[发明专利]基于模糊逻辑预测统计人口总数的方法

摘要

本发明提供了一种基于模糊逻辑预测统计人口总数的方法，采用模糊时间序列模型来预测，将精确记录的时间序列观测值表示为具有模糊特征的语言变量并且建立具有多前间的模糊逻辑关系，最后将模型输出去模糊化得到精确预测值。本发明能够减少误差，提高预测的准确度。通过将模糊论和时间序列相结合，它能够在数据资料不完整和含有噪音的情况下，消除动态系统中不确定性因素的影响，从而充分利用历史数据隐含未来变动的信息，来提高预测结果的准确性。因此，基于模糊时间序列的人口预测比传统方法更好。

主权项

1.一种基于模糊时间序列预测统计人口总数的方法，包括从国家统计局官网中，利用爬虫爬取n年的中国统计人口总数的历史数据和对应的年份，得到历史人口数据{Xt，t＝1，2，..n}；然后，对收集到的数据作如下操作：第一步，计算出每年统计人口总量的历史数据中两个相邻年份的人口增加值V_i(i＝1，2，...，n‑1)。。通过比较这些增加值，得到最大增加V_max和最小增加量V_min。第二步，确定论域：定义论域U＝[V_min*(1‑α)，V_max*(1+α)，其中，0＜α＜1；将论域U等长度为j个区间(j＝1，2，...，m)，分别是u₁，u₂，...u_m；取出每个区间的中值，赋值为第三步，构建论域U的每个区间对应的语言变量，记为A_j(j＝1，2，...，m)。A_j表示的是人口变动有最小到最大的程度；第四步，依据隶属度函数计算每年历史数据变化量的模糊子集向量。隶属度公式如下：其中C是常数，V_i是第一步中计算出的每年的变动值，i＝1，2，..n‑1，j＝1，2，...，m；第五步，选取前n‑2年的模糊隶属度向量来构成矩阵O_(n‑2)*j，取出第n‑1年的隶属度来构建向量K_1*j；然后，取出矩阵O_(n‑2)*j的第j列中的元素和向量K_1*j中的第j个元素一一比较，j＝1，2，...，m，如果O_(n‑2)*j中的元素取值比K_1*j大，就用K_1*j的值替换它，得到一个新的矩阵O′_(n‑2)*j；第六步，取出O′_(n‑2)*j中的每列的最大值，保存到向量F(n)中：F(n)＝[μ_t(1)＝Max(O′₁₁ O′₂₁ ... O′_(n‑2)1)，μ_t(2)＝Max(O′₁₂ O′₂₂ ... O′_(n‑2)2)，......................................μ_t(m)＝[Max(O′_1m O′_2m ... O′_(n‑2)m)]简写为F(n)＝[μ_t(1)，μ_t(2)，...，μ_t(m)]；第七步，去模糊化：将第六步中的结果带入下式中，求出第n+1年的人口增长量V_n：第八步，将V_n和第n年的历史统计总人口相加，得到的就是第n+1年的统计人口预测值。