1. 研究目的与意义（文献综述）

时间序列预测方法是一类典型的预测问题，在实际生产生活中有着广泛的应用。目前，对于时间序列的预测问题，经典的模型有：灰色模型，马尔萨斯模型，指数平滑法模型以及人工神经网络模型，但虽然马尔萨斯模型有良好的准确性但涉及的变量和参数较多，增加了决策者的使用模型的难度。神经网络模型虽然具有较好的自适应能力，但是要获得合理的预测结果，因素选取的差异、原始数据的选择都会影响到预测结果。基因表达式编程算法(gep)在2001年由ferreira首次提出，是一种新的基于基因型和表现型的自适应演化算法，能够根据数据本身特征，挖掘出数据之间的函数关系，并建立相关预测模型，得到深层解析表达式，不仅可以提高预测精度，对于实际趋势的预测效果也更好。

近年来，国内各学者都在对gep算法的应用研究上有很大成就。早在2010年中山大学地理科学与规划学院的学者刘萌伟，黎夏和刘涛^[7]便在中山大学学报上发表了《基于基因表达式编程的人口预测模型》一文，文中使用的gep算法采用表达式树结构的遗传编码方式、高效的遗传算子以及全局搜索的寻优方式，使之具备较强的非线性空间全局搜索能力，能够从人口时间序列数据中挖掘出较好的拟合函数^[7]，并对东莞市的人口数据进行了人口预测分析研究。在2017年北京工业大学计算机学院的学者蒋宗礼，王光亮^[12]在应对解决基因表达式编程算法存在的收敛速度慢、早熟、易陷入局部极值点等问题中，提出了设计自适应进化参数，实现根据进化代数和个体适应度值在群体中所处的排名，动态调整重 组率和变异率；将种群按年龄分层繁衍，进一步扩大基因搜索空间并避免早熟；将gep移植到spark分布式框架，进行并行计算，使算法能在较短时间内处理大量搜索任务等３个改进方法^[12]。

人民是国家的根本，人口的数目是一个国家赖以生存和发展的重要参考数据，因此无论是一个国家还是整个世界，对于人口的控制和对人口增长的预测都是非常重要的工作。人口预测是指根据近年来的人口增长以及人口死亡的数据，和对人口增长的促进因素和抑制因素的考量，从而对以后的人口的数目，规模，地域聚集等趋势方向进行预测。人口预测对于一个国家或省、市制定地区的经济发展政策和城市发展规划等具有作为基本数据的重要意义。准确的人口测算可以让城市或国家领导人在制定地区的建设发展计划的时候有重要的参考价值。我国已经成功进行了六次的人口普查，这对我国的经济发展是极具有参考价值的。本文基于基因表达式编程算法，对湖北省的人口预测进行了研究。

2. 研究的基本内容与方案

研究的基本内容、目标:

3. 研究计划与安排

第1－3周：查阅有关基因表达式编程算法方面的文献，了解基因表达式编程算法的原理、使用步骤及其应用领域，了解时间序列数据及其他演化算法在时序预测的运用。

第4－5周： 翻译相关的英文文献，确定自己的研究方向，撰写毕业论文开题报告，按照指导老师的意见认真改正自己的不足之处。

第6－9周：进一步温习基因表达式编程算法，以期望在撰写论文过程中能够深刻理解。使用matlab编程构建数学模型，并分析自己收集的数据，比较gep算法同其他演化算法的优劣。

4. 参考文献（12篇以上）

[1] ferreira c. gene expression programming: a new adaptive algorithm for solving problems[j]. computer science, 2001, 21(2):87-129.

[2] mousavi s m , mostafavi e s , hosseinpour f . gene expression programming as a basis for new generation of electricity demand prediction models[j]. computersamp; industrial engineering, 2014, 74:120-128.

[3] andrysiak t, #321;ukaszs, chora#347;m, et al. network traffic prediction and anomaly detection based on arfima model [c]advances in intelligent systems amp; computing. 2014: 545-554.