引言：本文利用了BP神经网络方法在数据拟合与预测上的较好应用效果，对美国、日本、德国、澳大利亚和意大利5个国家的人均预期寿命、劳动市场供求状况、老龄化程度、国民受教育情况等因素与现行标准退休年龄的关系进行研究。
　　概述
　　我们对退休年龄超过60岁的典型发达国家美国、日本、德国、澳大利亚和意大利5个国家的人均预期寿命、劳动市场供求状况、老龄化程度、国民受教育情况等因素与现行标准退休年龄的关系进行研究，我们选用BP神经网络方法来进行退休年龄的回归拟合。
　　一、统计数据
　　在人均预期寿命、劳动市场供求状况、老龄化程度、国民受教育情况这四个因素中，我们以求的是代表国民受教育情况。查阅获取2013年统计数据如下：
　　二、模型建立
　　利用Matlab中的神经网络工具箱我们可以逐步调整训练的网络层数与神经元个数来获取较好的拟合效果，具体的实验思想如下：
　　Step1：训练样本集X，训练输出集Y，测试输入集X；
　　Step2：采用三层BP网络，隐层12个神经元，节点作用函数选择前三层为对称S函数（tansig），输出节点为线性（purelin）；
　　Step3：权值调整算法采用最速下降法（trainlm）；
　　Step4：训练次数为1000次，精度为 ；
　　其中样本集X为人均预期寿命、求人倍率、老龄化指数、人均受教育年限，输出集Y为退休年龄。
　　三、模型求解结果与精度分析
　　根据以上模型思想我们可以得到一组退休年龄的神经网络模型预测值，并得到总体相关系数 =0.9581，表明回归方程比较显著，据此我们画出退休年龄的神经网络模型预测值与实际值折线比较图：
　　由上图我们可以直观的看出，神经网络模型预测值与实际值非常的接近，证明了神经网络模型在数据拟合与预测方面较好的功能，在多因素影响下的数据预测具有着很好的应用。
　　参考文献
　　[1]孙萍，程铭东.基于Verhulst发展方程的人口系统预测和分析.黄石理工学院学报，第3期：2012.6.
　　（作者单位：河海大学 水利水电工程学院 水利水电工程专业）