人口预测模型1
人口预测模型经典
中 国 人 口 预 测 模 型摘要本文对人口预测的数学模型进行了研究。
首先，建立一次线性回归模型，灰色序列预测模型和逻辑斯蒂模型。
考虑到三种模型均具有各自的局限性，又用加权法建立了熵权组合模型，并给出了使预测误差最小的三个预测模型的加权系数，用该模型对人口数量进行预测，得到的结果如下：其次，建立Leslie 人口模型，充分反映了生育率、死亡率、年龄结构、男女比例等影响人口增长的因素，并利用以1年为分组长度方式和以5年为负指数函数，并给出了反映城乡人口迁移的人口转移向量。
最后我们BP 神经网络模型检验以上模型的正确性关键字：一次线性回归 灰色序列预测 逻辑斯蒂模型 Leslie 人口模型BP 神经网络一、问题重述1. 背景人口增长预测是随着社会经济发展而提出来的。
由于人类社会生产力水平低，生产发展缓慢，人口变动和增长也不明显，生产自给自足或进行简单的以货易货，因而对未来人口发展变化的研究并不重要，根本不用进行人口增长预测。
而当今社会，经济发展迅速，生产力达到空前水平，这时的生产不仅为了满足个人需求，还要面向社会的需求，所以必须了解供求关系的未来趋势。
而人口增长预测是对未来进行预测的各环节中的一个重要方面。
准确地预测未来人口的发展趋势，制定合理的人口规划和人口布局方案具有重大的理论意义和实用意义。
2. 问题人口增长预测有短期、中期、长期预测之分，而各个国家和地区要根据实际情况进行短期、中期、长期的人口预测。
例如，中国人口预期寿命约为70岁左右，因此，长期人口预测最好预测到70年以后，中期40—50年，短期可以是5年、10年或20年。
根据2007年初发布的《国家人口发展战略研究报告》（附录一）及《中国人口年鉴》收集的数据（附录二），再结合中国的国情特点，如老龄化进程加速，人口性别比升高，乡村人口城镇化等因素，建立合理的关于中国人口增长的数学模型，并利用此模型对中国人口增长的中短期和长期趋势做出预测，同时指出此模型的合理性和局限性。
差分方程人口预测模型
1 差分方程人口预测模型一、名词和符号说明名词解释：（1）拟合: 对于某个变化过程中的多个相互依赖的变量，可建立适当的数学模型，用于分析预报决策或控制该过程.对于两个变量可通过用一个一元函数去模拟这两个变量的取值.用不同的方法可得到不同的模拟函数.下面使用图表介用Mathematica 做曲线拟合。
（2）差分方程:含有自变量，未知函数以及未知函数差分的函数方程，称为差分方程。
（3）迭代法:是牛顿在17世纪提出的一种求解方程f(x)=0.多数方程不存在求根公式，从而求精确根非常困难，甚至不可能，从而寻找方程的近似根就显得特别重要。
设r 是f(x)=0的根，选取x0作为r 初始近似值，过点（0x ,f(0x )）做曲线y=f(x)的切线L ，L 的方程为))(()(000x x x f x f y -'+=,求出L 与x 轴交点的横坐标 )()(0001x f x f x x '-=,称1x 为r 的一次近似值，过点（1x ,f(1x )）做曲线y=f(x)的切线，并求该切线与x 轴的横坐标)()(1112x f x f x x '-=称2x 为r 的二次近似值，重复以上过程，得r 的近似值序列{Xn},其中)()(11n n n n X f X f X X '-=++,称为r 的n+1次近似值。
上式称为牛顿迭代公式。
符号说明：)(k x i 第 k 年i 岁的女性总人数)(k x 女性人口的（按年龄）分布向量)(k b i 第k 年i 岁的女性生育率 i d 第k 年i 岁的女性死亡率 i s 第 k 年i 岁的女性存活率i 岁女性的生育模式)β(k k 年总和生育率（控制人口数量的主要参数）i hA 存活率矩阵B 生育模式矩阵二、模型假设针对本题中出现的数据的代表意义和建立模型时能够使问题理想化、简单化，我们应用已知数据，将其时间离散化,由于女性是影响总人口变化的主要因素 ,因此本模型从考虑女性人口的发展变化出发，我们在不失科学性的前提下作出如下合理的基本假设：（1）假设女性最大年龄为90岁,最小年龄为0岁，以1岁为1个年龄组,1年为1个时段，不考虑同一时间间隔内人口数量的变化。
人口预测的数学模型与预测方法分析
人口预测的数学模型与预测方法分析人口预测是对未来一定时期内人口数量和结构的变动进行估计和预测的过程。
人口预测在社会经济发展规划、城市规划、教育医疗资源配置等方面具有重要的参考价值。
为了准确预测人口的变动趋势，需要建立合理的数学模型和选择适当的预测方法。
人口预测的数学模型主要包括线性回归模型、指数模型、Logistic模型等。
线性回归模型是一种用来描述两个变量之间线性关系的统计模型，可以用来预测人口随时间的变化。
指数模型假设人口数量按照指数规律增长或减少，适用于人口增长较快的情况。
Logistic模型则适用于人口增长速度放缓后的情况，它是一种描述增长速度逐渐趋近于饱和的模型。
在选择数学模型时，需要综合考虑以下几个因素：人口历史变动趋势、人口自然增长率、人口迁移和流动情况、政策调控等因素。
同时，还需根据实际情况对模型的参数进行合理的设定和修正，以提高预测的准确性。
在预测方法上，常用的有趋势线法、复合增长率法、比较推理法、时间序列分析法和系统动力学方法等。
趋势线法是基于历史数据的发展趋势来进行预测，适用于人口变动趋势比较稳定的情况。
复合增长率法是将历史数据中的增长率按一定规则进行加权平均，再用来推算未来人口的增长率。
比较推理法通过对不同因素的比较和推理，来估计未来人口的变化。
时间序列分析法是根据时间序列数据的历史模式来预测未来的变化趋势。
系统动力学方法则是通过对不同因素的动态关系建立模型，用来探索人口变动的内在机制和规律。
在具体应用时，可以结合不同的数学模型和预测方法，进行多角度的分析和预测。
同时，还需要不断对模型进行修正和优化，以适应不断变化的人口变动趋势和社会经济背景。
此外，还应该注意对预测结果的不确定性进行评估和把握，提供多种可能性的预测结果，为决策者提供科学的参考依据。
中国人口预测模型(精)
中国人口预测模型天津师范大学数学科学学院1003班刘瑶（10505135）周丽（10505110）2013年6月17日星期一中 国 人 口 预 测 模 型摘 要为了加快中国的经济建设进程，全面落实科学的发展观，按照构建社会主义和谐社会的要求，实现人口与经济社会资源环境的协调和可持续发展。
我们确定人口发展战略，必须既着眼于人口本身的问题，又处理好人口与经济社会资源环境之间的相互关系，构建社会主义和谐社会，统筹解决人口数量、素质、结构、分布等问题。
本文是以《中国人口统计年鉴》公布的部分人口数据为基准（其他部分数据通过网站查询得到），通过合理的假设和数学模型得到了对于中国人口增长预测的统计模型。
对Leslie 人口模型改进，构建了反映生育率和死亡率变化率负指数函数。
基于leslie 的改进模型：(t)X B B B +(t)X A A A =t)▽n +X(t 22)-(n 32112)-(n 321此模型考虑到了生育率的变化，并是针对总人口分布处理的，克服了leslie 模型的不足，很适合做长期预测。
得到结论：人口数量先增大后减小，峰值出现在2040年，届时人口数量将达到最大，为15.869亿。
关键词: 人口预测, Leslie 人口模型改进 , 长期预测一 问题的背景中国是世界上人口最多的发展中国家，人口多，底子薄，耕地少，人均占有资源相对不足，是我国的基本国情，人口问题一直是制约中国经济发展的首要因素。
新中国成立50多年来，我国人口发展经历了前30年高速增长和后20年低速增长两大阶段：从建国初期到上世纪70年代初，中国人口再生产由旧中国的高出生、高死亡率进入高出生、低死亡率的人口高增长时期，1950-1975年人口出生率始终保持在30‰以上, 最高达到37‰（附录1）。
70年代以后，人口过快增长的势头得到迅速扭转，人口出生率、自然增长率、妇女总和生育率有了明显下降，人口出生率由70年代初的33‰大幅度下降到80年代的21‰, 妇女总和生育率也由6下降到2.3左右。
人口预测模型(经典)
中 国 人 口 预 测 模 型摘要本文对人口预测的数学模型进行了研究。
首先，建立一次线性回归模型，灰色序列预测模型和逻辑斯蒂模型。
考虑到三种模型均具有各自的局限性，又用加权法建立了熵权组合模型，并给出了使预测误差最小的三个预测模型的加权系数，用该模型对人口数量进行预测，得到的结果如下：其次，建立Leslie 人口模型，充分反映了生育率、死亡率、年龄结构、男女比例等影响人口增长的因素，并利用以1年为分组长度方式和以5年为负指数函数，并给出了反映城乡人口迁移的人口转移向量。
最后我们BP 神经网络模型检验以上模型的正确性关键字：一次线性回归 灰色序列预测 逻辑斯蒂模型 Leslie 人口模型BP 神经网络一、问题重述1. 背景人口增长预测是随着社会经济发展而提出来的。
由于人类社会生产力水平低，生产发展缓慢，人口变动和增长也不明显，生产自给自足或进行简单的以货易货，因而对未来人口发展变化的研究并不重要，根本不用进行人口增长预测。
而当今社会，经济发展迅速，生产力达到空前水平，这时的生产不仅为了满足个人需求，还要面向社会的需求，所以必须了解供求关系的未来趋势。
而人口增长预测是对未来进行预测的各环节中的一个重要方面。
准确地预测未来人口的发展趋势，制定合理的人口规划和人口布局方案具有重大的理论意义和实用意义。
2. 问题人口增长预测有短期、中期、长期预测之分，而各个国家和地区要根据实际情况进行短期、中期、长期的人口预测。
例如，中国人口预期寿命约为70岁左右，因此，长期人口预测最好预测到70年以后，中期40—50年，短期可以是5年、10年或20年。
根据2007年初发布的《国家人口发展战略研究报告》（附录一）及《中国人口年鉴》收集的数据（附录二），再结合中国的国情特点，如老龄化进程加速，人口性别比升高，乡村人口城镇化等因素，建立合理的关于中国人口增长的数学模型，并利用此模型对中国人口增长的中短期和长期趋势做出预测，同时指出此模型的合理性和局限性。
数学建模之中国人口增长的预测和人口结构的简析
中国人口增长的预测和人口结构的简析摘要本文根据过去数十年的人口数据，通过建立不同的数学模型，对中国人口的增长进行了短期和中长期的预测。
模型一：从中国统计年鉴—2008，查找得到2000-2007年的人口数据，然后用灰色模型进行人口的短期（2008-2017）预测。
这里，我们采用两种算法进行人口总数的预测。
一种是用灰色模型分别对城镇人口和乡村人口进行人口预测，然后求加和得到总的人口数；另一种是用灰色模型对实际的总人口数进行预测，预测未来10年的总人口数。
通过比较相对误差率知道第二种方法预测得到的数据误差较小，故采用第二种方法预测的未来10年的人口数为：模型二：对于中长期的预测我们采用Leslie模型进行预测。
我们利用题中所提供的人口数据的比例，将人分为6种类型，在考虑年龄结构的基础上，对各类人中的女性人数分别进行预测，然后根据男女的性别比例，求出男性的人口数，再将预测得到的各类人数进行汇总加和，最终得到总的人口数。
由于我们是根据年龄结构进行的预测，所以可以对人口进行简单的分析，得到老龄化变化趋势，乡镇市的人口所占比例的变化等。
关键词：人口预测；灰色模型；分类计算；Leslie模型一、模型假设模型一的假设：1、不考虑国际迁移，认为国家内部迁移不改变人口总量；2、不考虑自然灾害、疾病等因素对人口数量的影响；3、文中短期预测到2017年4、大面积自然灾害、疾病的发生以及人们的生育观念等因素会对当年的生育率和人口数量产生影响，认为这些因素在预测误差允许的范围内．模型二的假设：1、每一年龄组的女性在每一个时间段内有相同的生育率和死亡率；2、在预测的时间段内男女的性别比例保持现状不变；3、不考虑人口的迁入和迁出；4、不考虑空间等自然因素的影响，不考虑自然灾害对人口数量的影响。
二、问题分析中国是一个人口大国，随着经济的不断发展，生产力达到较高的水平，现在的问题已不是仅仅满足个人的需要，而是要考虑社会的需要。
中国未富先老，对经济的发展产生很大的影响。
人口模型
即可求得
b 2.695 1012。于是，世界人口的极限值
9 3.34 10 为初值，则2000年的 若以1965年的人口数
r 0.029 107.6 12 b 2.695 10
（亿）
世界人口将达到
0.029 3.34 109 y |t 2000 59.6 0.029(2000 1965) 0.009 0.02e
人口模型
模型1 马尔萨斯（Malthus）模型
英国的经济系家马尔萨斯首先提出了人口增长 模型。他的基本假设是：任一单位时刻人口的 增长量与当时的人口总数成正比。于是，设t ) 时刻的人口总数为 y(t，则单位时间内人口的 增长量即为 y (t t ) y (t ) t 根据基本假设，有
y (t t ) y (t ) ry (t ) （r为比例系数） t
dy 其中，dt
9
表示人口的理论增长率，而 则表示 人口的实际增长率。如果我们以1965年的人口数 3.34 10 为初值，并把某些生态学家估计的r的自然 值0.029及人口的实际增长率0.02代入上式，有
0.02=0.029-b(3.34 109 )
dy dt r by y
dy dt y
dy 2 ry by dt y |t t y0 0
（3）
这是一个可分离变量的一阶微分方程。解之， ry 可得 y （4）
by0 (r by0 )e r (t t0 )
0
这就是人口y随时间t的变化规律。下面，我们 就对（4）作进一步的讨论，并根据它对人口的 发展情况作一些预测。 3.模型的进一步讨论及其在人口预测中的应用 首先，由于
这个结果与2000年的世界实际人口是非常接近的。
人口预测方法(总结)
1. 人口总量预测⑴人口总量趋势外推模型图1永康市1985年以来历年的人口变化⑵人口增长率预测模型人口增长率预测模型是根据计划生育有关指标而进行的一种人口预测方法。
数学公式表示为：P = P 0（1 + k ）n +A P （3-2）式中：P 表示规划期总人口（人），P 0表示规划基期总人口（人）,△ P 表示规划期间 人口机械增长数（人）, n 表示规划年期，k 表示规划期间人口自然增长率。
人口 自然增长率k 可用出生率b 和死亡率d 表示：(3-3)人 220,000k =b -d210,000200,000190,000180,000年份年份永康市1989年以来历年的人口出生率、死亡率和自然增长率%图3永康市1989年以来历年的户籍人口迁移数量(3)人口离散预测模型人口离散预测模型也即人口差分方程预测模型，又称“宋健模型”，是我国自行提出的比较成功的人口发展预测模型，能较好的运用人口普查资料对未来人口进行预测。
该模型是根据分年龄的人口结构递推公式进行预测，模型的数学表达如下：r2X o(t)=[1-4oo(t)] ^(t)送h i(t) k i(t) X(t) (3_6)XF(t +1)=[1-B(t)] "Xe + fe i =0,12..,m—1式中：X o(t)为t年代O岁出生婴儿数，X i(t)为t年代之年龄组人口数，卩oo(t)为t 年出生婴儿当年死亡率，P(t)为妇女总和生育率，即社会人中平均意义下一个妇女在整个育龄时期的生育总数(「2, r1即为生育年龄的上下限)，h i(t)为生育模式，反映某一地区某一个育龄妇女生育状态分布，k i(t)为t年代之年龄组女性性别比，M(t)为t年代之年龄组人口死亡率，f i(t)为t年代之年龄组净迁移数。
在模型的具体应用中，课题组工作的重点是如何确定公式3-6中的各种参数。
①第五次人口普查资料中的数据是2000年11月1日的数据，而规划所需的数据是年末的数据，课题组将普查的户籍人口分龄人口数按比例修正到2000年底的统计人口总数作为X i(t);②从普查资料来看45岁以下的性别比比较稳定，为了简化模型，t年代之年龄组女性性别比k i(t)用常量k表示，即采用普查资料中的45岁以下的男女性别比=104.85(女性=100)推算，故k= 0.488326;③根据普查资料，妇女总和生育率取2000年的数据P(t)= 0.8795;④模型中出生婴儿当年死亡率Moo(t)假定与2000年出生婴儿当年死亡率的80%，即采用4OO=3.88%O。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
>> x=[3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,38.6,50.2,62.9,76]; t=1:12; fun=inline('c(1)*exp(c(2)*t)','c','t'); c=lsqcurvefit(fun,[1,1],t,x); xx= [3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,38.6,50.2,62.9,76,92,106.5,123.2,131.7,150.7,179.3,204,226.5,251.4,281.4]; tt=1:22; px=c(1)*exp(c(2)*tt); px23=c(1)*exp(c(2)*23)
r0 =
0.2298
1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994
96259 97542 98705 100072 101654 103008 104357 105851 107507 109300 111026 112704 114333 115823 117171 118517 119850
plot(t,xx,'*',t,py) %（见图三）
（2）用所有数据预测
x= [3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,38.6,50.2,62.9,76,92,106.5,123.2,131.7,150.7,179.3,204,226.5,251.4,281.4]'; n=22;
Matlab程序： （1）用前12个数据预测
xx=[3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,38.6,50.2,62.9,76,]; tt=1:12; fun=inline('c(1)*exp(c(2)*tt)','c','tt'); c=lsqcurvefit(fun,[1,1],tt,xx); px=c(1)*exp(c(2)*tt); plot(tt,xx,'*',tt,px) %（见图一）
[beta,R,J]=nlinfit(t,x,'logisfun',beta0); pt=beta(3)./(1+(beta(3)./beta(1)-1)*exp(-beta(2)*t)); p23=beta(3)./(1+(beta(3)./beta(1)-1)*exp(-beta(2)*23)) plot(t,x,'*',t,pt) %(见图六)
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
121121 122389 123626 124761 125786 126743 127627 128453 129227 129988 130756 131448 132129 132802 133450 134091
已知环境能容纳的最大人口数为，人口净增长率随人口数 量的增加而线性减少，即 设t时刻时人口数为x(t)，由此建立为微分方程：
求解得
待求参数. 举例说明：
下面是美国近两个世纪的人口统计数据（百万），试建立 数学模型，预测2010年美国的人口数。 年 1790 1800 1810 1820 1830 1840 1850 1860 份
46692 47350 47920 48553 49302 49856 50509 51126 51926 53010 53825 54605 55429 56357 57360 58045 58604
48.51 48.54 48.55 48.52 48.50 48.40 48.40 48.30 48.30 48.50 48.48 48.45 48.48 48.66 48.95 48.98 48.90
人 3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 数
年 1870 1880 1890 1900 1910 1920 1930 1940 份
人 38.6 50.2 62.9 76.0 92.0 106.5 123.2 131.7
数
年 1950 1960 1970 1980 1990 2000 2010 份
MATLAB程序：
（1）用前12个数据预测
x= [3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,38.6,50.2,62.9,76,92,106.5,123.2,131.7,150.7,179.3,204,226.5,251.4,281.4]'; n=12;
t=1:n; xx=x(1:n); tt=[ones(n,1),(1:n)']; y=log(xx(1:n)); [b,bint,r,rint,stats]=regress(y,tt); x0=exp(b(1)); r=b(2); py=x0*exp(r*t);
t=1:n; xx=x(1:n); tt=[ones(n,1),(1:n)']; y=log(xx(1:n)); [b,bint,r,rint,stats]=regress(y,tt); x0=exp(b(1)); r=b(2); py=x0*exp(r*t); py23=x0*exp(r*23)
plot(t,xx,'*',t,py) %（见图四） py23 =
二 建立模型
Malthus 模型: 要预测,得确定参数.
方法一：（最小二乘法非线性拟合）
C = lsqcurvefit(fun,x0,xdata,ydata,...)
fun是需要拟合的函数； x0是对函数中各参数的猜想值；xdata 则是横 轴坐标的值；ydata 是纵轴的值；C为fun中待预测的系数。
p23 = 298.1139
图六 r0的计算程序： 方法一： x= [3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,38.6,50.2,62.9,76,92,106.5,123.2,131.7,150.7,179.3,2 n=length(x); r=ones(n-1,1); for i=1:n-1 r(i,1)=(x(i+1,1)-x(i,1))./x(i,1); end r0=mean(r) r0 =
散点图Matlab程序：
x= [3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,38.6,50.2,62.9,76,92,106.5,123.2,131.7,150.7 t=1:22; plot(t,x,'*')% scatter(t,x)
图形走势很像指数模型，所以我们先选择指数模型，即 Malthus 模型.
净
增 长
0.3590
0.3585
0.3333
0.3438
0.3256
0.3567
0.3534
0.2293
率
年 1870 1880 1890 1900 1910 1920 1930 1940 份
人 38.6 50.2 62.9 76.0 92.0 106.5 123.2 131.7 数
净 增
0.3005
end
t=1:n-1; plot(t,r,’*’) %(见图五)
图五
发现净增长率并不是常数！而是随人口数量的增加而线性减少。
三 建立新的预测模型
Logistic模型
要用非线性回归分析的方法确定参数. 确定非线性回归分析系数的函数：
[beta,R,J]=nlinfit(x,y,'logisfun',beta0) 注：x是自变量，y是函数值，'logisfun' 为事先定义的非线性
人口预测模型
想要预测未来某一年的人口数量，我们要建立人口增长模 型，人口增长模型常见的有以下几种： 1)马尔萨斯(Malthus)模型——指数模型
已知单位时间内人口增长率为r。 设t时刻时人口数为x(t),则时间内增长的人口数为：
当时，得微分方程 求解得
待求参数. 2) 罗杰斯特(Logistic)模型-阻滞型人口模型
49567 50192 50785 51519 52352 53152 53848 54725 55581 56290 57201 58099 58904 59466 59811 60472 61246
51.49 51.46 51.45 51.48 51.50 51.60 51.60 51.70 51.70 51.50 51.52 51.55 51.52 51.34 51.05 51.02 51.10
0.2298
方法二： x= [3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,38.6,50.2,62.9,76,92,106.5,123.2,131.7,150.7,179.3,20 n=length(x); t=1:n; r0=mean((diff(x)./diff(t))./x(1:n-1))
17245 18495 19140 20171 21480 22274 24017 25094 26366 27674 28661 29540 30195 31203 32175 33173 34169
17.92 18.96 19.39 20.16 21.13 21.62 23.01 23.71 24.52 25.32 25.81 26.21 26.41 26.94 27.46 27.99 28.51
人 150.7 179.3 204.0 226.5 251.4 281.4 ？ 数
一 建模分析
目标：寻找人口数量随时间变化的规律,即函数关系式. 人口