本書針對以往人口預(yù)測中僅考慮數(shù)量化影響因素的不足，以北京市為例，進一步全面考慮對人口增長有重要影響的定性類知識性影響因素，研究建立包含數(shù)據(jù)庫、文本庫、推理規(guī)則庫和經(jīng)驗知識庫的復(fù)合知識庫。綜合調(diào)動復(fù)合知識庫中的所有知識，用知識性因素動態(tài)調(diào)整數(shù)量化因素在預(yù)測中產(chǎn)生的誤差，挖掘出與預(yù)測目標高度相似的新的歷史數(shù)據(jù)作為輸入數(shù)據(jù)，從而形成一種基于復(fù)合知識挖掘的新的建模預(yù)處理技術(shù)；研究神經(jīng)網(wǎng)絡(luò)優(yōu)化技術(shù)和決策樹嵌入神經(jīng)網(wǎng)絡(luò)技術(shù)，建立能同時處理定量和定性影響因素的基于復(fù)合知識挖掘的智能優(yōu)化神經(jīng)網(wǎng)絡(luò)預(yù)測模型。在預(yù)測技術(shù)中，zui大的難題就是如何對定性類知識性因素進行處理。而這類因素在促進北京市人口膨脹中起到重要作用。將這類因素挖掘出來帶入預(yù)測模型，提高預(yù)測精度，在理論和實踐上具有重要意義。
預(yù)測理論發(fā)展到今天，面臨的*難題就是如何處理這類知識性文本因素。為了解決這種問題，本書研究運用智能化知識挖掘技術(shù)，通過對影響北京市人口增長的知識性文本類因素進行知識發(fā)現(xiàn)、知識分類、知識清洗、知識提取、知識預(yù)處理等工作，挖掘出對北京市人口膨脹有重要影響的知識性因素，希望能為北京市人口有效調(diào)控提供重要參考。
|
