收藏本站
收藏 | 论文排版

基于机器学习方法的人口死亡率研究

汪志伟  
【摘要】:随着我们生活水平的提高和医疗卫生等各方面条件的改善,我们的人口的死亡率也在稳步地下降,与之对应的我们的人口的寿命也是呈现稳步上升的趋势,带来的结果之一就是我们的人口老龄化问题,人口老龄化越来越严重的话,它会导致长寿风险越来越大,而长寿风险是我们要重点关注的一个社会性的问题。长寿风险会对我们现有的养老保险体系带来冲击与造成支付压力,是关系到养老保险系统的主要威胁之一。因此找到一个比较好的人口死亡率模型,从而准确预测未来人口的死亡率,能够使得我们的长寿风险得到精准量化,是非常重要的,对我们的政府出台养老方面的对应政策也能给到不可或缺的帮助。所以说,我们的对于人口死亡率方面的研究在长寿风险以及相关的政策出台这些地方都有很大的作用。为了起到提升我们对人口死亡率的预测的效果,本文基于中国和美国历年的人口死亡率数据,以比较经典的Lee-Carter模型为基准与对照模型,再使用机器学习的方法对中国和美国的人口死亡率进行研究,对比研究的结果就可以发现,本文中所用的不同的机器学习方法都可以提升对中国和美国的人口死亡率数据的拟合效果,而且进一步地提升对人口死亡率的预测精度。本文的主要内容的行为结构为:首先描述中国和美国两国的人口粗死亡率的基本情况,再使用中国与美国美两国分年龄分性别的人口死亡率数据,将数据集分为训练集与测试集,用经典的人口死亡率模型Lee-Carter模型为对照模型,再使用机器学习方法,分别使用了回归树方法,随机森林方法和LSTM长短时神经网络方法,再分别计算出样本内损失和样本外损失,来比较各模型与方法的拟合效果,为我们的人口死亡率的预测找到最优的模型与方法。本文最终的结果显示,回归树方法,随机森林方法和LSTM长短时记忆神经网络方法,对比经典的Lee-Carter模型,均可明显提升对于人口死亡率数据的拟合效果。对于中国与美国美两国的人口死亡率数据,样本内外损失均显示LSTM长短时神经网络模型较回归树和随机森林模型拟合效果提升更大,也就是说LSTM长短时神经网络模型更适合中国与美美国人口死亡率的预测与分析。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 和湘;刘晟;姜吉国;;基于机器学习的入侵检测方法对比研究[J];信息网络安全;2018年05期
2 赵纪东;;决策树式的机器学习揭示出可改善地震预测的新信号[J];国际地震动态;2019年06期
3 周子扬;;机器学习与深度学习的发展及应用[J];电子世界;2017年23期
4 徐铭希;;机器学习在学生成绩预测中的应用[J];电子制作;2019年02期
5 李金城;廖奇;沈其君;;机器学习方法在基因功能注释中的应用[J];中国生物化学与分子生物学报;2016年05期
6 韦大欢;苏霞;;试析神经网络系统的机器学习过程[J];电脑编程技巧与维护;2021年04期
7 Nick Ni;Adam Taylor;;嵌入式视觉应用中的机器学习[J];单片机与嵌入式系统应用;2017年08期
8 王智;;基于机器学习对优质股的选择[J];电子制作;2018年07期
9 张家铭;钟鸿豪;白文艳;孙友;曹玉腾;;基于机器学习的气动参数智能修正方法[J];航天控制;2021年03期
10 杨朔;;基于机器学习的调洪演算方法研究[J];山东水利;2021年06期
11 张义莲;颜晟;朱旻捷;陈艳;;机器学习系统毒化攻击综述[J];通信技术;2020年03期
12 陆思聪;郑昱;王晓霆;吴热冰;;量子机器学习[J];控制理论与应用;2017年11期
13 游思奇;;解读机器学习与深度学习的发展及应用[J];计算机产品与流通;2018年05期
14 David W.Cearley;Mike J.Walker;吕俊宽;;高级机器学习支持全新数字现实[J];软件和集成电路;2016年04期
15 宋尧;;基于机器学习回归模型的房价预测研究[J];电子制作;2021年02期
16 李科;;特征挖掘算法与不同机器学习方法在回归问题中的应用研究[J];网络安全技术与应用;2020年04期
17 E.Z.Naeini;K.Prindle;汪忠德;;机器学习和向机器学习[J];世界地震译丛;2019年05期
18 沈荣;张保文;;机器学习学习方式及其算法探讨[J];电脑知识与技术;2017年23期
19 邵文泽;刘媛媛;许艳丽;陈龙;陈杰;;浅谈中高年级本科生机器学习知识传授与科研素养培育的三大主线[J];教育教学论坛;2020年10期
20 杨泽;;面向本科“机器学习”课程教学改革探索[J];无线互联科技;2020年18期
中国重要会议论文全文数据库 前20条
1 吴向华;;机器学习在钢厂能耗分析中的应用[A];中国计量协会冶金分会2018年会论文集[C];2018年
2 Jonny Bentwood;;营销中的AI应用与未来发展[A];清研智库系列研究报告(2020年第5期)[C];2020年
3 夏振华;郭先文;陈十一;;关于机器学习RANS建模的一些思考[A];第十一届全国流体力学学术会议论文摘要集[C];2020年
4 王子敬;吴晓妍;宋诚谦;秦丰华;罗喜胜;;基于GPU并行和机器学习的气固相互作用研究[A];第十一届全国流体力学学术会议论文摘要集[C];2020年
5 彭俊;胡宗民;姜宗林;;基于机器学习预测激波相互作用位置的研究[A];第十一届全国流体力学学术会议论文摘要集[C];2020年
6 赖力鹏;;机器学习与计算化学方法在小分子药物筛选与开发中的应用实践(英文)[A];2019中国化学会第十五届全国计算(机)化学学术会议论文集[C];2019年
7 沈超;侯廷军;;基于人工智能技术的蛋白-小分子打分方法研究[A];2019中国化学会第十五届全国计算(机)化学学术会议论文集[C];2019年
8 张伟;;一种用于流动模拟及建模的机器学习方法[A];第三十一届全国水动力学研讨会论文集(上册)[C];2020年
9 无奇;尹杰茜;余晨;王海明;洪伟;;机器学习辅助的多目标天线优化方法[A];2019年全国天线年会论文集(下册)[C];2019年
10 倪欢欢;韩益亮;段晓巍;李喆;;机器学习中的安全和隐私问题研究进展[A];2020中国系统仿真与虚拟现实技术高层论坛论文集[C];2020年
11 周信哲;陈永娟;蒲文鹏;;机器学习在水质预测中的应用[A];2020中国环境科学学会科学技术年会论文集(第四卷)[C];2020年
12 柏晓东;张伟;;基于机器学习的湍流涡激运动[A];第三十一届全国水动力学研讨会论文集(上册)[C];2020年
13 陈一;吴笛;段俐;康琦;;机器学习在BM对流研究中的应用[A];第十一届全国流体力学学术会议论文摘要集[C];2020年
14 骆新斗;郭昊;刘沛清;;基于机器学习对低雷诺数下平板转捩模拟修正[A];第十一届全国流体力学学术会议论文摘要集[C];2020年
15 杨学志;陆达伟;刘倩;江桂斌;;辨微识源:颗粒物的同位素指纹分析[A];中国化学会第22届全国色谱学术报告会及仪器展览会论文集(第一卷)[C];2019年
16 ;中国人工智能产业研究报告(Ⅲ) 公开版 2020年[A];艾瑞咨询系列研究报告(2020年第12期)[C];2020年
17 宁宣凤;吴涵;陈胜男;刘阳璐;;人工智能的伦理准则与现行规制[A];《上海法学研究》集刊(2020年第13卷 总第37卷)——金杜律师事务所、金杜研究院文集[C];2020年
18 苟香建;李鸿翔;杨邦烈;陈礼雪;王琦;刘亚西;卢艳丽;;一个用于预测植物单氨基酸替换功能效应的机器学习工具[A];第十九届中国作物学会学术年会论文摘要集[C];2020年
19 黎威;龙连春;;基于机器学习的无机晶体材料剪切模量预测[A];北京力学会第二十七届学术年会论文集[C];2021年
20 洪垚;符策基;;基于HPC和机器学习的巷道火灾快速模拟与预测[A];北京力学会第二十七届学术年会论文集[C];2021年
中国博士学位论文全文数据库 前20条
1 殷曦;基于机器学习及统计计算模型的膜蛋白结构预测[D];上海交通大学;2017年
2 杨静;蛋白质残基相互作用预测及其在结构建模中的应用研究[D];上海交通大学;2018年
3 韩启迪;基于非线性成矿动力系统的机器学习方法应用研究[D];中国地质大学(北京);2019年
4 薛红新;基于机器学习方法的分类与预测问题研究[D];中北大学;2019年
5 刘浏;基于机器学习的恶意代码检测与分类技术研究[D];国防科技大学;2017年
6 陈旭展;基于机器学习的智能机器人环境视觉感知方法研究[D];华中科技大学;2019年
7 吴念;CO_2电还原的理论计算研究[D];武汉大学;2019年
8 胡胜山;面向机器学习的安全外包计算研究[D];武汉大学;2019年
9 王磊;基于机器学习的药物—靶标相互作用预测研究[D];中国矿业大学;2018年
10 张庆;钙钛矿型功能材料的基因组工程研究[D];上海大学;2018年
11 管月;医学肿瘤影像分类算法研究及其在肝癌上的应用[D];南京大学;2018年
12 郝小可;基于机器学习的影像遗传学分析及其应用研究[D];南京航空航天大学;2017年
13 施建明;基于机器学习的产品剩余寿命预测方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年
14 陈再毅;机器学习中的一阶优化算法收敛性研究[D];中国科学技术大学;2018年
15 陆海进;Zr合金热动力学研究及机器学习[D];上海大学;2018年
16 戴望州;一阶逻辑领域知识与机器学习的结合研究[D];南京大学;2019年
17 符丹卉;基于MRI结构成像与静息态功能成像影像特征的机器学习法在AIDS患者中的应用研究[D];广西医科大学;2019年
18 Kashif Sultan(克希夫);5G移动通信网络中的呼叫记录分析[D];北京科技大学;2019年
19 梁霄;机器学习在量子物理学中的应用[D];中国科学技术大学;2019年
20 陈明哲;未来蜂窝网络中基于机器学习的资源管理技术研究[D];北京邮电大学;2019年
中国硕士学位论文全文数据库 前20条
1 汪志伟;基于机器学习方法的人口死亡率研究[D];江西财经大学;2021年
2 张前前;基于机器学习的机票购买时机预测[D];北京邮电大学;2020年
3 曾中铭;基于机器学习的金属有机框架合成信息提取及形貌测量[D];厦门大学;2019年
4 林兵;机器学习在辐射源个体识别上的应用[D];厦门大学;2019年
5 万晓玥;基于机器学习的水域通信网安全技术研究[D];厦门大学;2019年
6 万露;强PUF抗机器学习攻击方法研究[D];湖南大学;2019年
7 徐英杰;基于机器学习的个人信用风险评估研究[D];西南财经大学;2019年
8 刘航;如何运用金融周期和经济周期改进大类资产配置?[D];厦门大学;2019年
9 李凌宇;基于机器学习方法的量化多因子选股研究[D];厦门大学;2019年
10 关松林;机器学习在疾病诊断中的应用[D];重庆大学;2019年
11 曹甜;基于机器学习的浏览器指纹异常检测模型研究[D];中南财经政法大学;2019年
12 Tahiry ANDRIAMANANTENA;机器学习和”克强指数”预测中国GDP增长[D];厦门大学;2019年
13 邱佳;量子力学辅助的机器学习算法对AIE效应的预测和理解[D];华南理工大学;2019年
14 孟圣然;基于机器学习的机械产品结构建模技术研究[D];杭州电子科技大学;2019年
15 牟多铎;基于机器学习方法的高光谱数据分类对比研究[D];长安大学;2019年
16 谭文杰;基于机器学习混凝土路面裂缝检测算法研究[D];广州大学;2019年
17 徐冠奇;基于机器学习的汽车出厂物流在线调度模型与算法研究[D];上海交通大学;2018年
18 郭志峰;基于机器学习的居民电力消费特征研究[D];合肥工业大学;2019年
19 鲁俊良;基于机器学习的智能电网虚假数据攻击检测研究[D];华北电力大学(北京);2019年
20 胡梓民;基于机器学习的复杂电力设备故障诊断模型研究[D];华北电力大学(北京);2019年
中国重要报纸全文数据库 前20条
1 Bob Violino 编译 Charles;机器学习:每一种方法和技巧的适用时机[N];计算机世界;2018年
2 ;你也可以体验的机器学习[N];电脑报;2020年
3 Bob Violino 编译 Charles;盲目冒进:机器学习的5个失败案例[N];计算机世界;2018年
4 本报记者 操秀英;当量子计算遇到机器学习会碰撞出什么火花?[N];科技日报;2019年
5 本报记者 蔡姝雯;机器学习实现“大海捞针”[N];新华日报;2021年
6 华安期货 王力纬;机器学习在期货投资中的应用研究[N];期货日报;2021年
7 记者 赵汉斌 通讯员 陈艳;机器学习可预测日冕全日面软X射线辐射分布[N];科技日报;2021年
8 CIO.com一名资深撰稿人 Clint Boulton 编译 沈建苗;机器学习的5个成功案例[N];计算机世界;2020年
9 本报驻波士顿记者 侯丽;深入挖掘机器学习潜力[N];中国社会科学报;2019年
10 王方 编译;菌自何方 机器学习早知道[N];中国科学报;2019年
11 记者 张梦然;机器学习成功模拟并预报流感传播[N];科技日报;2021年
12 熊一舟 编译;当机器学习误入歧途[N];社会科学报;2021年
13 方德;联合国欧洲经济委员会:机器学习为生成现代、高效的统计数据铺平道路[N];人民邮电;2021年
14 采访人 本报记者 卢健;“中间三天”问题 最对机器学习“胃口”[N];中国气象报;2020年
15 骆无意;机器学习可改变人类探测太空方式[N];中国航天报;2020年
16 记者 张梦然;机器学习诞生新型“研究员”[N];科技日报;2020年
17 记者 刘霞;机器学习发现数百种潜在新冠药物[N];科技日报;2020年
18 InfoWorld网站特约编辑兼评论员 Martin Heller 编译 陈琳华;如何选择云机器学习平台[N];计算机世界;2020年
19 CIO.com资深作家 Clint Boulton 编译 Charles;领先一步:机器学习的10个成功案例[N];计算机世界;2018年
20 Matt Asay 编译 Monkey King;为什么机器学习没有捷径可循?[N];计算机世界;2019年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978