基于svm的人口预测 - read.pdfVIP

第6卷 第4期 广 东 培 正 学 院 学 报 Vol.6 NO.4 Dec. 2006 2006年12月 JOURNAL OF GUANGDONG PEIZHENG COLLEGE 基于SVM的人口预测 吴志寒 （广东培正学院，广东广州 510）830 摘要：为了提高人口预测的精度，建立了基于支持向量机的预测模型，并采用此模型对实测数据进 行了预测。与FNN组合预测的预测结果相比，建立的新型人口预测模型具有更好的预测精度。 关键词：支撑向量机；FNN；人口预测 中图分类号：C922; TP391.77文献标识码：A 文章编号：粤Ο-1201（2006）04-0083-03 一、引言 可支持向量机形式上类似于一个神经网络，输出是 人口预测研究是国家制定未来人口发展目标和生 中间节点的线性组合，每个中间节点对应于一个支 育政策等有关人口政策的基础，对于国民经济计划 持向量。其结构如图1所示。 的制定和社会战略目标的决策具有重要参考价值。 [1] [2-3] 以往用灰色理论 、神经网络 等方法，对人口的 预测技术工作量很大，而且工作精度难以保证。 支持向量机 （Support Vec，t简称or Machine SVM）是近年发展起来的、性能优越的统计学习方 法。它最初用于解决模式识别问题，但近年来支持向 量机在回归算法的研究方面也表现了极好的性能，其 回归算法被成功地应用于时间序列的预测、非线性建 [3] 模与预测、优化控制等方面。本文将介绍在单台机 模型的基础上，用支持向量机回归算法建立人口预测 模型，它通过对样本数据的训练学习来建立回归模 2.支持向量机回归　 型，提高了模型的可用性和预测精度。 支持向量机可以进行线性回归和非线性回归。其 二、支持向量机回归原理 基本算法如下。 1.支持向量机 设训练样本集 支持向量机最初用于解决模式识别问题。在模式 （E是欧 识别中，为了发现具有推广能力的决策规则，所选择 氏空间，R为实数空间），对于线性回归，回归方 的训练数据的一些子集称为支持向量。最佳的支持向 程形式为 （1） 量分离等效于所有数据的分离。支持向量机是从线性 对于一般的回归，它的损失函数为 可分情况下的最优分类面发展而来的，其基本思想 （ 2） 收稿日期：2006-10-11 作者简介：吴志寒 （1979-），男，江西九江人，广东培正学院人文学科与基础教学部数学教研室教师，理学硕士，研 究方向：算法与数理统计研究。 84 广 东 培 正 学 院 学 报 2006年 第6卷 其中 是参数集合。为构造回归支持向量机，我 现以温州市为例，对其人口总数进行试验预测， [4] 们采用一种新的损失函数类型，即ε不敏感损失函数 参见温州统计年鉴 （2000），具体数据如表1。 （3） 表1　温州市历年人口统计数据/万人 式中 （4） 这种损失函数描述这样一种ε不敏感模型，即如 果预测值和实际值