人口预测模型1

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。

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。

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。

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。

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。

⼈⼝预测模型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t ?时间内增长的⼈⼝数为： )()()()()()(t rx tt x t t x t t rx t x t t x =?-?+??=-?+当0→?t 时，得微分⽅程0)0(,x x rx dtdx== 求解得rtex t x 0)(=待求参数r x ,0.2) 罗杰斯特(Logistic)模型-阻滞型⼈⼝模型已知环境能容纳的最⼤⼈⼝数为m x ，⼈⼝净增长率随⼈⼝数量的增加⽽线性减少，即)1()(mx x r t r -= 设t 时刻时⼈⼝数为x(t)，由此建⽴为微分⽅程：0)0(),1(x x x xrx dt dx m=-= 求解得rtmme x x x t x --+=)1(1)(0待求参数r x x m ,,0. 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。

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.⼈⼝的变化规律有其内在的规律，如Malthus 模型,Logistic 模型.题⽬中给的数据有什么作⽤呢？⽤这些数据做散点图，观察散点图分布规律，确定⼈⼝模型.散点图Matlab 程序：x=[3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,38.6,50.2,62.9,76,92,106.5,123.2,131.7,150.7,179.3,204,226.5,251.4,281.4]; 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.⼆建⽴模型Malthus 模型:0)0(,x x rx dtdx== rtex t x 0)(=要预测,得确定参数r x ,0.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。

常微分方程在数学建模中的应用这里介绍几个典型的用微分方程建立数学模型的例子. 一、人口预测模型由于资源的有限性,当今世界各国都注意有计划地控制人口的增长,为了得到人口预测模型,必须首先搞清影响人口增长的因素,而影响人口增长的因素很多,如人口的自然出生率、人口的自然死亡率、人口的迁移、自然灾害、战争等诸多因素,如果一开始就把所有因素都考虑进去，则无从下手.因此,先把问题简化,建立比较粗糙的模型,再逐步修改,得到较完善的模型.例1（ 马尔萨斯 （Malthus ） 模型） 英国人口统计学家马尔萨斯（1766—1834）在担任牧师期间,查看了教堂100多年人口出生统计资料,发现人口出生率是一个常数,于1789年在《人口原理》一书中提出了闻名于世的马尔萨斯人口模型,他的基本假设是：在人口自然增长过程中,净相对增长（出生率与死亡率之差）是常数,即单位时间内人口的增长量与人口成正比,比例系数设为r ,在此假设下,推导并求解人口随时间变化的数学模型.解 设时刻t 的人口为)(t N ,把)(t N 当作连续、可微函数处理（因人口总数很大,可近似地这样处理,此乃离散变量连续化处理）,据马尔萨斯的假设,在t 到t t ∆+时间段内,人口的增长量为t t rN t N t t N ∆=-∆+)()()(,并设0t t =时刻的人口为0N ,于是|⎪⎩⎪⎨⎧==．，00)(d d N t N rN t N这就是马尔萨斯人口模型,用分离变量法易求出其解为)(00e )(t t r N t N -=,此式表明人口以指数规律随时间无限增长.模型检验：据估计1961年地球上的人口总数为91006.3⨯,而在以后7年中,人口总数以每年2%的速度增长,这样19610=t ,901006.3⨯=N ,02.0=r ,于是)1961(02.09e1006.3)(-⨯=t t N .这个公式非常准确地反映了在1700—1961年间世界人口总数.因为,这期间地球上的人口大约每35年翻一番,而上式断定年增加一倍（请读者证明这一点）．但是,后来人们以美国人口为例,用马尔萨斯模型计算结果与人口资料比较,却发现有很大的差异,尤其是在用此模型预测较遥远的未来地球人口总数时,发现更令人不可思议的问题,如按此模型计算,到2670年,地球上将有36 000亿人口.如果地球表面全是陆地（事实上,地球表面还有80%被水覆盖）,我们也只得互相踩着肩膀站成两层了,这是非常荒谬的,因此,这一模型应该修改.;例2（逻辑Logistic 模型） 马尔萨斯模型为什么不能预测未来的人口呢这主要是地球上的各种资源只能供一定数量的人生活,随着人口的增加,自然资源环境条件等因素对人口增长的限制作用越来越显著,如果当人口较少时,人口的自然增长率可以看作常数的话,那么当人口增加到一定数量以后,这个增长率就要随人口的增加而减小.因此,应对马尔萨斯模型中关于净增长率为常数的假设进行修改.1838年,荷兰生物数学家韦尔侯斯特(Verhulst)引入常数m N ,用来表示自然环境条件所能容许的最大人口数（一般说来,一个国家工业化程度越高,它的生活空间就越大,食物就越多,从而m N 就越大）,并假设将增长率等于⎪⎪⎭⎫⎝⎛-m N t N r )(1,即净增长率随着)(t N 的增加而减小,当m N t N →)(时,净增长率趋于零,按此假定建立人口预测模型.解 由韦尔侯斯特假定,马尔萨斯模型应改为⎪⎩⎪⎨⎧=⎪⎪⎭⎫⎝⎛-=，，000)(1d d N t N N N N r t N 上式就是逻辑模型,该方程可分离变量,其解为,)(00e 11)(t t r m mN N N t N --⎪⎪⎭⎫ ⎝⎛-+=.下面,我们对模型作一简要分析.（1）当∞→t ,m N t N →)(,即无论人口的初值如何,人口总数趋向于极限值m N ；@（2）当m N N <<0时,01d d >⎪⎪⎭⎫ ⎝⎛-=N N N r t N m ,这说明)(t N 是时间t 的单调递增函数；（3）由于N N N N N r t N m m ⎪⎪⎭⎫ ⎝⎛-⎪⎪⎭⎫ ⎝⎛-=211d d 222,所以当2m N N <时,0d d 22>t N ,t N d d 单增；当2m N N >时,0d d 22<tN ,t N d d 单减,即人口增长率t Nd d 由增变减,在2m N 处最大,也就是说在人口总数达到极限值一半以前是加速生长期,过这一点后,生长的速率逐渐变小,并且迟早会达到零,这是减速生长期；（4）用该模型检验美国从1790年到1950年的人口,发现模型计算的结果与实际人口在1930年以前都非常吻合,自从1930年以后,误差愈来愈大,一个明显的原因是在20世纪60年代美国的实际人口数已经突破了20世纪初所设的极限人口.由此可见该模型的缺点之一是m N 不易确定,事实上,随着一个国家经济的腾飞,它所拥有的食物就越丰富, m N 的值也就越大；(5）用逻辑模型来预测世界未来人口总数.某生物学家估计,029.0=r ,又当人口总数为91006.3⨯时,人口每年以2%的速率增长,由逻辑模型得⎪⎪⎭⎫⎝⎛-=m N N r t N N 1d d 1, 即 ⎪⎪⎭⎫ ⎝⎛⨯-=m N 91006.31029.002.0, 从而得 91086.9⨯=m N ,即世界人口总数极限值近100亿. ）值得说明的是：人也是一种生物,因此,上面关于人口模型的讨论,原则上也可以用于在自然环境下单一物种生存着的其他生物,如森林中的树木、池塘中的鱼等,逻辑模型有着广泛的应用.二、市场价格模型对于纯粹的市场经济来说,商品市场价格取决于市场供需之间的关系,市场价格能促使商品的供给与需求相等(这样的价格称为(静态)均衡价格).也就是说,如果不考虑商品价格形成的动态过程,那么商品的市场价格应能保证市场的供需平衡,但是,实际的市场价格不会恰好等于均衡价格,而且价格也不会是静态的,应是随时间不断变化的动态过程.例3 试建立描述市场价格形成的动态过程的数学模型解 假设在某一时刻t ,商品的价格为)(t p ,它与该商品的均衡价格间有差别,此时,存在供需差,此供需差促使价格变动.对新的价格,又有新的供需差,如此不断调节,就构成市场价格形成的动态过程,假设价格)(t p 的变化率tpd d 与需求和供给之差成正比,并记),(r p f 为需求函数,)(p g 为供给函数（r 为参数）,于是()()[]⎪⎩⎪⎨⎧=-=，，0)0(,d d p p p g r p f tpα 其中0p 为商品在0=t 时刻的价格,α为正常数.若设b ap r p f +-=),(,d cp p g +=)(,则上式变为—⎪⎩⎪⎨⎧=-++-=，，0)0()()(d d p p d b p c a t pαα ① 其中d c b a ,,,均为正常数,其解为ca db c a d b p t p t c a +-+⎪⎭⎫ ⎝⎛+--=+-)(0e)(α. 下面对所得结果进行讨论:（1）设p 为静态均衡价格 ,则其应满足0)(),(=-p g r p f ,即d p c b p a +=+-,于是得ca db p +-=,从而价格函数)(t p 可写为 。

一、问题重述人口的数量和结构是影响经济社会发展的重要因素。

从20世纪70年代后期以来，我国实行计划生育政策，有效地控制了我国人口的过快增长，对经济发展和人民生活的改善做出了积极的贡献。

但该政策实施30多年来，其负面影响也开始显现。

如临近超低生育率水平、人口老龄化、出生性别比失调等问题，这些对经济社会健康、可持续发展将产生一系列影响，引起了中央和社会各界的重视。

党的十八届三中全会提出了开放单独二孩，今年以来许多省、市、自治区相继出台了具体的政策。

政策出台前后各方面人士对开放“单独二孩”的效应进行了大量的研究和评论。

党的十八届三中全会《决定》提出，启动实施单独两孩政策。

这是新时期我国生育政策的重大调整完善，备受社会关注。

请解决以下问题：（1）针对国家卫生计生委副主任王培安单独二孩不会导致人口大增的人口预测，根据每十年一次的全国人口普查数据，建立模型，对单独二孩会不会导致人口大增进行分析，并发表自己的独立见解。

（2）建立数学模型，针对深圳市讨论计划生育新政策（可综合考虑城镇化、延迟退休年龄、养老金统筹等政策因素，但只须选择某一方面作重点讨论）对未来人口数量、结构及其对教育、劳动力供给与就业、养老等方面的影响。

二、问题分析问题1、启动实施单独二胎政策，是经过充分的论证和评估的。

对于我国目前为什么要放开二胎政策这个问题，以及为什么单独二孩不会导致人口大增是有以下情况决定的。

进入本世纪以来，我国人口形势发生了重大变化。

一是生育水平稳中趋降，我国目前总和生育率为1.5-1.6，如果不实行单独二胎新政策，总和生育率将继续下降。

二是人口结构性问题，劳动年龄人口开始减少，人口老龄化速度加快，出生人口性别比长期偏高。

三是家庭规模持续缩减。

四是城乡居民生育意愿发生很大变化，少生优生、优育优教的生育观念正在形成。

通过建立动态差分方程模型预测老龄化的人口数、劳动人口数以及总人口数。

根据预测的数据画出老龄化程度的趋势图和人口红利的趋势图，最终通过分析老龄化程度、生育率高低、出生性别比例和人口红利变化来验证单独二孩政策的必要性以及单独二孩不会导致人口大增的预测。

人口预测的数学模型与预测方法分析摘要：随着人口总数的不断增加，在很大程度上增加用地等方面的压力，不仅会影响到区域发展和经济水平的提升，也会阻碍着区域自然环境的协调发展，因此，必须重视对人口预测的重视程度，合理控制人口规模。

在科学技术日新月异的时代背景下，人口预测的方法和模型逐渐增多，每种方式适应范围和使用程序都有所不同，应根据区域实际情况，选择最恰当的预测方式，确保能够指导区域制定科学的科学发展战略。

本文简要分析人口预测的数学模型，重点介绍Logistic预测模型、双曲预测模型、指数预测模型三种预测方式，并阐述模型间关系。

关键词：人口预测；数学模型；预测方式；双曲预测模型我国人口总数大，增长速度快，在一定程度上增加了人口预测的难度，人口的发展可能受到自然因素、文化因素、政治因素、经济因素等多方面的影响，因此相关工作人员必须综合考虑地域经济状况、人口素质、政治环境，选择最恰当的预测方式，确保人口预测的准确性和可靠性。

需要注意的是，人口预测中运用的数学模型较多，其预测方式表面看似简单，但在实际运用过程常会出现问题，影响到人口预测的准确性，因此，工作人员应不断更新数学模型，做好人口预测工作。

一、人口预测的数学模型概述人口预测是指在某一特定时间段、某一区域中，调查其现有的人口现状和变化，总结出其中的发展规律，并提出影响人口变化的假设条件，并结合合适的计算方式，预测出未来人口的发展和变化[1]。

区域中真实的人口统计资料是人口预测的基础，不仅会影响发展规律的总结，更直接关系着预测结果的可靠性。

在实际运用过程中，常会出现以下三方面的问题：一是简单的推断人口增长，如规定人口某一时期的增长率，这相当于将人口与某一准确的数学函数相连，但人口的变化从来都不会呈现出完全的函数曲线；二是选择模型时，没有确定的标准，常采用同一模型去预测不同区域的人口变化，未将人口发展规律考虑进去；三是多种结果的相加得出人口预测，但这种方式忽略了模型之间的差异性，降低了人口预测的科学性。

一、微分方程模型1.人口模型一、指数增长模型 （Malthus ）1.模型假设人口自然增长率 r 为常数，即单位时间内人口的增长量与当时的人口呈正比。

()x t :t 时刻的人口数 r :人口增长率2.模型建立 0(0)dx rx dtx x ⎧=⎪⎨⎪=⎩3.模型求解 0()r t x t x e =4.模型分析0r >⇒()x t →+∞ 人口将按指数规律无限增长！ 0r =⇒0()x t x ≡ 人口将始终保持不变！ 0r <⇒()0x t → 人口将按指数规律减少直至绝灭。

M a l t h u s 模型预测的优点是短期预报比较准确，但是不适合中长期预报，原因是预报时假设人口增长率 r 为常数。

没有考虑环境对人口增长的制约作用。

二、阻滞增长模型 (Logistic)1.模型假设假设人口增长率 r (x )是人口 x (t ) 的减函数 ：()1m x r x r x ⎛⎫=- ⎪⎝⎭其中: x m 为自然资源条件所能容纳的最大人口数量r 为固有增长率2.模型建立01(0)m d x x rx dt x x x ⎧⎛⎫=-⎪ ⎪⎨⎝⎭⎪=⎩ 3.模型求解：0()11mrt m x x t x e x -=⎛⎫+- ⎪⎝⎭4.模型分析（定性分析）0m x x >⇒()m x t x ↓→ 人口将递减并趋向于x m ，0m x x =⇒()m x t x ≡ 人口将始终保持x m 不变 ，00m x x <<⇒()mx t x ↑→ 人口将递增并趋向于x m ， 无论在哪种情况下，人口最终将趋向于最大人口容量！阻滞增长模型预测对中期预报比较准确，理论上很好，但是实用性也不强，原因在于预报时假设固有人口增长率 r 以及最大人口容量 x m 为定值。

实际上这两个参数（特别是 x m ）很难确定，而且会随着社会发展情况变化而变化。

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。

3．模型建立模型1(1.1) 假设美国人口上限为5亿，根据表中给出的人口增长率，进行适当的处理，建立微分方程模型；(1.2) 利用 (1.1) 中的模型计算各年人口，与实际人口数量比较，计算模型的计算误差；(1.3) 利用 (1.1) 中的模型预测美国2010,2020,2030,2040,2050年的人口； (1.4) 假设人口增长率服从[1.1,1.3]上的均匀分布，结合 (1.1) 中建立微分方程模型，预测美国2010,2020,2030,2040,2050年的人口.图1为美国1790-2000年的人口数据，人口增长率r 为每10年的取值。

首先对人口增长率进行处理求出其他年份相对于1790年的增长率R1.....nnt t t r r R n其中t1=1800年….. t21=2000年(1<n ≤21) 例如1810年相对于1790年的增长率为 (3.11+2.99)/2=3.05 其他年份同理可得如图2；对增长率R 求平均直为Rx=2.64%模型1 为阻滞增长模型 假设人口增长率 r(x)是t 时人口x(t)的函数，r(x)应该是x 的减函数。

一个简单的假设是假设 r(x)为x 的线性函数r(x)=r-s*x , s>0.最大人口数量Xm=500 当x=Xm 时增长率为零。

在线性化假设前提下可以得到r(x) = r (1 – x / Xm)，(公式1)其中的r 我们取之前求得的平均增长率r=0.0264 , Xm=500。

在公式1假设下，模型可修改为0(1)(0)xtm d x rx d x x x (公式2)图1上述方程改为Logistic模型x t =m x/1+(m x/0x-1)rt e(公式3)()e取2.718，t为t，求出每10年的rt值带入方程算出各年的人口数以及和实际值的误差见图3。

2010年的R*t=5.808，预测人口为362.32；2020年的R*t=6.072，预测人口为387.59；2030年的R*t=6.336，预测人口为408.16；2040年的R*t=6.6 ，预测人口为427.35；2050年的R*t=6.864，预测人口为442.48；观察预测结果1930年以前只有1800 1810 1820误差较小，其它年份误差正负都稍微偏大，1940年以后预测值逐年大于实际值，说明在给定最大人口数后增长率选择不适当，与给定的最大人口数不匹配，有待改进。