Методы и средства анализа и прогноза демографических показателей на основе нейротехнологии

• Автор: Соколова, Марина Владимировна
• Шифр специальности: 05.13.10
• Научная степень: Кандидатская
• Год защиты: 2004
• Место защиты: Курск
• Количество страниц: 168 с. : ил.

Содержание
Введение

1. Раздел 1. Аналитический обзор и постановка задачи на исследование

1.1. Анализ состояния проблемы

1.2. Применение нейротехнологии для анализа демографических процессов

1.3. Постановка задачи на исследование

2. Раздел 2. Разработка методов и средств анализа динамики демографических показателей.

2.1. Формирование информативного факторного пространства

2.2. Исследование применимости различных типов нейронных сетей к представлению демографических показателей.

2.3. Комплексное прогнозирование демографических показателей

2.4. Алгоритм поддержки принятия управленческих решений

Выводы второго раздела
3. Раздел 3. Разработка информационноаналитической подсистемы поддержки принятия решений в демографии
3.1. Структура информационноаналитической подсистемы
3.2. Реализация нейросетевого симулятора
3.3. Реализация методики определения структуры нейронной сети при помощи генетических алгоритмов
3.4. Тестирование информационноаналитической подсистемы
Выводы третьего раздела
4. Раздел 4. Результаты экспериментальных исследований
4.1. Проверка адекватности нейросетевых моделей
4.2. Исследование демографических процессов в Российской Федерации
4.3. Исследование демографических процессов в Словакии
4.4. Формирование управленческих решений
Выводы четвертого раздела
Заключение
Список использованной литературы


Метод суммарных временных рядов может дать более точные результаты, чем метод передвижки возрастов для краткосрочных прогнозов, а в приложении к долгосрочным расчетам метод позволяет достичь точности, не всегда доступной многим дисагрегационным методам. Таким образом, прогнозирование численности населения может не иметь достаточно информации для осуществления метода передвижки возрастов, который зависит от экстраполяционных данных о повозрастных коэффициентах выживаемости (дожития). В свою очередь, также применяемый для решения данной задачи анализ временных рядов имеет некоторые недостатки. Для расчета численности половозрастного состава населения дисагрегационные методы дают лучшие результаты, чем анализ временных рядов, так как последний явно не учитывает возрастную структуру населения, которая заметно влияет на изменение роста численности населения. В отличие от методов, которые оперируют с гомогенными группами населения и применяют средние вероятности рождений, смертей и миграции, микромоделирование оперирует отдельно с каждым индивидуумом и проводит повторяющиеся эксперименты на случайным образом выбранных данных вместо того, чтобы рассчитывать средние вероятности. Этот подход моделирует основные жизненные события (браки, разводы, рождение детей, приобретение жилья) для отдельно взятого индивидуума, а затем результат исследования масштабируется для всего населения []. Недостатком методики является то, что требования к данным могут быть недопустимыми, поскольку вероятности совершения любого жизненного события должны быть рассчитаны с учетом ретроспективных данных. При использовании метода передвижки возрастов процесс идентификации модели становится плохо управляемым, так как число состояний увеличивается, в то время как модель должна учитывать все возможные комбинации состояний. Микромодель, напротив, отслеживает состояния для каждого индивидуума, что является, значительно лете управляемой задачей. Эта модель хорошо зарекомендовала себя при изучении взаимодействия сложной системы «окружающая среда - домохозяйства», где требуется учет большого числа различных характеристик [3]. Комплексный анализ региональных демографических процессов показан в работе Н. Ч.Шенгелия, который рассматривал сезонные волны их изменения на примере Грузии. Методами прикладной статистики он осуществлял перспективные расчеты демографических процессов и корректировку ретроспективных данных. Процессы естественного движения населения Грузии рассчитывались посредством гармонического анализа Фурье. Относительная погрешность приведенного в работе краткосрочного прогноза на 5 лет, по утверждению автора, составила от 0,1 до 7%. Динамику смертности, рождаемости и численности населения автор оценивал линейными уравнениями []. В работе не обосновывается, почему для описания демографических процессов автор применил именно линейные модели и отказался от применения Фурье-анализа. Многие исследователи обращаются к изучению вопроса зависимости динамики смертности от внешних факторов [, 1, 2, 4]. Так, датский статистик Г. Ханнерц предлагает использовать регрессионную модель, которая, по его мнению, обладает всеми достоинствами методик, использующих таблицы смертности, реляционные методы и законы смертности. Он же предложил обобщенные регрессионные модели для женского и мужского населения. С помощью синтезированной регрессионной модели Ханнерц проверял гипотезу о влиянии «кодекса мужественности» на смертность современного мужского населения Швеции [0, 1]. Г.Ханнерц исследовал различные типы моделей, которые были им классифицированы по уровню упрощения критерия на 2 типа: первые модели утверждают, что смертность снижается с момента рождения и, минуя определенный уровень, начинает медленно и неуклонно расти до достижения возраста зрелости и далее все быстрее увеличивается с каждым годом; модели второго типа (более сложные, чем первые) позволили связать риск смертности с увеличением возраста. Автор приводит пример Пирсона, который предложил разделить все причины смертности на пять типов, каждый из которых имеет свою частотную функцию. Частотная функция общей смертности может быть выражена как взвешенная сумма пяти причинных функций.