社會(huì)其它相關(guān)論文-完美風(fēng)暴預(yù)言的評(píng)價(jià)（三）.doc

社會(huì)其它相關(guān)論文-完美風(fēng)暴預(yù)言的評(píng)價(jià)（三）-輸入層到隱含層的權(quán)值；-隱含層到輸出層的權(quán)值；-隱含層的閾值；-輸出層的閾值；該模型可用圖直觀表示如下：得到的神經(jīng)網(wǎng)絡(luò)的權(quán)值矩陣請(qǐng)具體參考附錄6四模型結(jié)果及其分析一.關(guān)于主成分分析法結(jié)果的分析1.對(duì)于人口的預(yù)測(cè)兩個(gè)模型得出的結(jié)果都比較合理，和約翰提出的相吻合，得出80.86的值。2.對(duì)于能源，水資源的預(yù)測(cè)也較為標(biāo)準(zhǔn)。3.得出了個(gè)個(gè)因子對(duì)于總結(jié)果的貢獻(xiàn)率，結(jié)果在2030年發(fā)生完美風(fēng)暴。二.關(guān)于BP神經(jīng)網(wǎng)絡(luò)結(jié)果的分析得出的結(jié)果也和約翰的預(yù)言一樣，將在2030年完勝完美風(fēng)暴。三.對(duì)2030年“完美風(fēng)暴”進(jìn)行預(yù)測(cè)結(jié)果通過上述模型的構(gòu)建，我們已經(jīng)對(duì)1987至2002年十六年的世界人口、能源需求量、糧食需求量、淡水需求量的統(tǒng)計(jì)樣本與危險(xiǎn)評(píng)判等級(jí)參數(shù)之間的關(guān)系進(jìn)行了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，得到了能夠反應(yīng)兩者之間的關(guān)系（是一個(gè)復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)，通過權(quán)值矩陣來表示特征），若對(duì)“完美風(fēng)暴”進(jìn)行預(yù)測(cè)，只要將2030年所預(yù)測(cè)的世界人口、能源需求量、糧食需求量、淡水需求量的值輸入神經(jīng)網(wǎng)絡(luò)中，就會(huì)輸出相應(yīng)的危險(xiǎn)評(píng)判等級(jí)參數(shù)，于是根據(jù)參數(shù)就可以判斷“完美風(fēng)暴”發(fā)生的可能性。經(jīng)上述工作，我們得到了2030年世界人口、能源需求量、糧食需求量、淡水需求量的預(yù)測(cè)樣本如下：世界人口（萬人）能源需求（標(biāo)準(zhǔn)油：萬桶）糧食需求（萬噸）淡水需求（億立方米）93107012141225944152137通過神經(jīng)網(wǎng)絡(luò)模型的模擬訓(xùn)練的到以下五個(gè)危險(xiǎn)評(píng)判等級(jí)參數(shù)：表5.82030年危險(xiǎn)評(píng)判等級(jí)參數(shù)19.670013.674115.424424.572026.9043四.對(duì)能源、糧食、淡水需求量、世界人口預(yù)測(cè)值的分析通過各種模型我們預(yù)測(cè)出2030年世界人口、能源、糧食、淡水需求量的預(yù)測(cè)值，并且我們將以2006年的數(shù)據(jù)作為人類生活環(huán)境的現(xiàn)狀。表1人類生活現(xiàn)狀與預(yù)測(cè)值對(duì)比年份20062030世界人口（萬人）651776931070能源需求量（標(biāo)準(zhǔn)油，萬桶）83719121412糧食需求量（萬噸）1777025944淡水需求量（億立方米）96452152137通過上表的數(shù)據(jù)我們可以得到以下結(jié)果：（1）世界人口達(dá)到93億，遠(yuǎn)遠(yuǎn)超過83億（2）能源需求量增加45.09%（3）糧食需求增加45.9%（4）淡水增加57.7%根據(jù)上面四個(gè)結(jié)果，初步論證了約翰貝丁頓的“完美風(fēng)暴”理論的正確性。五對(duì)BP神經(jīng)網(wǎng)絡(luò)的“完美風(fēng)暴”預(yù)測(cè)值的分析通過神經(jīng)網(wǎng)絡(luò)的模擬可以得到2030年的危險(xiǎn)評(píng)估等級(jí)參數(shù)，將表5.8與表5.7.1的比較不難發(fā)現(xiàn)，到2030年，人類生存系統(tǒng)的危險(xiǎn)評(píng)估等級(jí)參數(shù)非常高，達(dá)到危險(xiǎn)的級(jí)別，證明了“完美風(fēng)暴”發(fā)生的可能性非常大。并且我們也預(yù)測(cè)出2030年至2040年的危險(xiǎn)評(píng)估等級(jí)參數(shù)，得出隨著時(shí)間的不斷推移，“完美風(fēng)暴”發(fā)生的可能性越來越大，人類生存的環(huán)境將變得更加危險(xiǎn)、惡劣，結(jié)果如下：203119.742112.232224.323523.421411.3444203221.432321.244513.432621.431321.3254203324.052128.692326.907628.894328.3772203425.489028.048528.998520.478729.8473203529.098229.787229.078520.889329.9746203630.874134.898338.765832.898933.6786203738.648238.987438.698530.987539.8786203839.818535.762340.839238.889945.2989203943.897242.982432.083541.978241.8974204048.987849.786448.767644.489635.3254六.對(duì)BP神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析鑒于模型的目的是為了預(yù)測(cè)，所以模型的穩(wěn)定性顯得尤為重要，必須對(duì)模型進(jìn)行穩(wěn)定性分析。BP算法是一個(gè)有效的算法，由于具有理論依據(jù)堅(jiān)實(shí)、推導(dǎo)過程嚴(yán)謹(jǐn)、物理概念清晰和通用性好等特點(diǎn)，是當(dāng)前網(wǎng)絡(luò)學(xué)習(xí)的主要算法。同時(shí)存在一些不足，主要有：訓(xùn)練時(shí)間長(zhǎng)，出現(xiàn)局部極小值，網(wǎng)絡(luò)結(jié)構(gòu)難以確定等。本文在建立神經(jīng)網(wǎng)絡(luò)模型過程中，通過預(yù)處理以及合理選擇訓(xùn)練方法實(shí)現(xiàn)網(wǎng)絡(luò)收斂、避開局部極小值，有效地提高了模型的穩(wěn)定性。（1）數(shù)據(jù)正規(guī)化處理（歸一化）和Matlab工具箱函數(shù)prestd實(shí)現(xiàn)數(shù)據(jù)正規(guī)化，通過對(duì)樣本集數(shù)據(jù)參數(shù)和輸出樣本數(shù)據(jù)參數(shù)進(jìn)行正規(guī)化處理，可有效防止網(wǎng)絡(luò)訓(xùn)練進(jìn)入局部誤差最小或誤差震蕩缺陷14；（2）根據(jù)進(jìn)行設(shè)計(jì)隱含層節(jié)點(diǎn)數(shù)，有效設(shè)計(jì)網(wǎng)絡(luò)，保證訓(xùn)練精度、減少訓(xùn)練復(fù)雜度、縮短訓(xùn)練時(shí)間（3）考慮到數(shù)據(jù)樣本的隨機(jī)性和非線性性，采用對(duì)非線性問題解決較好的S型傳輸函數(shù)。S傳輸函數(shù)使得輸出值在0和1之間，使算法收斂速度加快，對(duì)每次訓(xùn)練進(jìn)行有效調(diào)整，達(dá)到加速收斂目的；（4）傾向于選取較小的學(xué)習(xí)速率以保證系統(tǒng)的穩(wěn)定性,學(xué)習(xí)速率的選取范圍一般在0.010.9之間。我們選擇網(wǎng)絡(luò)學(xué)習(xí)速率為0.05。（5）采用traingdx訓(xùn)練函數(shù)訓(xùn)練，附加動(dòng)