完美风暴预言的评价(二)
表 3.2.3 得出的/* MERGEFORMAT 的值
|
|
|
|
|
|
|
0.001428 | 0.318571 | 0.188571 | 0.071428 | 0.271428 | 0.201428 | 0.121428 |
|
|
|
|
|
|
|
0.091428 | 0.038571 | 0.071428 | 0.108571 | 0.022285 | 0 | 0.000857 |
所以/* MERGEFORMAT 小误差概率为一级.
故可以用
/* MERGEFORMAT 来进行预测.
预测的结果为
表 3.2.4预测的世界人口总数
年份 | 2005 | 2006 | 2007 | 2008 | 2009 | 2010 | 2011 |
总人口(亿) | 64.84 | 65.72 | 66.59 | 67.49 | 68.39 | 69.32 | 70.24 |
年份 | 2012 | 2013 | 2014 | 2015 | 2016 | 2017 | 2018 |
总人口(亿) | 71.19 | 72.14 | 73.11 | 74.09 | 75.08 | 76.09 | 77.11 |
年份 | 2019 | 2020 | 2021 | 2022 | 2023 | 2024 | 2025 |
总人口(亿) | 78.14 | 79.2 | 80.26 | 81.34 | 82.43 | 83.54 | 84.66 |
年份 | 2026 | 2027 | 2028 | 2029 | 2030 | ||
总人口(亿) | 85.79 | 86.95 | 88.11 | 89.3 | 90.49 |
由于灰色模型对于近期的预测较准确,但是随着时间的推移,未来的不确定因素将增多,从而对所产生的值会产生,一定得波动,影响测量的精确性.因此我们这里采用改进的DGM(1,1)离散灰色预测模型对数据进行改进,因为离散灰色模型具有很好的稳定性,因此对于中长期的预测会产生很好的效果.
二,能源问题的预测:
石油的多少往往还和一个国家的水平,经济联系在一起,大多数国家为了扩大GDP值,盲目的开发开采石油,造成大量的浪费和污染问题.因此我们可以同时预测国家的GDP和石油的消耗量.
石油随时间变化曲线
a坡度分析
设原始序列:
(39)
其中,, 称为非等间距序列.
记: (40)
定义1 设
其中,则称式(1) 为非等间距序列第 区间的坡度.那么平均坡度即为:
在灰色系统的拟合过程中, 坡度平滑的区间精度较高, 但在坡度波动较大的区间,其拟合值与原始数据的偏差较大.从减小非等间距间数据的波动考虑, 对非等间序列进行坡度优化分析, 可以通过局部插值来消除当坡度有较大波动时所产生的较大的误差.
b模型的求解
自变量序列, 经坡度优化分析后, 将第
个区间的坡度平均坡度进行比较, 将第
区间作
/* MERGEFORMAT 插值, 可得到新的自变量序列:
(42)
式中,为第个区间内的第节点.用线性插值计算所插入节点处的函数值:
(43)
其中, .原始序列
插入若干数据后变成新的序列:
分析非等间距序列的区间, 并对其进行合理地插值, 其实质是修正了数据波动所引入的误差,因而能更好地反映出数据的变化趋势,从而可大幅度地提高拟合和预测精度.
c以新序列为原始序列建立灰色距模型
记原始时间序列 为:
(45)
若其中.则称
为非等间距序列
的一次累加生成(1—A GO ) 序列.
定义2 当接近于指数规律变化时, 白化微分方程为:
式中,
为发展灰数;
为内生控制灰数.设
为待估参数向量,
, 利用最小二乘法求解得:
其中
将
时间响应离散化, 得:
L
(6)将值代入离散模型计算预测累加值 , 并还原为预测值:
其中
通过灰色模型可求得两者的预测响应函数分别为:
通过计算可以得到相应的预测值.可求得1970~ 2004 年世界能源总消耗量预测响应函数的后验差, 平均相对误差
, 小概率事件
; 世界GDP 预测响应函数的后验差
, 平均相对误差
, 小概率事件
.可知此模型精度为一级.能源消费增长同经济发展之间有一定的依赖关系.通常把能源消费年平均增长率与国民生产总值年平均增长率之比称为能源消费弹性系数.从上述数据可得到世界能源消费总量和GDP总量的回归方程为:
相关系数为0.9922,线性关系明显相关数据和运算过程程序见附录
图1 原油随时间的图
三.用灰色系统对粮食问题预测
在将来,新兴经济体需求、能源价格上涨、气候变化、粮食出口限制改变粮食供需关系,增加粮价不确定性,世界粮食价格是长期问题!
粮食价格将可能继续攀升,至少会维持在高位.联合国粮农组织在2008年1月份预测,今年全球主要粮食作物的产量将会低于需求量约3000万~4000万吨,约占全年总产量的1.5%~2%左右.另一方面,全球粮食库存在最近30年间不断下降,2007年已经降到了30年来的最低点.供需结构和库存水平共同决定了将来的粮食价格走势.
在短期,也有很多因素促使粮价上涨.石油价格的上涨已经是一种不可避免的趋势,如果在此基础上进一步上升,就会使得粮食价格出现上涨.另外,异常气候的因素可能使粮食短缺问题雪上加霜,可能会使将来的粮食价格产生巨大震荡.
最后,从长期来看,目前的粮食价格上涨的趋势将会持续.根据资料显示,在10年之内谷物价格将至少上涨10%,可能达到20%.对于更长远的将来如果没有大的变动的话,粮食价格将进一步上涨.
我们通过对近几年的世界粮食总产量和消费总产量,对现在存在的粮食问题以及到2030年粮食的消耗问题进行预测.
我们根据1990年到2007年的数据分别对以后的粮食生产量和消耗量进行预测.
图1粮食生产与消耗的总量图
图2 粮食需求量随时间变化
通过图2我们可以看到,近几年谷物的生产量与消耗量大体相当,几乎没有剩余量或者出现亏损的局面,至于2007,2008年是全球谷物大丰收,粮食产量得到很大的提高,计算时没有太大的根据性,因此我们舍弃07,08的数据对以后几年到2030年的粮食总产量和消耗量进行预测分析.应用灰色预测模型,我们最终得出的结果是:
谷物生产量(亿吨) | 23.63 |
谷物消耗量(亿吨) | 26.2 |
我们可以看到到那时,每年生产地谷物根本不够实际消耗的谷物的总量,库存量以消耗殆尽,对于其他的粮食作物,我们可以近似的认为它们和谷物有同样的属性,在产量和消耗上,没有太大的区别.都是以同样的趋势变化,因此,到2030年全球将出现大的粮食危机问题.到时由于缺少粮食将发生不可预料的后果.
四.气候问题:
全球气候问题主要是伴随着人口的急剧增长、森林的过度砍伐、资源的粗犷性利用,而造成温室气体比例升高,全球变暖,进而引发冰川融化、局部地区发生海啸,干旱和洪涝等恶劣的气候变化和对生态的破坏.所以气候问题可以粗略的分为森林危机和全球变暖.
五.森林危机:
森林有“地球之肺”的美誉,可以净化空气、生产氧气;有着改变低空气流,有防止风沙和减轻洪灾、涵养水源、保持水土的作用.而且是许多动物的栖息地,也是多类植物的生长地,是地球生物繁衍最为活跃的区域.特别是对气候有很好的调节作用,但目前全球森林覆盖面积的变化的形势很不容乐观,“地球之肺”已布满斑痕:
全球森林主要集中在南美、俄罗斯、中非和东南业.这4个地区占有全世界60%的森林,其中尤以俄罗斯、巴西、印尼和民主刚果为最,4国拥有全球40%的森林.
联合国环境规划署报告称,有史以来全球森林已减少了一半,主要原因是人类活动.根据联合国粮农组织2001年的报告,全球森林从1990年的39.6公顷下降到2000年的38.亿公顷.全球每年消失的森林近千万公顷.
即使从1990年至2000年的10年间,人工林年均增加了310万公顷,但热带和非热带天然林却年均减少1250万公顷.收集资料分析得到下面几个地区的森林现状:
南美洲共拥有全球21%的森林和45%的世界热带森林.仅巴西一国就占有世界热带森林的30%,该国每年丧失的森林高达230万公顷.根据世界粮农组织报告,巴西仅2000年就生产了1.03亿立方米的原木.
俄罗斯2000年时拥有8.5亿公顷森林,占全球总量的22%,占全世界温带林的43%.俄罗斯上个世纪90年代的森林面积保持稳定,几乎没有变化,2000年生产用原木1.05亿立方米.
中部非洲共拥有全球森林的8%、全球热带森林的16%.1990年森林总面积达3.3亿公顷,2000年森林总面积3.11亿公顷,10年间年均减少190万公顷.
东南亚拥有世界热带森林的10%.1990年森林面积为2.35亿公顷,2000年森林面积为2.12亿公顷,10年间年均减少面积233万公顷.与世界其它地区相比,该地区的森林资源消失速度更快.
而更为令人担忧的事实是,在乱砍滥伐盛行的同时,非法砍伐也在大行其道.在非洲,加纳有1/3原木为非法采伐;喀麦隆的大多数木材公司都参与非法木材贸易.印度尼西亚有70%的出口木材来自非法采伐,每年高达6000万立方米.俄罗斯每年从远东地区非法采伐的木材约150万立方米,森林受盗伐的面积逐年扩大.
六.气候变暖:
现阶段大气中CO2浓度已近灾难临界点,据相关气象观测和研究表明,1 750年大气中的CO2体积分数为 /* MERGEFORMAT , 2005年增加到
/* MERGEFORMAT 为65万年来最高,并且CO2仍以每年
/* MERGEFORMAT 的速度增长.《应对气候挑战》最新报告指出:当全球平均气温比1750年时升高2℃后,引发灾难的临界点就会出现.研究发现,大气中CO2体积分数达到
/* MERGEFORMAT 后,气温升高2℃就不可避免.CO2体积分数依照目前的增长速度,10年内就会跨过
/* MERGEFORMAT 这一门槛.近年来气候变化之快是过去一万年所没有的.照此计算到2030年时大气中CO2体积分数达到
/* MERGEFORMAT ,气温将升高3℃左右,给人类带来无穷的灾难:
气候变暖,不仅仅是气温的高低问题,首先引发的是全球性的环境问题,进而涉及到人类社会生产、消费和生活方式以及生存空间等社会发展各个领域的重大问题,甚至危及人类的发展与生存.数据显示气候变化构成的威胁“接近核威胁”,这种威胁的效果“也许在短期内不如核爆炸造成的毁灭那样强烈”,但“今后30 年或40 年的气候变化可能对人类的栖息地造成急剧伤害”.尤其是20 世纪80 年代以来,环境问题逐渐从区域性、局部性向全球性、整体性扩展,出现了全球性的生态环境危机,气候变化对世界全方位、多尺度和多层次的影响.随着气候的持续变暖,极端气候事件在世界各地频繁发生,对生态系统和人类生存环境直接产生了严重影响.
七冰川融化,海平面上升
伴随近百年来的气温升高,全球冰川普遍退缩.阿尔卑斯山1850—1975年冰川面积缩小了35%,而到2000年,这一比例增至50%;喜马拉雅冰川正以每年10~15 m 的惊人速度后退;而支撑印度最大的河谷盆地干戈特里(Gan-gotri)冰川也正以每年约30 m的速度后退.未来50 年,我国青藏高原多年冻土空间分布格局将发生较大变化,大多数岛状冻土退化,季节融化深度增加迈克.赞普(MichaelZemp)称,在受到热浪冲击的2003 年夏天,就有7英寸厚的冰川融化.Michael Zemp等采用遥感、数字地形和数字模拟技术,预测结果为夏季升温3℃, 可使阿尔卑斯山现存的冰川减少80%,而上升5℃,则该地区的冰川消失.高山、高原湖泊中,一些依赖冰川融水补给的小湖,最终可能因冰川融水减少而消失.冰川径流对气候变化的反应要比河川径流更加敏感.海平面上升、海岸线后退是世界沿海各地都面临的一场危机,对沿海、海岛地区的生态及居民生产、生活将造成严重威胁.格陵兰冰盖如果完全融化,将使海平面上升7 m.专家预测,在印度尼西亚约1.8 万个岛屿中,约2 000个岛屿将在30年内因气候变化而被海洋吞噬;地势较低的南大洋国家要求岛民为彻底迁移作准备.
八.加剧旱涝及其他气象灾害:
气候变暖影响到气压的正常波动和洋流的规则运动,大气环流因此而局部变化,由此带来的降水、风暴及气温分布失常,使地表径流、旱、涝灾害频率加快加剧.
九.空气质量恶化
气温上升会增加地面臭氧含量,而臭氧是烟雾的主要成分,导致空气质量进一步下降.
气候变化与经济社会发展息息相关,未来气候变化对经济社会发展造成的影响日益明显,甚至对国家的兴亡和各行各业的发展都会带来风险.全球变暖,正成为世界各国政府都不得不正视的问题.图1表示的是以1861—1900年全球平均地表气温为基点,截至2005年全球平均地表气温的变化.可以看到,与上世纪初相比,到2005年全球平均地表气温上升了近1摄氏度.气象学家预测,气候变化会影响到人类的基本生活元素——水的获得,粮食生产,健康和环境.随着全球变暖,数以亿计的人将遭受饥饿,水资源匮乏和沿海洪水的威胁.2006年英国政府发布的斯特恩报告对全球变暖可能造成的经济影响给出了迄今为止最为全面的评估.
如果不立即采取强有力的措施,森林的砍伐和温室气体的排放用现在变化趋势来衡量,2030年时人类的生产、生活、生存将会受到前所未有的威胁.
十.移民问题:
(一)国际移民的规模与分类:
国际移民指在原籍国以外的国家居住超过一年以上的人.近年来,全球移民的人数呈逐年增长的趋势.据联合国人口署统计,国际移民在1970 年只有8200 万人,2000年迅速增至1. 75亿.1980—2000 年, 发达国家接纳的移民人数从4800万剧增至1. 1亿,发展家接纳的移民人数也从5200万增至6500万.目前国际移民人口已接近2亿,约占全球人口总数的3% ,而且这支队伍还在快速扩大.联合国2006年发布的《国际迁徙与发展》报告就此指出:“人类已经进入第二个迁徙时代.”国际移民分为四种划分方式:
第一,分为自愿移民和被迫移民,前者或出于追求更好生活条件或与家庭团聚而移民,后者则指因人道主义灾难、种族清洗、战争等被迫离开家园.
第二,分为经济移民和移民,前者因就业或追求更多经济利益移民,包括熟练工、非熟练工、临时工、客籍工 等,后者则因逃避战争或政治迫害移民.
第三, 分为合法移民和非法移民,国际移民委员会(IOM)统计世界每年大约新增400万非法移民,占移民总数的30—50%,其中约半数的非法移民牵涉偷渡、人口走私等国际犯罪活动.
第四,分为永久移民和短期移民,前者以永久居住为特点,后者包括客籍工、季度工等.
(二)当前国际移民的特点:
首先,分布呈现不平衡态势.从移民去向看, 2005 年的数据显示, 美国等发达国家仍是世界移民优先选择的定居国.
图13 移民的分布
2005年移民最多的国家人数分布 | ||||||
国家 | 美国 | 俄罗斯 | 德国 | 乌克兰 | 法国 | |
移民人数/万 | 3840 | 1210 | 1020 | 680 | 650 |
其次,难民、非法移民是数量庞大的特殊移民群体.目前, 2亿的国际移民中包括生活在家的920万名难民,巴基斯坦的难民最多,人数超过100 万.2000—2004 年, 世界难民人数增长了24%;仅2004年,寻求难民庇护者就达67. 6万, 比2003年剧增19%.
此外, 非法移民问题也愈演愈烈,成为令各国政府头疼的难题.目前,美国现有非法移民约1000万,每年新增50万左右;欧洲的非法移民超过500万, 约占其移民总数(5600万)的10%.再次,移民特别是非法移民自身人身安全和权利保护状况堪忧.第一,移民特别是非法移民的人身安全面临很大威胁.非法移民由于得不到承认,在非法穿越边界时面临被“蛇头”抛弃和遭到其他意外伤害的危险.其次,移民的工资待遇和劳动条件得不到保障,被剥削和虐待情况时有发生.相较本地工人,移民劳工特别是非法劳工的工作条件普遍缺乏安全保障和医疗福利保障,超时工作屡见不鲜,经历工伤事故的几率很大;许多非法移民被走私者控制,无法自主地选择工作,甚至被强制或胁迫从事色情服务,其中妇女和儿童的境况尤其糟糕.第二,移民的社会地位仍然偏低.移民被看成是对所在国的临时补充力量.尽管在定居国居住多年并承担着很多公民的义务和责任(如按时向所在国纳税等) ,很多移民非但未获得公民权,也未获得和本地居民同等的法律地位.由于宗教、文化和价值观的差异,移民也容易在和文化上遭遇排斥和边缘化.如果一些当地团体刻意煽动对移民的歧视和仇恨,定居国社会对外来移民的恐惧和偏见情绪将更加强烈.
十一.淡水问题:
水危机是指灾害和社会与经济异常或突发事件发生时,对正常的水供给或水灾害防御秩序造成威胁的一种情形.看待水危机的视角不同,建立的应对机制与做出的决策将大不相同.根据国外经验,一个国家用水超过其水资源可利用量的20%时,就很有可能发生水危机.
水是哺育人类的乳汁.没有水的哺育,就没有生命的繁衍;没有水的世界,将是死亡的世界.地球上因为有了水,才变得生机勃勃.然而,由于种种原因,一方面人类对水的需求与日俱增,另一方面人为的浪费,使水资源不断枯竭.水资源危机将成为2 1 世纪人类面临的最为严峻的现实问题之一.
世界水资源及其发展趋势:地球上水的储量很大,但淡水只占2.5%,其中易供人类使用的淡水不足1%.据专家最新估计,全球陆地上可更新的淡水资源约42.75万亿 /* MERGEFORMAT ,其中易于使用的约12.5~14.5万亿
/* MERGEFORMAT .按1995年人口统计,全球人均淡水资源约7450
/* MERGEFORMAT ,其中易于使用的淡水人均约2180 ~2440
/* MERGEFORMAT .可见,地球上的淡水资源是有限的.
我们取12.5万亿 /* MERGEFORMAT 进行,很容易得出,到2030年时,我们的人均占有水量为1381.376045
/* MERGEFORMAT (取人口总量为:90.45948亿)
表13 水量的影响
人均占有水量 | 1700 | 1000 | 500 |
产生影响 | 水压力 | 水短缺 | 水危机 |
这是我们不考虑水的需求会增加、水资源会浪费产生的结果,这时已经处于水压力状态了,如果加上各方面的原因,最后的结果将远远小于这个值,很有可能达到水危机的地步!
水的需求随人口和经济发展而迅速增长.从1940-1990年,在50年时间内,全球总用水量增加了4倍.1995年全球用水总量已达36000亿m3,人均 用水628 /* MERGEFORMAT ,约占易用淡水资源量的27~30%.
水资源在地球上的分布是很不均匀的,有的地方多,有的地方少.据联合国调查,全球约有4.6亿人生活在用水高度紧张的国家或地区内,还有1/4人口即将面临严重用水紧张的局面.
随着社会经济的发展,人类对水资源的需求量不断增大.本世纪以来全世界淡水用量增长了8倍,其中农业用水增长了7倍,城市用水增长了12倍,用水增长了20倍,而且世界淡水用量以每年 5%的速度递增.目前世界上大约有90个国家,40%的人口出现缺水危机,30亿人缺乏用水卫生设施,每年有300万到400万人死于和水有关的疾病.到2025年,水危机将蔓延到48个国家,35亿人为水所困.水资源危机带来的生态系统恶化和生物多样性破坏,也将严重威胁人类生存.过去50年中,由水引发的冲突共507起,其中37起有暴力性质,21起演变为军事冲突.专家警告:随着水资源日益紧缺,水的争夺战将愈演愈烈.
十三..综合影响:
如下图所示,这些综合的原因共同导致了2030年“完美风暴”的发生,它们不是相互独立的个体,只要其中一个因素发生变化,相应的都会发生或大或小的变化,只是对于2030年来说,各种矛盾都汇集到了它的附近,致使产生不可估量的后果!
a.主成分分析法的建立
分析认为人作为一种主观能动性很强的群体,相对于能源,粮食,淡水有着很大的不同,现在我们就通过主成分分析法来定量的研究人口,能源,粮食,淡水,这几个因子之间的关系,并以人作为事件结果,其他的作为影响因素主成分分析是统计分析中的一种有效方法。假设某一个现象受多个因素同时影响,则可以考虑采用主成分分析法,有大量的实测数据中识别到底哪些因素对其发生产生主要的作用。
基本思想如下:把原来的各个指标化为可数的几个互不相连的(或相互独立)的综合指标,达到数据化简、揭示变量之间的关系和进行统计。
详细的计算步骤:
(1)数据标准化变换
设实际观测了个
维样本:
将 通过以下的标准化变换化为矩阵 的过程,称之为标准化变换。
其中
(2)求相关矩阵
现引进相关矩阵:
按照以上的公式利用数学软件,比如Matlab计算出相关矩阵。
(3)求相关矩阵的特征值与特征向量
可以使用软件,也可以使用迭代法求的特征值与特征向量。用迭代法的具体步骤如下:
a)求的各列之和,记为:
;
b),构造向量
作为初始迭代向量;
c) 计算,其各个分向量记为
,取
,作向量
;
d) 按(c)做法进行迭代,则 ,
中的各元素的最大值即趋向于第一特征值
,
即是第一特征向量;
e)求主成分,对作正则变换,即得
对应的单位特征向量
,并且记
,则
的各分量分别代表
的第一主成分,
刻画了第一主成分的贡献率
求第二主成分:用相关矩阵与
,
计算矩阵
则 仍是
阶对称矩阵,按照前面的1)到5)的方法,相应计算出
,同理求出
;
f)按照上面的方法依次求出。
其中,主成分贡献率: ,累计贡献率:
如果 个特征值的累计贡献率大于某个预期的目标,如85%~95%,则可以认为这 个因素是原问题的主成分,这时,原来的问题的因素减少,研究问题的维数就相应的降低了。
Ⅱ.基于BP神经的“完美风暴”危险预测模型 一.输入输出数据的归一化处理
由于BP神经网络训练样本集中输入、输出(目标)样本参数的绝对值离散性有时太大或过于集中,在网络权值矩阵误差函数逼近过程中,易产生局部误差最优或误差震荡等缺陷(如右图示)。必须对输入、输出进行归一化处理,防止在网络权值矩阵误差函数训练时不会进入局部误差最优或误差震荡等缺陷区域。此外,归一化处理可以使得具有不同物理意义和量纲的输入变量赋以同等重要的地位,避免数值大的变量掩盖数值小的变量,避免神经元饱和,保证网络的收敛性,提高网络的收敛速度。归一化处理:我们可采用下列公式将数据压缩在(0,1)的范围内,
二.输入/输出向量设计及网络层数的选取
人口、能源、粮食、淡水对应4个参数,显而易见,输入变量是一个4维的向量,同时由上一个模型得到了五个风险等级评判参数,所以输出变量是一个5维的向量,即危险指数。在样本中,由于各种数据都是实际的测量值,因此这些数据可以对网络进行有效地训练。如果从提高网络的精度的角度出发,一方面可以增加网络训练样本的数目,另一方面还可以增加网络层数。由于样本数目足够,在此模型中我们建立三个BP网络进行分析。
对于BP网络,有一个非常重要的定理。即对于任何在闭区间内的一个连续函数都可以用单隐层的BP网络逼近,因而一个三层BP网络就可以完成任意的维到
维的映射。
隐层的神经元数目选择是一个十分复杂的问题,隐单元的数目与问题的要求、输入输出单元的数目都有直接关系。隐单元的数目太多会导致学习时间过长、误差不一定最佳,也会导致容错性差、不能识别以前没有看到的样本,因此一定存在一个最佳的隐单元数。根据Kolmogorov定理[2],采用一个的三层BP网络作为状态分类器。其中
表示输入特征向量的分量数,
表示输出状态类别总数。由于
=4,我们得知隐层的神经元数目为9个。
三.学习速率与训练方法的确定
学习速率决定每一次循环训练所产生的权值的变化量。过大的学习速率可能导致系统的不稳定,但是过小的学习速率将导致训练时间较长,收敛速度很慢,不过能保证网络的误差值趋于最小。一般情况下,学习速率的选取范围在0.01~0.9之间。
为了保证系统的稳定性, 我们选择网络学习速率为0.05。鉴于自适应学习速率通过保证稳定训练的前提下,达到了合理的高速率,可以减少训练时间。在本题中,我们采用自适应学习速率( )训练方法。
四.传输函数的选取
期望误差的控制,通过对网络训练参数的设定实现。考虑到具体网络训练时的训练精度和训练时间,同时确保能够对系统进行较好的预测,保证预测的实际精度,我们在网络中使训练次数极值 ,网络训练的误差允许值
。
五.期望误差的选取
期望误差的控制,通过对网络训练参数的设定实现。考虑到具体网络训练时的训练精度和训练时间,同时确保能够对系统进行较好的预测,保证预测的实际精度,我们在网络中使训练次数极值 ,网络训练的误差允许值
。
六.训练样本的确定
我们选择1987~2002年的世界人口、能源需求、粮食需求、淡水需求的统计数据为训练样本,以2003~2006年的数据为检测样本,归一化后的训练样本请具体附录4.
神经网络模型为:
MACROBUTTON MTPlaceRef /* MERGEFORMAT SEQ MTEqn /h /* MERGEFORMAT (1)
式中,
----输入层输入列向量(
);
----隐含层输出列向量;
----神经网络的输出值;