本書針對以往人口預(yù)測中僅考慮數(shù)量化影響因素的不足，以北京市為例，進一步全面考慮對人口增長有重要影響的定性類知識性影響因素，研究建立包含數(shù)據(jù)庫、文本庫、推理規(guī)則庫和經(jīng)驗知識庫的復(fù)合知識庫。綜合調(diào)動復(fù)合知識庫中的所有知識，用知識性因素動態(tài)調(diào)整數(shù)量化因素在預(yù)測中產(chǎn)生的誤差，挖掘出與預(yù)測目標(biāo)高度相似的新的歷史數(shù)據(jù)作為輸入數(shù)據(jù)，從而形成一種基于復(fù)合知識挖掘的新的建模預(yù)處理技術(shù)；研究神經(jīng)網(wǎng)絡(luò)優(yōu)化技術(shù)和決策樹嵌入神經(jīng)網(wǎng)絡(luò)技術(shù)，建立能同時處理定量和定性影響因素的基于復(fù)合知識挖掘的智能優(yōu)化神經(jīng)網(wǎng)絡(luò)預(yù)測模型。在預(yù)測技術(shù)中，難題就是如何對定性類知識性因素進行處理。而這類因素在促進北京市人口膨脹中起到重要作用。將這類因素挖掘出來帶入預(yù)測模型，提高預(yù)測精度，在理論和實踐上具有重要意義。