政府数据开放是信息技术、政治和社会发展到一定时期的产物。将政府掌握的数据资源向社会开放、由社会成员共享,将会促进政府治理能力的提升,提高公共数据资源的开发利用水平。我国地方政府数据开放平台的建立集中在2012年,2013年由国家统计局建立的国家级数据开放平台“国家数据”(data.stats.gov.cn)正式上线。如何建立好数据开放平台,如何开放数据已经成了近几年的研究热点。政府数据开放的目的是满足公众需求,提高数据资源的利用率,促进社会经济发展。本文主要研究政府数据开放网站用户需求的预测模型,通过优化BP神经网络的方法预测政府数据开放平台的用户访问量与下载量,反映出平台用户的数据需求,有助于提升政府对数据开放平台的管理能力,促进服务型政府的建设。论文通过采用自适应差分进化算法优化BP神经网络的方法,建立了政府数据开放平台的用户需求预测模型,并验证了模型的可行性和有效性。其研究成果如下:(1)对政府数据开放平台中“用户”的概念进行了界定,确定用户需求的测量维度。分析用户在平台的客观使用情况,用政府数据开放网站的用户访问量和用户下载量作为用户需求的量化指标。用数据集总量、可下载数据集总量、可机读数据集总量作为测量维度,对用户需求进行预测。(2)构建了用户需求的组合预测模型。针对标准BP神经网络随机分配初始权值和阈值而容易使结果陷入局部极小的情况,分析了改进方法的可行性后,通过改进的差分进化算法(SaDE)先对BP神经网络的初始权值和阈值进行寻优,将得到的最优值作为初始输入值,并在此基础上进行进一步的训练。(3)通过数值仿真验证预测模型。首先,通过一个对比实例将BP神经网络和本文提出的组合模型进行对比,验证了SaDE-BP神经网络预测模型的有效性,且需求预测有较高的精度。其次,将预测模型运用到北京市政府数据开放平台——北京政务数据资源网的用户需求的预测。本文的研究结果为政府准确掌握和分析数据开放平台上的用户需求,提供了可操作的预测方法,通过对数据开放平台用户的访问量和数据下载量的预测为政府建立开放数据库了提供依据,也可为数据开放平台的建设和管理提供帮助,使其能更准确地预测用户需求,有针对性的开放数据,从而提高政府数据的利用率,以创造更高的社会和经济价值。