2018年3月5日,第十三屆全國人大第一次會議在北京順利召開.會議上,國務(wù)院總理李克強在作政府工作報告中,對過去五年工作的回顧時提到:城鎮(zhèn)新增就業(yè)6600萬人以上,13億多人口的大國實現(xiàn)了比較充分就業(yè);在制定的2018年發(fā)展主要預(yù)期指標中具體指出:城鎮(zhèn)新增就業(yè)1100萬人以上,城鎮(zhèn)調(diào)查失業(yè)率5.5%以內(nèi),城鎮(zhèn)登記失業(yè)率4.5%以內(nèi).從政府工作報告中的這些數(shù)據(jù)可以看出我國對城鎮(zhèn)失業(yè)問題的關(guān)注程度.不僅如此,很多學(xué)者也在研究城鎮(zhèn)失業(yè)的相關(guān)問題.而本文是通過采用新的預(yù)測方法來研究我國城鎮(zhèn)登記失業(yè)人數(shù)和城鎮(zhèn)登記失業(yè)率問題.在本文中,首先運用雙權(quán)值神經(jīng)網(wǎng)絡(luò)模型和ARIMA模型分別對我國城鎮(zhèn)登記失業(yè)人數(shù)和城鎮(zhèn)登記失業(yè)率進行預(yù)測分析;然后將兩種模型根據(jù)最優(yōu)的權(quán)重構(gòu)成組合預(yù)測模型,運用該模型對我國城鎮(zhèn)登記失業(yè)人數(shù)和城鎮(zhèn)登記失業(yè)率進行預(yù).測分析.結(jié)果顯示,對于我國城鎮(zhèn)登記失業(yè)人數(shù),當雙權(quán)值神經(jīng)網(wǎng)絡(luò)模型的權(quán)重取0.5287,ARIMA模型的權(quán)重取0.4713時,得到組合預(yù)測模型的擬合效果最好,預(yù)測的結(jié)果為2017年是980.7470萬人,2018年是985.8164萬人,2019年是987.5616萬人,... 

【文章來源】：湖南大學(xué)湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１生物神經(jīng)元??

因為ＭＰ模型相對來說比較簡單，并且它的權(quán)值還不能夠通過學(xué)習(xí)來進行訓(xùn)??練，所以需要靈活性更高、復(fù)雜性更強的神經(jīng)元模型．這里我們給出一個擁有ｎ個??輸入的一般神經(jīng)元模型，如圖２．３所示．在圖２．３中，ｚ?＝?（：＾，〇；２，．．．，〇；？廣表示神經(jīng)??元的輸入數(shù)據(jù)，Ｑ?＝?（Ｗｌ，〇；２，…，叫）Ｔ表示可以調(diào)節(jié)的輸入權(quán)值，０表示偏移的信號，??Ｔ表示神經(jīng)元的閾值，ｗ表示神經(jīng)元的基函數(shù)，／（？）表示神經(jīng)元的激活函數(shù)，ｙ表示??神經(jīng)元的輸出數(shù)據(jù)．基函數(shù)Ｗ?＝?是一個多個輸入單個輸出的函數(shù)，激活函??數(shù)／Ｈ?—般是對基函數(shù)的輸出＾進行轉(zhuǎn)換即“擠壓”：ｙ?＝?／〇？〇，就是通過激活函??數(shù)將基函數(shù)的輸出值ｕ限制在一定的范圍內(nèi)．??下面給出的基函數(shù)和激活函數(shù)是經(jīng)常被用到的類型．??１）基函數(shù)類型??（１）線性函數(shù)．??６??

??圖２．２?ＭＰ模型??活階段（ｐｒｅ＾ａｃｔｉｖａｔｉｏｎ），即將接收到的輸入信息通過與相應(yīng)的權(quán)重進行加權(quán)求和??之后傳遞給下一階段．這一階段的數(shù)學(xué)公式如（２．１）：??ｍ??ｈ?＝?２＾ＷｉＸｉ?＋?（２．１）??ｉ＝ｌ??該公式也是神經(jīng)網(wǎng)絡(luò)中基函數(shù)的一個表達式．??第二階段稱為激活階段，就是將預(yù)激活階段加權(quán)之后得出的結(jié)果傳遞給激活??函數(shù)．通常來說，預(yù)激活之后的數(shù)據(jù)經(jīng)過激活函數(shù)之后將被壓縮到一定范圍內(nèi)，壓??縮后數(shù)據(jù)的大小將決定神經(jīng)元所處的狀態(tài)——活躍或抑制，最后將輸出的結(jié)果即壓??縮后的數(shù)據(jù)傳遞給下一層的神經(jīng)元，這一階段的數(shù)學(xué)公式如（２．２）：??ａ?＝?ｆ（ｈ），?（２．２）??其中，／是激活函數(shù)，／ｉ是基函數(shù)的值．??因為ＭＰ模型相對來說比較簡單

【參考文獻】：
期刊論文
[1]深圳市南山區(qū)2005—2016年淋病流行特征及ARIMA模型發(fā)病趨勢預(yù)測[J]. 吳秋紅,張莉,袁軍,田麗閃,李武,羅珍胄.  中國感染控制雜志. 2018(03)
[2]ARIMA模型在中國GDP預(yù)測中的應(yīng)用[J]. 邵明吉,任哲勖,趙周慧,郭濤.  價值工程. 2018(09)
[3]ARIMA模型在預(yù)測我國乙肝月報告發(fā)病數(shù)中的應(yīng)用[J]. 沈忠周,王雅文,馬帥,趙鵬宇,于凱,嚴寶湖,江宇.  中華疾病控制雜志. 2018(03)
[4]基于ARIMA模型的廣西區(qū)能源消費的預(yù)測[J]. 謝小軍.  科技經(jīng)濟導(dǎo)刊. 2018(07)
[5]基于ARIMA模型的重慶市人口老齡化趨勢預(yù)測[J]. 鄧世成.  武漢商學(xué)院學(xué)報. 2018(01)
[6]基于包容性檢驗的新疆兵團農(nóng)機總動力組合預(yù)測[J]. 王麗偉,趙永滿,楊續(xù)昌,付威,曹衛(wèi)彬,周雪.  農(nóng)機化研究. 2018(09)
[7]我國包蟲病報告病例數(shù)自回歸移動平均模型預(yù)測研究[J]. 譚恩麗,王正峰,周文策,李石柱,盧艷,艾琳,蔡玉春,滕雪嬌,張順先,黨志勝,楊春利,陳家旭,胡薇,周曉農(nóng),田利光.  中國血吸蟲病防治雜志. 2018(01)
[8]基于ARIMA模型對中國波指的分析及預(yù)測[J]. 李雪,李艷.  當代經(jīng)濟. 2018(04)
[9]基于ARIMA、LS-SVM和BP神經(jīng)網(wǎng)絡(luò)組合模型的航空運輸飛行事故征候預(yù)測[J]. 梁文娟,李雪艷.  安全與環(huán)境工程. 2018(01)
[10]基于時間序列分析并預(yù)測三峽庫區(qū)局地環(huán)境溫度的變化[J]. 馬力,于瑞林,李杰,夏立忠,LI Yun-cong.  中國農(nóng)業(yè)氣象. 2018(01)

博士論文
[1]基于智能理論的交通流量組合預(yù)測模型研究[D]. 于志恒.東北師范大學(xué) 2016

碩士論文
[1]基于數(shù)據(jù)挖掘的失業(yè)預(yù)警分析和管理[D]. 成曄.南京大學(xué) 2017
[2]基于ARIMA與SVM組合模型的國內(nèi)旅游市場預(yù)測研究[D]. 劉勝.東華理工大學(xué) 2017
[3]EIV-Kalman組合模型構(gòu)建及其在變形分析與預(yù)測中的應(yīng)用[D]. 楊宏.西南交通大學(xué) 2017
[4]基于時序驅(qū)動的城市供水量組合預(yù)測模型研究[D]. 劉年東.昆明理工大學(xué) 2017
[5]基于ARIMA與GRNN組合模型對人民幣匯率的預(yù)測[D]. 張艷.湖北工業(yè)大學(xué) 2017
[6]基于偏最小二乘回歸與Fisher判別的失業(yè)預(yù)測分析[D]. 金玉麗.南京大學(xué) 2014
[7]基于多權(quán)值神經(jīng)網(wǎng)絡(luò)的語音情感識別的研究[D]. 何天成.浙江工業(yè)大學(xué) 2007



本文編號：3301586