基于改进的莱斯利人口模型.docVIP

基于改进的Leslie模型的北京人口预测 2012年8月19日 基于改进的Leslie模型的北京人口预测 摘要 本文针对北京市人口老龄化、城镇化和就业水平的特点，建立人口预测北京未来40年每隔十年人口变化的趋势预测模型。 对于人口增长与老龄化预测，我们建立了带年龄结构的Leslie模型，并对该模型进行了修改。在传统Leslie模型的基础上，我们增加了人口的迁移率这一影响因素。考虑到各项指标对人口的增长有着较大影响，因此我们建立了动态的人口增长模型，即考虑影响人口增长的指标随时间的变化而变化。 根据影响人口增长的指标，如生育率、死亡率、迁移率、男女性别比和城镇化率等建立相应的模型，并对统计年鉴中的数据进行预处理。 生育率的预测，不同年龄段妇女的生育率符合正态分布，可以通过对正态分布函数的拟合求出其三个参数，然后通过灰色预测方法预测后四十年(2010-2050)个生育率正态函数的参数，通过年龄赋值，可求出后四十年各年龄段妇女的生育率； 对于死亡率的预测，我们采用指数平滑与灰色预测组合方法。由于原始数据总体走向具有一定的规律性，但因受随机因素的干扰，数据离散度较大，所以采用指数平滑预测。但由于指数平滑法对最后预测的数据赋权很大，所以预测长期采用了灰色预测的方法，最终得出了2011-2050年的人口死亡率。 对于城镇化的预测，我们采用Logistic模型进行研究。通过对数据的分析，得到Logistic模型的解析形式，并得到它的散点形式。由于散点图具有跳动的情况，所以只选取最后几个点进行回归分析。通过对城市化饱和水平K的分析得到最优图形，最终预测出城镇化的趋势水平。 对于就业水平的预测，我们采用求和自回归移动平均模型（ARIMA），对北京市1978-2010年的从业人员人数的数据进行时间序列分析。首先对原就业人数序列进行平稳性检验与处理，通过二阶差分变换使其满足平稳性条件；然后根据时间序列模型的识别规则，建立相应的模型并估计模型的参数，最后对其进行预测分析，结果显示，ARIMA（1，2，6）模型提供了较准确的预测结果，可用于未来的预测。 关键词：Leslie模型 灰色预测 指数平滑法 ARIMA模型 一、问题重述 从北京市六次人口普查数据来看，儿童人口所占比例持续大幅度下降、老龄化进程加速、受教育程度持续大幅度升高、城镇与乡村人口比不断提高、就业人数稳步提高。在反映北京市六次人口普查和第二次全国RD资源清查结果的数据中，社会各界较为关注城镇新增就业人数、水环境、大气环境及人口老龄化的问题，请根据2011版《北京统计年鉴》已有数据，解决以下问题: (1)从北京市的实际情况和人口增长的特点出发，建立北京人口增长的数学模型; (2)对于北京市人口的老龄化、城镇化和就业状况水平，从2010年至2050年每隔十年的发展趋势做出预测。 二、模型假设 1．不考虑出生婴儿时有双胞胎或多胞胎的情形； 2．不考虑育龄段(15-49岁)之外的妇女的生育情况； 3．假设老年人口为年龄大于或等于65岁的人群； 4．假设中国人口政策在未来50年内保持不变； 5. 不考虑偶然因素，如战争、自然灾害等对人口增长的影响。 三、符号说明 ： 第期中年龄段的人数 ： 第期中年龄段的女性的生育率 ： 第期中第年龄段的女性占年龄段总人数的比例 ： 第期中外地迁入北京市第年龄分类的净增长人数 ： 第期的Leslie修正矩阵 ： 年龄段的个数 ： 北京市整个群体可以存活的最大岁数 ： 第期的年龄结构向量 ： 指数平滑值 ： 替代率参数 K： 城市化饱和水平 ： 时间序列观察值 P： 自回归项数 四、问题分析 问题一的分析 问题一中，人口老龄化是指年龄年龄大于或等于65岁的人口占总人口的比重。我们通过对人口年龄分段化，分析出影响人口分布的因素有生育率、死亡率、迁移率、性别比。我们通过依次预测2011年-2050年影响人口分布的这四个因素从而得出人口的分布情况，算出老年人口数，除以人口总数，得出老年人口占总人口的比重，从而得出人口老龄化率。 问题二的分析 问题二中，城镇化是指城市人口总数与乡村人口总数的比值。我们采用Logistic模型对城镇率进行预测。首先，用2005-2010年北京的城镇化数据对Logistic模型函数进行拟合，求出参数有K，A和B.。然后用Matlab对已知的Logistic函数进行回归预测。求出了2011-2050年的城镇化率。 问题三的分析 问题三中，我们采用求和自回归移动平均模型（ARIMA），对北京市1978-2010年的从业人员人数的数据进行时间序列分析，结果显示，ARIMA（1，6）模型提供