 经 网 络 工 具 箱 函 数 建 立 神 经 网 络 预 测 模 型 ， 用 该 模 型 对 ： １ 采 ｔ ａ 运 ２０ 年 至２１ ０２ ０ ５年 全 国乡 镇 人 １ 中 Ｏ １ ： １ ～ ７岁 年 龄 段 的 人 １进 行 了预 测 ． 践 证 明 ， 模 型 编 程 简 单 ， ： １ 实 该 还 能 克 服 常 规 语 言 建 立 预 测 模 型存 在 的 模 型 复 杂 、 练 时 间 长 等 缺点 ． 训 关 键 词 ： 经 网 络 ； Ｐ网 络 ； 口预 测 神 Ｂ 人
基于BP神经网络的贝叶斯概率水文预报模型_李向阳
2006年3月水 利 学 报SHUILI XUE BAO第37卷 第3期收稿日期:2005-05-13基金项目:国家自然科学基金资助项目(50479055)作者简介:李向阳(1978-),男,浙江东阳人,博士生,主要从事水文预报研究。
E -mail :lxy —408@s ina .c om文章编号:0559-9350(2006)03-0354-06基于BP 神经网络的贝叶斯概率水文预报模型李向阳,程春田,林剑艺(大连理工大学土木水利学院,辽宁大连 116023)摘要:本文在贝叶斯概率水文预报系统(BFS )框架之上,研究了双牌水库水文预报的不确定性,建立了流量先验分布及似然函数的BP 神经网络模型,并通过Markov 链Monte Carlo (MCMC )方法求解得到流量后验分布及其统计参数。
通过对双牌水库历史洪水的研究结果表明,基于BP 神经网络的BFS 不仅显著提高了预报精度,而且为防洪决策提供了更多的信息,使得预报人员在决策中能考虑预报的不确定性,定量的估计各种决策的风险和后果。
关键词:概率水文预报;不确定性;MC MC ;BP 神经网络中图分类号:P333文献标识码:A水文预报是防汛、抗旱和水资源利用等重大决策的重要依据,历来受到各方面的关注,也是应用水文学中发展最快的分支。
现在广泛使用的水文预报模型,如新安江模型、径流相关模型、蓄满产流模型等都是确定性水文模型,模型以确定的预报值的形式输出给用户。
预报调度人员根据获得的预报结果(通常是一个确定的流量序列)作出相应的决策。
然而,众所周知,现在的预报模型是不够精确的,它只是对复杂水文过程的一种近似模拟,模型的结构、参数以及模型的输入都是不精确的。
面对不确定的水文过程和以确定形式表述的水文预报,防洪调度决策者在制订决策时,如何科学地对待、处理水文预报,并达到最优的调度决策,就成为人们关心的课题[1,2]。
为了解决水文预报的不确定度问题,Krzysztofowicz R [3]等人提出贝叶斯概率预报系统(Bayesian Forecasting System ,简称B FS )框架,将水文预报不确定性分为输入不确定性(由预见期内降雨不确定性引起)与水文不确定性,并在此基础上做了大量开创性的工作[4～7],为水文预报不确定性研究开辟了新的途径。
(完整版)基于神经网络的中国人口预测算法研究毕业设计
毕业论文（设计）题目基于神经网络的中国人口预测算法研究所在院(系)数学与计算机科学学院专业班级信息与计算科学1102班指导教师赵晖完成地点陕西理工学院2015年5 月25日基于神经网络的中国人口预测算法研究作者：宋波（陕理工学院数学与计算机科学学院信息与计算科学专业1102班，陕西汉中723000）指导教师：赵晖[摘要]我国现正处于全面建成小康社会时期,人口发展面临着巨大的挑战,经济社会发展与资源环境的矛盾日益尖锐。
我国是个人口大国、资源小国，这对矛盾将长期制约我国经济社会的发展。
准确地预测未来人口的发展趋势，制定合理的人口规划和人口布局方案具有重大的理论意义和实用意义。
本文介绍了人口预测的概念及发展规律等。
首先，本文考虑到人口预测具有大量冗余、流动范围和数量扩大的特性，又为提高人口预测的效果，因此，使用归一化对人口数据进行了处理，该方法不需要离散化原数据，这样就保证了人口预测的准确性和原始数据的信息完整性。
其次，本文提出了一种基于神经网络预测的优化算法，该算法避免了人们在预测中参数选择的主观性而带来的精度的风险，增强了人口预测的准确性。
同时，为说明该算法的有效性，又设计了几种人们通常所用的人口模型和灰色预测模型算法，并用相同的数据进行实验，得到了良好的效果，即本文算法的人口预测最为准确，其预测性能明显优于其他算法，而这主要是参数的选择对于增强预测性方面的影响，最终导致人口预测精确度。
同时，在算法的稳定性和扩展性方面，该算法也明显优于其他算法。
考虑出生率、死亡率、人口增长率等因素的影响，重建神经网络模型预测人口数量。
[关键词] 神经网络人口模型灰色预测模型软件Population projections based on neural networksAuthor: Song Bo(Grade11,Class 2, Major in Information and computing science, Mathematics andcomputer science Dept.Tutor:Zhao HuiAbstract：Our country is now in the period of building a moderay prosperous society, demographic development is faced with great challenges, the contradiction between economic and social development and environmental protection increasingly sharp. Our country is populous country, resources small country, this contradiction will planning and development of rational population distribution program projections and development law and so on.Firstly, taking into account the population predicted to projections of the effect, therefore, the use of normalized data were processed on the population, which does not require discrete raw data, this ensures that the population forecast accuracy and completeness of information the original data. Secondly, this paper presents an optimization algorithm based on neural network prediction, the algorithm avoids the people in the forecast parameters and risks subjectivity accuracy, and enhance the accuracy of population projections. Meanwhile, in order to show the effectiveness of the algorithm, and designed several people population model is usually used and the gray prediction model and algorithm, and tested using the same data, obtained good results, that population is the most accurate prediction algorithm, which forecast outperforms other algorithms, which mainly affect the selection parameters for enhanced predictability, eventually leading to population forecasting accuracy. Meanwhile, in the stability and scalability algorithm, the algorithm is also significantly better than the other algorithms.Consider the impact of fertility, mortality, population growth and other factors, rebuild theneural network model to predict population.Key words:Neural network population model grey prediction model software目录1. 绪论 ..................................................1.1 引言..................................................1.2 研究的背景及意义......................................1.2.1研究背景..........................................1.2.2研究意义..........................................1.3 人口预测发展及研究现状 ................................1.4 基本目标及主要内容....................................1.5 组织结构..............................................2.三种模型基本概念和原理..................................2.1阻滞增长模型（模型）...................................2.2灰色系统预测模型.......................................2.2.1 研究领域及理论 ...................................2.2.2灰色模型发展......................................2.3 神经网络预测模型研究概述 (1)2.3.1神经网络模型概念 (1)2.3.2研究的发展 (1)2.3.3研究领域 (1)2.3.4神经网络学习过程 (1)3.本文算法描述 (1)3.1阻滞增长模型的算法： (1)3.2算法 (1)3.3神经网络算法实验 (1)4.数据处理 (1)4.1模型预测 (1)4.2模型的求解 (2)4.3 BP神经网络人口预测模型 (2)5.仿真实验及分析 (2)5.1 数据来源说明 (2)5.2 实验步骤 (2)5.3 实验结论及分析 (2)5.4 实验结论 (2)致谢 (3)参考文献 (3)附录 (3)1. 绪论1.1 引言中国是一个人口大国，人口的增长影响和制约着国家各个方面的发展，有效的预测人口数量，制定合理政策，将有利于国家的综合发展。
一种基于BP神经网络的人口总数预测方法
一种基于BP神经网络的人口总数预测方法作者：陆文珺柳炳祥来源：《中国管理信息化》2016年第20期[摘要]本文运用BP神经网络方法预测中国人口总数，采用MATLAB工具箱实现BP神经网络模型。
选取1970-2010年人口总数，应用插值模型拟合，推算出2011-2014年人口的预测值，与2011-2014年实际人口数进行对比，并用此模型对2015-2017年的中国总人口进行预测。
实验结果表明，利用BP神经网络预测人口总数是可行的和有效的，模型简单易行，精度较高。
[关键词]BP神经网络；人口总数；预测doi：10.3969/j.issn.1673 - 0194.2016.20.096[中图分类号]C921 [文献标识码]A [文章编号]1673-0194（2016）20-0-020 引言人口总数又称总人口数，是指一定时点、一定地域范围内有生命活动的个人的总和。
它不分性别，不分年龄，不分民族，只要是有独立的生命活动就包含在人口总数之内。
人口总数是人口统计中最基本的指标。
标准人口总数，对于了解国情国力，制订人口计划和经济、社会发展计划，进行人口科学研究，都有十分重要的意义。
传统预测人口的方法主要有常微分方程方法、逻辑方法和动态预测法，这些方法对人口预测都有一定的作用，但采用这些方法，都需要对数据进行模型假设，在实际情况中，模型往往都是非线性的，如果只是在简单的模型假设下进行数据分析，结果往往是不准确的，达不到理想的预测结果。
而神经网络对于复杂的、非线性的数据有曲线拟合能力。
基于BP神经网络的时间序列预测方法，只需将历年人口总数输入，通过抑制和激活神经网络节点，自动决定影响性能的参数及其影响程度，自动形成模型，无需进行模型假设，本文就是利用该方法对我国人口总数进行预测。
1 BP神经网络BP网络（Back Propagation），是1986年由Rumelhart和McCelland为首的科学家小组提出的，它是一种按照误差逆向传播算法，来训练的多层前馈的学习网络，网络中的各个神经元之间的连接强度靠权值的大小来实现。
基于BP神经网络的旅游人流量预测方法研究开题报告
山西大学本科毕业论文（设计）开题报告
这主要是由于学习速率太小所造成的。可采用变化的训练：这主要表现在网络出现的麻痹现象上。在网络的训练过程中，如其权值调得过大，可能使得所有的或大部分神经元的加权总和n偏大，这使得激活函数的输入工作在S型转移函数的饱和区，从而导致其导数f'(n)非常小，使得对网络权值的调节过程几乎停顿下来。通常为避免这种现象的发生，一是选取较小的初始权值，二是采用较小的学习速率，但这又增加了训练时间。
（4）定性分析
在研究中，主要包括对相关概念“界定”，各种旅游市场趋势预测方法的“属性认定”、“类比归并”和“价值判断”等基本方面，找到事物中比较稳定的联系。定性分析的结果一般可以作为旅游管理决策的参考信息，但不能作为决策的依据。
（5）定量分析
本研究侧重从数量方面去研究旅游市场趋势的预测方法。一般来讲，定量研究能够通过对旅游市场历史统计数据所获得更具代表性的大样本的访问和分析，得到具有统计意义的预测结论。
近年来，涌现出了许多预测效果较好的方法和模型，目前旅游市场趋势预测的主要方法有回归预测法、时间数列预测法、引力预测法等，然而，这些定量研究的数学工具基本上是经典算法，并未涉及处理复杂问题所常用的启发式算法，不适于处理当代旅游市场错综复杂的数据。近年来效果最突出的神经网络法，已逐渐被研究者引入了旅游预测研究，但其研究范围和预测效果还需要进行深入探索，以期突破旅游基础理论，进一步丰富和完善预测的理论和方法。
如果对训练结果不满意的话，通常可采用多层网络和较多的神经元，有可能得到更好的
结果。然而，增加神经元和层数，也同时增加了网络的复杂性以及训练的时间，在一定的情
况下可能是不明智的。可代替的办法是选用几组不同的初始条件对网络进行训练'以从中挑
基于GA—BP神经网络的人口预测研究
精确度 。本文拟 建立基 于遗传算法改进 的 Ｂ Ｐ神经 网络模型 ， 对我国人 口总量变化进行 短期 的预测 。
二、Ｂ Ｐ神经 网络及遗传算法简介
（ ）Ｂ 神 经 网络 一 Ｐ
Ｂ （ ａｋＰｏ ａ ａｉ ）神经网络是一种按误 Ｐ Ｂ ｃ ｒｐ ｇｔ ｎ ｏ
收稿 日期 ：２ １．３ １ ０ ２０ ．２
作者简介：陈仕鸿，男，广东外语外贸大学思科信 息学院讲 师，硕士 ，研究方向为数据挖掘。 （ １４０ ５ ０２ ） 张关明，男，山东省文登市 ９５ ３ 队计算机 工程 师，研究方向为计算机应用。 （ ６４ １ ４６ 部 ２４１ ）
一
、
引言
非线 性的 Ｂ Ｐ神经 网络 作为人 口预测 的模型 】【 【５ ４ 】
。
但是 Ｂ Ｐ神经 网络 固有 的随机性 强、容易收敛
世 界人 口的迅速 增长 带来许 多 问题 ，其 中发
到局 部极 小的缺 点，影响 了人 口预测 的稳 定性和
展 中 国家 的人 口增 长过快 对经济 发展和社 会稳 定 的不利影 响尤 其突 出。人 口问题 是我 国社会和经
４８
ＶＯ ． ＮＯ． Ｌ３ ４ ＪＵＬ．０１ ２ ２
焦点战略新探
差逆 传播 算法训 练 的多层前馈 网络 ，是 目前 应用
值分 别为该 函数 的 自变量 和 因变 量。 网络 的学 习 方式 需要一 批输入 输 出数据 ，即学 习样 本， 网络 初始 化权值 和 阈值 后 ，将样 本 的输 入数据 加载 到 网络 的输 入层 ，计算 网络 的输 出值 ，得 到输 出值
基于BP神经网络的水华预测模型及其敏感性分析
理想 的一种导盲仪 ，但是还存在体积大、不宜携带等缺点 。 使用者，帮助他们 随时调整前进方 向。
所 以，这几种导盲仪的应用 范围太过局限，效果不够好 ，
没有得到广泛的应用 。
【参考文献 】
世 界 卫 生 组 织 设在 日内 瓦 的 防盲 和 防 聋 规 划 主 任 ［１】刘红梅，曲爱玲 ．微型 水深传感器在智能导盲仪 中的应用 【Ｊ】．
信 息记 录 材料 ２ ０１ ８年 １１月 第１ ９卷 第１１期
基 于 ＢＰ神经 网络 的水 华预测模型及其敏感性分析
王 重 阳 ， 马 菁 华 ， 吴睿 钰 ，严 泽 凡 （１华 北理 工 大 学 化 学工 程 学 院 河 北 唐 山 ０６ ３ ００ ０） （２华 北 理 工 大 学 信 息工 程 学 院 河 北 唐 山 ０６ ３ ０ ０ ０）
从而得知了水华爆发 时，水温的范围为 ２７＂（２～２９℃；总氮的范围为 １．８ｇ·ｋｇ～～２．Ｏｇ·ｋｇ－ ；总磷的范围为 ６．５ｇ·ｋｇ
～ ７ｇ·ｋｇ ；ＣＯＤ的范围为 ２５～２７ｍｇ／Ｌ；ＰＨ值的范围为 ５．５～６．５；溶氧的范围为 ９．２５～９．３５ｍｇ／Ｌ。
【关键词 】ＢＰ－神经网络；数据进行回归；动量法；学习速率；梯度下降法
【摘要】本文针对水华问题，通过对水体质量进行评价与分类，建立了主要理化 因子与浮游生物致害密度关系模型，
从而为池水的净化处理提供 了方法依据。本文建立 ＢＰ神经网络模型来预测水华发生的时间，预测藻类密度，得出最大
误差为 ９．Ｉ％，最低精确度为 ９０．９％。利用偏导敏感性分析法中的全样本敏感性分析法，判断水华发生时理化因子的范围，
信 息记 录材料 ２ ０１ ８年 １１月 第１ ９卷 第 ｌ１期
黄河源区河川径流短期预测的ANFIS模型
黄河源区河川径流短期预测的ANFIS模型马盼盼;白涛;武连洲;黄强【摘要】[Objective] This study established an adaptive network-based fuzzy inference system (ANFIS) to improve the accuracy of runoff forecast and provide reference for water resources development and project planning in source region of the Yellow River.[Method] Jungong station,located at the outlet of source region of the Yellow River,was chosen as the target and daily runoff forecast model was established by ANFIS.Nine schemes were set up based on input variables,training times,types and numbers of membership functions and forecast period.This study recommended the best scheme through contrastive analysis of measured and predicted runoff as well as statistical indexes including RMSE and R.The ANFIS model with optimal parameters was also obtained by analyzing the sensitivity of forecast results to different parameters.[Result] A daily runoff forecast model was established by using neural network and Sugeon fuzzy inference algorithm.When the expected period was 1 day,the maximum error of the ANFIS model was 4.36％,the average relative error was 0.21％,and the results were acceptable.When forecast period of the model was extended to 2-4 days,the average relative error was less than 3.00 ％ and the forecast results met the precision requirements.[Conclusion] Using ANFIS for short-term runoff forecast not only enhanced the prediction accuracy,but also extended the forecast period.It would provide guidance for cascades planning,reservoirconstruction,operation and water allocation in the whole Yellow River Basin.%[目的]建立径流短期预测的自适应神经模糊推理系统(ANFIS)模型,以提高预测精度,进而为黄河源区水资源开发和工程规划提供参考.[方法]以黄河源区出口站军功水文站为研究对象,以ANFIS为基本方法,建立ANFIS日尺度径流预测模型.基于输入变量、训练次数、隶属度函数类型与数目、预见期等参数设置了9个方案,通过实测径流与预测径流的对比和评价指标(均方根误差RMSE、相关性系数R)验证确定最佳方案,并分析不同参数对预测结果的敏感性,获得基于最优参数的ANFIS模型.[结果]采用神经网络+Sugeno型模糊推理算法建立了ANFIS日尺度径流预测模型,在预见期为1d时,利用ANFIS模型进行的径流短期预测,其相对误差最大为4.36％,平均为0.21％,预测结果合理可靠;当预见期延长至2～4 d时,预测结果均满足精度要求,相对误差平均值均小于3.00％.[结论]将ANFIS用于短期径流预测,既可提高预测精度,又能延长预见期,可为黄河源区水库群规划、施工、调度和全流域水资源配置提供指导.【期刊名称】《西北农林科技大学学报（自然科学版）》【年(卷),期】2018(046)006【总页数】10页(P145-154)【关键词】自适应神经模糊推理系统;径流预测;敏感性分析;隶属度函数;黄河源区【作者】马盼盼;白涛;武连洲;黄强【作者单位】西安理工大学西北旱区生态水利工程国家重点实验室培育基地,陕西西安710048;西安理工大学西北旱区生态水利工程国家重点实验室培育基地,陕西西安710048;西安理工大学西北旱区生态水利工程国家重点实验室培育基地,陕西西安710048;西安理工大学西北旱区生态水利工程国家重点实验室培育基地,陕西西安710048【正文语种】中文【中图分类】P338+.1随着气候变化和人类活动等影响的深入，水文过程变化愈加复杂[1-2]。
基于BP神经网络和AR模型的人口预测
基于BP神经网络和AR模型的人口预测
贾楠;胡红萍;白艳萍
【期刊名称】《商丘师范学院学报》
【年(卷),期】2011(27)3
【摘要】利用MATLAB编程软件,分别建立BP神经网络和AR模型,采用全国出生率,死亡率,老年抚养率等9个指标作为样本,分别对BP网络和AR模型进行训练,预测5年后的人口数量.结果表明这两种方法预测人口均是可行的,效果较好,误差很小,但是AR模型较适合线性预测,而BP网络适合较非线性预测.
【总页数】4页(P6-9)
【作者】贾楠;胡红萍;白艳萍
【作者单位】中北大学理学院,山西太原030051;中北大学理学院,山西太原030051;中北大学理学院,山西太原030051
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.基于BP神经网络的福州市人口预测模型 [J], 胡喜生;洪伟;吴承祯
2.基于灰色BP神经网络的中国人口预测模型 [J], 王丽敏;莫君慧
3.基于BP神经网络的美国人口预测模型 [J], 李阳
4.基于灰色BP神经网络的中国人口预测模型 [J], 王丽敏;莫君慧
5.基于BP神经网络的京津冀老年人口预测模型的构建及分析 [J], 杨佳琦;张亚平;安文忠;席彪;祖亮;单伟颖
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｒｅ ａ ｃ ｈｅ ｓ ｏ ｆ ｔ ｈ ｅ Ｙｅ ｌ ｌ ｏ ｗ Ｒｉ ｖ ｅ ｒ ｂ ａｓ ｅ ｄ ｏ ｎ ＢＰ Ｎｅ ｕｒ ａ ｌ Ｎｅ ｔ ｗｏ ｒ ｋ
ｐ ｏ ｐ ｕ ｌ ａ ｔ ｉ ｏ ｎ ｐ ｒ ｅ ｄ ｉ ｃ ｔ ｉ ｏ ｎ ｈ ａ ｓ ｉ ｍｐ ｏ ｒ ｔ ａ ｎ ｔ ｒ ｅ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ｓ ｉ ｇ ｎ ｉ ｉ ｆ ｃ ａ ｎ ｃ ｅ ｆ ｏ ｒ ｇ ｏ ｖ ｅ ｒ ｎ ｍｅ ｎ ｔ ｔ ｏ ｍａ ｋ ｅ ｅ ｃ ｏ ｎ ｏ ｍｉ ｃ ａ ｎ ｄ ｓ ｏ ｃ ｉ ａ ｌ ｄ ｅ ｖ ｅ ｌ ｏ ｐ ｍｅ ｎ ｔ ｐ ｌ ａ ｎ ． Ｂ Ｐ ｎ ｅ ｔ ｗ ｏ ｒ ｋ ｃ ａ ｎ ｌ ｅ ａ ｒ ｎ ａ ｃ ｔ ｉ ｖ ｅ ｌ ｙ， ｓ ｔ ｏ ｒ ｅ ａ ｌ ａ ｒ ｇ ｅ ａ ｍｏ ｕ ｎ ｔ ｏ ｆ ｃ ｏ ｍｐ ｌ ｅ ｘ ｍａ ｐ ｐ ｉ ｎ ｇ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ｓ ｈ ｉ ｐ，ａ ｎ ｄ ｄ ｅ ｓ ｃ ｒ ｉ ｂ ｅ ｔ ｈ ｅ ｍａ ｐ ｐ ｉ ｎ ｇ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ｓ ｈ ｉ ｐ ｗ ｉ ｔ ｈ ｏ ｕ ｔ ｐ ｒ ｉ ｏ ｒ ｔ ｏ ｒ ｅ ｖ ｅ ａ ｌ ｔ ｈ ｅ ｍａ ｔ ｈ ｅ ｍａ ｔ ｉ ｃ ａ ｌ ｅ ｑ ｕ ａ ｔ ｉ ｏ ｎ ｓ ．ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ｕ ｓ ｅ ｓ ｔ ｈ ｅ Ｂ Ｐ ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ ｗ ｏ ｒ ｋ ｔ ｏ ｅ ｓ ｔ ａ ｂ ｌ ｉ ｓ ｈ ｔ ｈ ｅ ｐ ｒ ｅ ｄ ｉ ｃ ｔ ｉ ｏ ｎ ｍｏ ｄ ｅ ｌ ， ｍａ ｋ ｅ ｓ ｔ ｈ ｅ ｐ ｒ ｅ ｄ ｉ ｃ ｔ ｉ ｏ ｎ ｂ ｙ Ｍａ ｔ ｌ ａ ｂ ｓ ｏ ｆ ｔ ｗａ ｒ ｅ ａ ｃ Ｉ ｚ ｏ ｒ ｄ ｉ ｎ ｇ ｔ ｏ ｓ ｔ ａ ｔ ｉ ｓ ｔ ｉ ｃ ａ ｌ ｄ ａ ｔ ａ ａ ｂ ｏ ｕ ｔ ｔ ｈ ｅ ｐ ｏ ｐ ｕ ｌ ａ ｔ ｉ ｏ ｎ ｉ ｎ ｔ ｈ ｅ ｄ ｏ ｗｎ ｓ ｔ ｒ ｅ ａ ｍ Ｙｅ ｌ ｌ ｏ ｗ Ｒｉ ｖ ｅ ｒ ｆ ｒ ｏ ｍ ２ ０ ０１ ｔ ｏ ２ ０ １ １ ，ｔ ｈ ｅ ｎ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ｅ ｓ ｔ ｈ ｅ ｉ ｆ ｔ ｔ ｉ ｎ ｇ ｄ ｅ ｇ ｒ ｅ ｅ ｏ ｎ ｔ ｈ ｅ ｐ ｒ ｅ ｄ ｉ ｃ ｔ ｉ ｏ ｎ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ，ｔ ｈ ｅ ｒ ｅ ｓ ｕ ｌ ｔ ｉ ｎ ｄ ｉ ｃ ａ ｔ ｅ ｓ ｔ ｈ ａ ｔ Ｂ Ｐ ｎ ｅ ｕ ｒ ａ ｌ ｎ ｅ ｔ ｗｏ ｒ ｋ ｈ ａ ｓ ｈ ｉ ｇ ｈ ｌ ｙ ａ ｃ ｃ ｕ ｒ ａ ｔ ｅ ｔ ｏ ｐ ｒ ｅ ｄ ｉ ｃ ｔ ｔ ｈ ｅ ｐ ｏ ｐ ｕ ｌ ａ ｔ ｉ ｏ ｎ ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ：Ｂ Ｐ ｎ ｅ ｔ ｗ ｏ ｒ ｋ； ｐ ｏ ｐ ｕ ｌ ａ ｔ ｉ ｏ ｎ ｆ ｏ ｒ ｅ ｃ ａ ｓ ｔ ；ｍｉ ｄ ｄ ｌ ｅ ａ ｎ ｄ ｌ ｏ ｗｅ ｒ ｒ ｅ ａ ｃ ｈ ｅ ｓ ｏ ｆ ｔ ｈ ｅ Ｙｅ ｌ ｌ ｏ ｗ Ｒｉ ｖ ｅ ｒ ｂ ａ ｓ ｉ ｎ
（ 太原理工 大学经济 管理 学院 ，山西太原 ０ ３ ０ ０ ２ ４ ）
摘 要 ： 区域 人 口增 长是 一 个 高度 非 线 性 的 系统 问题 ，影 响 广 泛 ，准 确 预 测 人 口对 政 府 制 定 经 济 和 社 会 发 展 计 划
具有重要参考 意义。Ｂ Ｐ网络 能主动 学习： 和存 贮大量复杂的映射关 系，而无需事前揭 示描述这 种映射 关 系的数 学
方程 。采 用 Ｂ Ｐ神 经网络 建立预 测模 型 ，根 据 ２ ０ ０ １ －２ ０ １ １年黄 河 中下 游人 口统计数据 ，通过 Ｍａ ｔ ｌ ａ ｂ软件 作 出预
测 ，然后 对预 测结果进 行拟合度分析 ，结果表 明 Ｂ Ｐ神经 网络对人 口数量 的预测 准确度极 高。
关键词 ：Ｂ Ｐ神经 网络 ；人 口预 测；黄 河 中下游 中图分类号 ：Ｃ ９ ２— ０ ５ 文献标志码 ：Ａ 文章编号 ：１ ０ ０ ０— ７ ６ ９ ５（ ２ ０ １ ４ Ｊ ０ ６— ０ ２ ４ ５— ０ ６
Ａｂｓ ｔ ｒ ａ ｃ ｔ ： Ｒｅ ｇ ｉ ｏ ｎ ａ ｌ ｐ ｏ ｐ ｕｌ ａ ｔ ｉ ｏ ｎ ｇ ｒ ｏ ｗｔ ｈ ｉ ｓ ａ ｈｉ ｇ ｈ ｌ ｙ ｎｏ ｎ ｌ ｉ ｎ ｅ ａ ｒ ｓ ｙ ｓ ｔ ｅ ｍ ｗｈ ｉ ｃ ｈ ｃ ａ ｕｓ ｅ ｓ ａ ｗｉ ｄ ｅ— ｒ ａ ｎｇ ｉ ｎ ｇ ｉ ｍｐ ａ ｃ ｔ ． Ｔｈ ｅ ａ ｃ ｃ ｕｒ ａ ｔ ｅ
Ｓ ＨＩ Ｊ ｉ ａ ，Ｊ Ｉ Ｊ ｕ ｈ ａ ｉ
（ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｅ ｃ ｏ ｎ ｏ ｍ ｉ ｃ ｓ ＆ Ｍａ ｎ ａ ｇ ｅ ｍ ｅ ｎ ｔ Ｔ ａ ｉ ｙ ｕ ａ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｔ ａ ｉ ｙ ｕ ａ ｎ ０ ３ ０ ０ ２ ４ ，Ｃ ｈ ｉ ｎ ａ ）
２ 叭 ４年 第 ６期
ｓ ｃ ｉ 呲
…
谭 。 Ｒ ｍ ｈ
ｄ ｏ ｉ ：１ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ０— ７ ６ ９ ５ ． ２ ０ １ ４ ． ０ ６ ． ０ ５ ０
基于 Ｂ Ｐ神 经网络 的黄河中下游人 １ ３预测研 究
史 佳 ，冀 巨海