Цель работы заключается в автоматизации работы по прогнозированию демографических показателей.
Поставленные задачи:
- изучить предметную область демографического прогноза;
- изучить варианты архитектуры нейронных сетей;
- смоделировать и разработать свёрточную нейронную сеть для прогнозирования численности населения;
- собрать данные для обучения и тестирования;
- проанализировать полученные данные при обучении и тестировании;
Выполнив все поставленные задачи, открывается возможность реализации модели и алгоритма нейросетевого прогнозирования демографических показателей.
Объектом исследования выступает численность населения.
Предметом исследования выступает нейросетевое прогнозирования численности населения.
Методы исследования. За основу было взято два метода, это метод анализа предметной области, с помощью которого можно изучить особенности предметной области и определить шаги решения поставленной задачи. А также был использован метод моделирования, с помощью которого была построена модель нейронной сети для прогнозирования численности населения.
1 НЕЙРОННЫЕ СЕТИ И ИХ ИСПОЛЬЗОВАНИЕ В ПРОГНОЗИРОВАНИИ.. 10
1.1 Особенности прогнозирования населения. 10
1.2 Обзор нейросетей для прогнозирования. 11
2 ДЕМОГРАФИЧЕСКИЙ АНАЛИЗ И ПРОГНОЗ. 22
2.1 Классификация демографического прогноза. 22
2.2 Методы демографического прогноза. 27
2.3 Нейросети в демографическом прогназировании. 31
3 ИСПОЛЬЗУЕМЫЕ СРЕДСТВА ДЛЯ РАЗРАБОТКИ.. 33
4 ПРОЕКТИРОВАНИЕ И РАЗРАБОТКА ПРОГРАММЫ ПО ПРОГНОЗУ НАСЕЛЕНИЯ. 38
4.1 Проектирование через диаграмму mind map. 38
4.2 Моделирование архитектуры НС и моделирование компонентов НС.. 40
4.2.1 Реализации функции разделения последовательности. 41
4.2.2 Реализации метода прогнозирования. 42
4.5 Диаграмма взаимодействия. 45
5 ТЕСТИРОВАНИЕ И АНАЛИЗ РЕЗУЛЬТАТОВ ПРОГРАММЫ.. 47
5.1 Тестирование на примере населения России. 48
4.2 Тестирование на примере населения Эстонии. 50
6 ОХРАНА ТРУДА, БЕЗОПАСНОСТЬ ЖИХНЕДЕЯТЕЛЬНОСТИ И ГРАЖДАНСКАЯ ОБОРОНА.. 53
6.1 Анализ характеристик и потенциальных опасностей и вредностей отдела разработки программного обеспечения. 53
6.2 Выбор и обоснование мероприятий для создания нормальных и безопасных условий труда отдела разработки программного обеспечения. 54
6.3 Расчёт для выбора вентилятора на предприятие. 55
6.4 Обеспечение пожарной безопасности. 56
6.6 Безопасность жизнедеятельности. 62
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ.. 66
1. Валентей Д. И. Основы демографии / Д. И. Валентей, А. Я. Кваша. – М.: Мысль, 1989. – 286 с.
2. Матвеева О.Б., Гусева Е.П. Прогнозирование социально-трудовых показателей жизни населения (на примере Оренбургской области) // Известия Оренбургского государственного аграрного университета. – 2012. – № 1. – C. 191-192.
3. Еремин А.А. Прогнозирование численности населения городов и районов Алтайского края // Известия Алтайского государственного университета. – 2008. – № 3. – C. 39-42.
4. Тарасова О.В. К вопросу о применении математических методов изучения демографических процессов // Теория и практика общественного развития. –2015. – № 22. – С. 186-188.
5. Мальтус Т. Р. Опыт о законе народонаселения: пер. с англ. / Т. Р. Мальтус. – Петрозаводск: Петроком, 1993. – 139 с.
6. Гришагин В. А. Математическое моделирование стабильного населения: учеб. пособие. / В. А. Гришагин, Н. Р. Стронгина. – Н. Новгород: Изд-во Нижегород. гос. ун-та, 2002. – 49с.
7. Капица С. П. Математическая модель роста народонаселения мира // Математическое моделирование. – 1992. – № 6. – С. 65–79.
8. Староверов О. В. Азы математической демографии / О. В. Староверов. – М.: Наука, 1997. – 158с.
9. Pollard J. Continuous–time and discrete–time models of population growth // Journal of the Royal Statistical Society. – 1969. – Vol. 132, № 1. – P. 80-88.
10. Goodman L. Stochastic models for the population growth of the sexes growth // Biometrika. – 1968. – Vol. 55, № 3. – P. 469-487.
11. Whelpton P. K. An empirical method of calculating future population // Journal of the American Statistical Association. – 1936. – Vol. 31, № 195. – P. 457- 473.
12. Боярский А. Я. Основы демографии / А. Я. Боярский, Д. И. Валентей, А. Я. Кваша; под ред. А. Я. Боярского. – М.: Статистика, 1980. – 295 с.
13. Демографические модели: сб. статей / под ред. Е. М. Андреева, А. Г. Волкова. – М.: Статистика, 1977. – 182 с.
14. Nosova M.G. Research of a three-phase autonomous queuing system with a Markov Modulated Poisson process // Information Technologies and Mathematical Modeling (ITMM-2018): Proceedings of 17th International Conference named after A. F. Terpugov, September 10-15, 2018, Tomsk, Russia. – Tomsk: NTL, 2018. – P. 33–38.
15. Nosova M. G. A mathematical model of population growth as a queuing system, arXiv preprint arXiv:2005.10518, 21 May 2020.
16. Носова М.Г. Автономная немарковская система массового обслуживания и ее применение в задачах демографии: дис. … канд. физ.-мат. наук. – Томск, 2010. – 204 с.
17. Назаров А.А., Носова М.Г. Математическая модель процесса изменения демографической ситуации и ее исследование // Доклады Томского государственного университета систем управления и радиоэлектроники. – 2009. – Т. 2 (20). – С. 100–105.
18. Фаустова К.И. Нейронные сети: применение сегодня и перспективы развития // Территория науки. – 2017. – №2. – С. 83-87.
Абрагин А.В. Перспективы развития и применения нейронных сетей //Проблемы Науки. – 2015. – №12 (42). – С. 12-15.