城市人口預測畢業(yè)論文

1、<p><b>　　目錄</b></p><p>　　摘要………………………………………….……… …………… …………… …………… ……………….2</p><p>　　引言 ……………………………. ………… ………… …… ………… ……… …………… ………………3</p><p>　　1 符號說明與模型假設 </p&

2、gt;<p>　　1.1 符號說明………………………………………………………………………………………..…...3</p><p>　　1.2 模型假設……………………………………………………………………………………………4</p><p>　　2 模型的建立及求解</p><p>　　2.1 模型Ⅰ建立 …… …………… … ………… … … ……

3、…… … ……… …… … ……..……..4</p><p>　　2.2 非戶籍人口的增長率……………………………………………………………………………..6</p><p>　　2.3 (t)的計算………………………………………………………………………………………...8</p><p>　　2.4 由（1）~（6）建立模型Ⅰ…………………………………………………

4、……………………9</p><p>　　2.5 值修正轉籍率，建立模型Ⅱ……………………………………………………………..........9</p><p>　　2.6 模型Ⅱ求解得到非戶籍人口，然后建立模型Ⅲ……………………… …………………….13</p><p>　　3 影響出生率的三個因素</p><p>　　3.1 人口老齡化………

5、………………………………………………………………………………...14</p><p>　　3.2性別結構…………………………………………………………………………………………….14</p><p>　　3.3年齡結構………………………………………………………………………………….…………16</p><p>　　3.4 老齡化及性別比對人口增長的影響…………………

6、………………………………...… ….16</p><p><b>　　4 模型評價</b></p><p>　　4.1 模型優(yōu)點……………………………………………………………………………………………… 17</p><p>　　4.2 模型的缺點…………………………………………………………………………………………….17</p>

7、<p>　　4.3 模型的改進…………………………………………………………………………………………... 17</p><p>　　4.4 模型推廣………………………………………………………………………………………............ 19</p><p>　　4.5 給相關部門的一些建議……………………………………………………………………………….19</p>

8、<p>　　成果聲明………………………………………………………………………………………... 21</p><p>　　致謝……………………………………………………………………………………………………............ 22</p><p>　　參考文獻…………………………………………………………………………………………….………..23</p><

9、p>　　附錄…………………………………………………………………………………………………….............24</p><p><b>　　城市人口預測</b></p><p><b>　　——以深圳為例</b></p><p><b>　　羅權</b></p><p

10、>　　摘要：本文考慮戶籍與非戶籍人口的轉籍率來修正深圳戶籍與非戶籍人口的變化模型。引入經濟對人口變化的影響因子來修正經濟轉型時期的人口值，得到人口預測模型。然后結合時間的迭代序列，建立了人口變化及預測的模型。最后，本文對深圳人口進行分析，得到了三個結論：其一，深圳戶籍人口增加，非戶籍人口比例逐漸減少；其二，雖暫時未出現老齡化，但老齡化趨勢明顯；其三，男女不平衡，女性比例減少。人口對城市的醫(yī)療、道路、交通等多方面有重大影響，本文通過

11、對人口分析，對城市的一些建設問題提出了相關建議并結合我國大城市的特點，將該模型推廣至其他城市。</p><p>　　關鍵詞：人口預測模型 城市人口預測 Logstic模型 Leslie模型 戶籍人口 非戶籍人口</p><p>　　Projection of the City Population </p><p>　　--Use Shenzhen

12、 City as an example </p><p><b>　　LuoQuan</b></p><p>　　Abstract: This paper leads into “”(the rate of conversion between the domicile population and non-domicile population) to amend

13、the model of the change between the domicile population and the non-domicile population of ShenZhen city, And It leads into “”(the influence of the economy to the change of population) to amend the population number in t

14、he economic transition period. And make out the projection model. Then combine with the iterative sequence of time, establish the population variation a</p><p>　　Key words: projection of the population Pro

15、jection of the City Population the Logstic model </p><p>　　the Leslie model the domicile population the non-domicile population </p><p><b>　　引言</b></p><p>　　對于

16、人口的預測，最初使用了Logstic模型，隨著社會的發(fā)展，又利用了灰色模型進行預測。2007年，在數學建模競賽中，采用了出生率、死亡率對灰色模型進行改進，建立了更為符合中國人口的預測模型，但是對于像深圳這樣的城市，常駐人口的變化不符合一般的增長規(guī)律。人口的變化對一個城市、國家或是地區(qū)的經濟發(fā)展、醫(yī)療衛(wèi)生有著極其重要的作用，合理預測出人口，對一個城市、國家或是地區(qū)的發(fā)展有著重要的作用。隨著經濟的發(fā)展，人口將漸漸的逼近環(huán)境容納人類生存的最大

17、環(huán)境容量。此外，在我國，計劃生育的實行，也影響了中國人口的出生率。因此，影響人口數量的三要數：死亡率，出生率以及遷入率，都受到了經濟發(fā)展的影響。對于城市人口而言，隨著經濟的發(fā)展而大量遷入的人口給城市的發(fā)展和規(guī)劃帶來了巨大的影響，甚至遷入人口遠遠超過戶籍人口，建立符合這些大城市的人口預測模型，用以解決城鎮(zhèn)人口的數量，人口結構以及人口質量，戶籍與非戶籍人口變得及其的重要。</p><p>　　1 符號說明及模型假設&

18、lt;/p><p><b>　　1.1 符號說明</b></p><p>　?。旱趖年的戶籍人口數</p><p>　　：第t年的非戶籍人口數</p><p>　?。旱趖年的人口出生率</p><p>　?。旱趖年的人口死亡率</p><p>　　：第t年的戶籍與非戶籍人口間的

19、轉籍率</p><p>　　: 第t年的非戶籍人口增長率</p><p>　?。旱趖年的經濟對人口變化的影響因子</p><p>　?。焊髂甑慕洕鷮θ丝谧兓挠绊懸蜃悠骄?lt;/p><p>　　: 第t年的總人口數</p><p>　　: 第i個年齡組的女性人數</p><p>　　:第i個年齡

20、組的女性生育率</p><p>　?。旱趇個年齡組的人數</p><p><b>　?。盒詣e比</b></p><p><b>　　1.2 模型假設</b></p><p>　?。?）深圳市的戶籍人口的沒有大量的遷出，戶籍人口的增加由自然增長和常住非戶籍人口轉化而來；</p><

21、p>　?。?）經濟轉型對人口增長具有一定的周期，超過周期的影響可以不計；</p><p>　?。?）深圳的經濟轉型對人口的影響和香港人口的相似，自然變化與中國人口變化相似；</p><p>　　（4）出生率隨著社會的變化，計劃生育的推進，保持在一定范圍內.死亡率隨醫(yī)療水平提高以及人身體的原因不斷減小但變化越來越慢；</p><p>　?。?）不考慮中國傳統觀念

22、對生育的影響，及只有較少夫婦違反計劃生育的行為；</p><p>　　（6）短時間內人口生理極限的影響較小，可以不計；</p><p>　?。?）在生育年齡以外的生育婦女生育在年生育人口中比例極小，可以不加以考慮；</p><p>　?。?）各年齡組間性別比相同；</p><p>　　2 模型的建立及求解</p><p&g

23、t;<b>　　2.1 模型Ⅰ建立</b></p><p>　　考慮戶籍與非戶籍之間存在非戶籍轉為戶籍人口[1,2]，則</p><p>　　2.1 死亡率和出生率的求解</p><p>　　由深圳統計年鑒得[3]，其深圳的出生率、死亡率如圖1所示：</p><p>　　圖1 出生率與死亡率的變化情況</p>

24、<p>　　其中1979年為24.6%，1980年為21.4，…，1983年為13.9%，…，1993年14.26%，…，2003年10.63%，…，2009年為13.7%.觀察1983年~2009年，出生率基本在一定范圍內變化，所以可以利用1983年至今的平均數來表示出生率</p><p>　　由深圳統計年鑒-59可以得到，1979年~2009年的死亡率</p><p>　

25、　d=[ 5.75.65.354.73.693.363.613.42.972.742.792.272.41.931.751.782.092.132.092.972.551.731.461.531.371.411.11.090.980.86],對的每一項取對數[4]</p><p><b>　　則有</b></p>&l

26、t;p>　　=[1.740466175 1.722766598 1.667706821 1.609437912 1.547562509 1.305626458 1.211940974 1.283707772 1.223775432 1.088561953 1.00795792 1.026041596 0.819779831 0.875468737 0.657520003 0.559615788 0.576613364

27、 0.737164066 0.75612198 0.737164066 1.088561953 0.936093359 0.548121409 0.378436436 0.425267735 0.31481074 0.343589704 0.09531018 0.086177696 -0.020202707 -0.15082289];先利用進行線性回歸，利用以下程序求解回歸函數[5,6]，并作出相應分析：</

28、p><p>　　x=[1:1:30]';</p><p>　　Y=[1.740466175 1.722766598 1.667706821 1.609437912 1.547562509 1.305626458 1.211940974 1.283707772 1.223775432 1.088561953 1.00795792 1.026041596 0.819779831

29、 0.875468737 0.657520003 0.559615788 0.576613364 0.737164066 0.75612198 0.737164066 1.088561953 0.936093359 0.548121409 0.378436436 0.425267735 0.31481074 0.343589704 0.09531018 0.086177696 -0.020202707 -0.15

30、082289];</p><p>　　X=[ones(30,1) x];</p><p>　　[b,bint,r,rint,stats]=regress(Y,X)</p><p>　　b,bint,r,rint,stats</p><p>　　subplot(1,2,1); %選擇2×2個區(qū)中的1號區(qū)</

31、p><p>　　rcoplot(r,rint);title('殘差分析圖');axis ([0,31,-0.8,0.8]);</p><p>　　subplot(1,2,2)</p><p>　　z=b(1)+b(2)*x</p><p>　　plot(x,Y,'k+',x,z,'r');title

32、(' 預測圖');axis ([0,31,-0.1,1.8])</p><p>　　得到預測代碼函數為：</p><p><b>　?。?）</b></p><p>　　其中,其殘差分析及預測圖如圖2：</p><p>　　圖2 死亡率預測及殘差圖</p><p>　　通過函數預測

33、所得回歸函數的較為適合，并由預測函數圖像看出點分布在指向兩側且由殘差圖像看出只有兩個異常點。所以死亡率可以用函數來進行預測.現將回歸函數（4）兩端求指數，則得到最終的死亡率預測方程</p><p>　　. （5）</p><p>　　其中，，此外，雖然人類不斷的提高科學水平，人類的醫(yī)療水平，死亡率日漸降低，但是不可能

34、突破人類的生理極限[7]，所以雖然，實際上到達后由于人類生理極限，死亡率將保持在某一水平。這里參考Logstic模型，考慮人類的生理極限建立死亡率模型，可以更好地解決死亡率問題。這里就不再進行研究，而是假設短期內死亡率不受生理極限的影響。</p><p>　　2.2 非戶籍人口的增長率</p><p>　　分析1979~2010年的非戶籍數據，利用公式</p><p&g

35、t;<b>　　（6）</b></p><p>　　計算各年增長，其變化基本如圖3.利用Excel進行函數擬合</p><p><b>　?。?）</b></p><p>　　雖然擬合的R較小，但是由圖3看出，其偏差較大的時間出現在特區(qū)建立的前一段時間，后期隨發(fā)展?jié)u漸的復合擬合的函數的規(guī)律，偏差較小。故該擬合函數在短時間內

36、符合深圳非戶籍人口的增長情況。</p><p>　　圖3 非戶籍人口增長率變化圖</p><p>　　深圳從1979年改革開放開始，非戶籍人口逐漸增多。在改革開放初期，快速發(fā)展的經濟導致大量非戶籍人口遷入，此時的人口增長并不十分符合利用Excel擬合的回歸方程，但是隨著經濟的發(fā)展，非戶籍人口增長率回歸性變強。</p><p>　　這里，為得到更佳的回歸模型，采用近

37、20年的數據擬合進行擬合。同（4），對非戶籍人口增長率做處理，利用Matlab擬合得到擬合函數（程序見附錄Ⅰ）</p><p>　　其中，,其殘差圖及預測圖如圖4.</p><p>　　圖4 非戶籍人口預測圖及殘差圖</p><p><b>　　對求指數得 </b></p><p><b>　?。?）</

38、b></p><p><b>　　（9）</b></p><p>　　2.3 (t)的計算</p><p>　　定義，通過計算得到從1979年到2010年的值(表1)：</p><p><b>　　表1的值</b></p><p>　　利用灰色模型求解得出未來十年的表達

39、式[8]。</p><p>　　利用Matlab計算得（附錄Ⅱ）， 預測值為</p><p><b>　?。?0）</b></p><p>　　其中，百分絕對誤差為：7.417%，回歸性較好，說明使用灰色模型預測是合理的。如圖5，實際值和預測差異性較小。</p><p><b>　　圖5 轉籍率預測圖</

40、b></p><p>　　2.4 由（1）式~（10）式建立模型Ⅰ</p><p><b>　?。?1）</b></p><p>　　利用模型Ⅰ求解(附錄Ⅲ)得到2011年~2020年的人口如（表2）</p><p>　　表2 戶籍人口預測值</p><p>　　2.5 值修正轉籍率，建立模

41、型Ⅱ</p><p>　　2.5.1 非戶籍人口變化趨勢，利用曲線擬合的方式求解，由于產業(yè)結構的變化會導致人口的變化跟城市的經濟發(fā)展存在關聯，本文參考中國的人口發(fā)展趨勢和香港的發(fā)展趨勢，由于深圳的發(fā)展和香港的發(fā)長歷史相似[9]，故引用香港的人口發(fā)展趨勢與之作比較，得出在經濟轉型時期人口會在短時間內增加。另一方面，由于深圳市戶籍政策的轉變，所以非戶籍的轉籍率也會發(fā)生相應的變化。根據相關信息，從2012年開始的一段時

42、間內，人口的增長和轉籍率將會發(fā)生變化。</p><p>　　20世紀70年代，香港經濟開始由轉口貿易向以制造業(yè)為基礎的金融，旅游，航運等多元化發(fā)展。</p><p>　　圖6 香港第一次經濟轉型與人口變化</p><p>　　在這一段時間（1976-1984）內人口的增長滿足函數：</p><p><b>　?。?2）</b&

43、gt;</p><p>　　通過Excel分析R2 = 1,其擬合精度高。函數擬合與實際值相等，而對于增長率的計算采取年為基本單位，則利用Excel做的基本分析可以再此采用。</p><p>　　2.5.2 20世紀90年代香港經濟開始由勞動密集型向技術密集型和由一般技術低增值向高技術高增值產品的轉變。在這一時期，人口的增長率和第一次經濟轉型一樣，人口增長率和人口數量都產生了巨大的變化，一

44、段時間后又回到一般的增長水平。和人口數量都產生和人口數量都產生了巨大的變化，一段時間后又回到一般的增長水平。</p><p>　　圖7 香港第二次經濟轉型的人口增長率變化</p><p>　　在這樣時間內，其增長率滿足</p><p>　?。?3）與2.5.1分析相同，在圖7所示的時間范圍內，R2 = 1，擬合精度較高，可以采用該擬合函數。</p>&

45、lt;p>　　2.5.3 和香港一樣，深圳在20世紀末，到21世紀初由轉口貿易向以制造業(yè)為基礎的金融、旅游、航運等多元化發(fā)展，其變化人口增長和香港相似。</p><p>　　圖8 深圳第一次經濟轉型的人口增長率變化</p><p>　　其變化形式在這一時間內滿足一個一元四次函數</p><p><b>　?。?4）</b></p&g

46、t;<p>　　與2.5.1分析相同，在圖8所示的時間范圍內，R2 = 1，擬合精度較高，可以采用該擬合函數。</p><p>　　2.5.4 利用香港人口增長數據，分析經濟轉型對人口的増長的影響。根據深圳十二五規(guī)劃的人口政策，在2015年，總人口控制在1100萬以內，戶籍人口在400萬以內。所以在未來的3年內，深圳市的轉籍率會在短時間內增加，但到達一定值時會逐漸回到正常水平。由2.5.3~2.5.

47、2可以看出，經濟轉型對人口的影響周期在4~5年，在第3年左右時影響達到最大。利用模型一求解得</p><p>　　; （15）</p><p>　??； （16）</p><p>　　在這三年內因為

48、經濟轉型而政府政策調整導致的人口增長為p.設為影響人口變化的有關因子。為2012~2015年的有關因子。記</p><p><b>　　則</b></p><p><b>　?。?7）</b></p><p>　　解得 </p><p>　　由香港的產業(yè)結構變化及深圳在第一次經濟轉

49、型是相似的，因此深圳在十二五期間的轉籍率的變化滿足一元多項式，而且大約在2013年是達到最大，則</p><p><b>　?。?8）</b></p><p>　　此外，深圳十二五規(guī)劃開始于2011年，從而可以計算出</p><p><b>　?。?9）</b></p><p><b>　

50、?。?0）</b></p><p>　　利用一元二次函數擬合的變化趨勢，即有</p><p><b>　?。?1）</b></p><p>　　則 </p><p><b>　?。?2）</b>&l

51、t;/p><p>　　利用式子求出的表達式為</p><p><b>　?。?3）</b></p><p>　　利用因子改進模型Ⅰ得到模型Ⅱ： </p><p><b>　　（24）</b></p><p><b>　?。?5）</b></p>

52、<p>　　模型Ⅰ戶籍人口修正后求解得(附錄Ⅲ)：</p><p>　　表3 模型修正后的戶籍人口</p><p>　　修正后的人口變化圖9所示，在2015年前的人口增長加快，這是深圳市人口政策的必然結果。</p><p>　　圖9 修正戶籍人口與原戶籍人口比較圖</p><p>　　2.6 模型Ⅱ求解得到非戶籍人口，然后建立模

53、型Ⅲ</p><p><b>　　(26)</b></p><p>　　然后利用Matlab求解得出每一年的年末常住人口(附錄Ⅴ)。求解結果為</p><p>　　Zrk=[1055.35 1070.9306 1084.9555 1097.2885 1108.251 1120.219 1131.3544 1141.8254 1151.801

54、 1161.3196] （如表4） </p><p>　　表4總人口 預測代碼表</p><p>　　利用Matlab作圖，得到年末常住人口，戶籍人口非戶籍人口（如圖10）</p><p>　　圖10 戶籍人口、非戶籍人口、總人口比較圖</p><p>　　從圖10可以看出，深圳戶籍人口、總人口不斷增加，但非戶籍人口在不斷減少，這剛好符合深圳

55、人口變化特征及經濟發(fā)展的實際情況。</p><p>　　. 3 影響出生率的三個因素</p><p><b>　　3.1 人口老齡化</b></p><p>　　(1) 幾個有關的定義[1,7]：</p><p><b>　　(27)</b></p><p>　　(2) 利用

56、2000年、2005年、2010年人口數據分析，其老齡化變化如圖11：</p><p>　　圖11 老齡化系數、少年兒童系數、老齡化系數變化圖</p><p>　　從圖像可以看出，老齡化系數上升而少年兒童系數下降，從這里可以看出，深圳將步入老齡化。又因為深圳人口中非戶籍占有人口中較大的份額，所以經濟轉型后，深圳步入老齡化的速度加劇。</p><p><b>

57、;　　3.2 性別結構</b></p><p>　　(1)性別比的定義[7]</p><p><b>　　(28)</b></p><p>　　(2)根據深圳統計年鑒數據，計算性別比，其變化如圖12</p><p>　　圖12 性別比變化趨勢</p><p>　　由圖12看出，性別比逐

58、漸減小，女性人數越來越少，男性越來越多。一般地，當男女比例為100:109時最為正常的性別比例[14]。圖12中可以看出，2009年性別比為100：88.07，男女比例已經嚴重失調。</p><p><b>　　3.3 年齡結構</b></p><p>　　利用2000年、2005年、2010年的人口數據，計算各年齡組占總人口的比例，利用Excel繪出圖13，以更加清

59、晰看出年齡分布情況。</p><p>　　圖13 年齡組人數分布及年齡組人數比里分布</p><p>　　考察年齡組分布情況，計算個年齡組占總人口的比例，并利用2000年、2005年、2010年的人口數據研究年齡組所占比例的變化情況，得到圖13所示的變化情況（附錄Ⅵ）。</p><p>　　圖14 各年齡組占總人數的變化情況</p><p>

60、　　從圖14可以看出，各年齡組的比例均在變化，其中15~24歲所占比例下降，35~44歲比例上升。根據深圳發(fā)展及實際情況選擇2010年人口年齡結構為基礎，求解各年齡組生育率。即得到各年齡組女性所占總人口比例（如表5）。</p><p>　　表5 年齡組分布比例</p><p>　　一般地，大多數的育齡女性選擇20歲~34間生育，而且人體的最佳生育時期也在這一階段，根據深圳統計年鑒，深圳生育

61、一胎率高達91.54%，計劃生育率99.17%，所以可以把深圳生育近似看為一女一胎[12]。再將15~24歲看著一個生育年齡組，35~44歲看做一個生育年齡組，就可以建立生育年齡組的求解模型。</p><p>　　3.4 老齡化及性別比對人口增長的影響</p><p>　　人口增長由死亡、出生、遷入三大條件決定。生育受育齡及育齡女性人數限制，在一個人口總體中，老齡化日益嚴重以及性別比例越來

62、越低將影響人口出生率。隨著性別比例的下降，導致出生率降低，加上醫(yī)療條件日漸完善又導致老齡化加劇，老齡化加劇又導致生育年齡比例下降，從而又再次引起出生率進一步降低。</p><p>　　圖15 出生率降低關系圖</p><p><b>　　4 模型評價</b></p><p><b>　　4.1 模型優(yōu)點</b></p

63、><p>　　該模型使用時間序列的累加辦法，考慮出生率與死亡率以及戶籍人口與非戶籍人口的轉籍率來改進模型，使得結果更接近實際值。另一方面，利用中國人口和香港人口的變化情況，得出人口將會在經濟轉型的時間內發(fā)生變化。深圳的經濟發(fā)展經歷轉口貿易，制造業(yè)為主的第二產業(yè)發(fā)展兩個階段，在十二五期間將開始有制造業(yè)向以科技技術為主的高科技產業(yè)發(fā)展。根據深圳十二五規(guī)劃可知，深圳的戶籍政策會在這一段時間內調整，戶籍人口會在短期內增加。對

64、此，本文引入因子進行修正，得到更為準確的的預測值。由于影響轉籍率有許多的不確定因數，故利用灰色模型對轉籍率進行預測，從而使得模型更加的客觀。 </p><p><b>　　4.2 模型的缺點</b></p><p>　　本文在建立模型時，對出生率采用近幾年的出生率的平均值來近似計算，從而產生較大的誤差；其次，本文在考慮經濟轉型對人口的影響時，引用《深圳十二五規(guī)劃》中戶

65、籍人口的上限，這有些主觀化，缺少客觀性。本文涉及計算皆由Excel或Matlab進行計算，這其中的近似計算會導致誤差并會在計算中不斷積累，出現累積誤差，進而影響結果的準確性。</p><p><b>　　4.3 模型的改進</b></p><p>　　4.3.1出生率計算的改進</p><p>　　考慮性別比、年齡結構、各年齡組間的生育率。記1

66、5歲～19歲生育年齡組1，…，35歲～39歲生育年齡組4 .[13]則有</p><p><b>　　(29)</b></p><p>　　其中為第i個年齡組的女性人數，為第i個年齡組女性的生育概率，為第i個年齡組女性的總人數。又有</p><p><b>　　(30)</b></p><p>&l

67、t;b>　　(31)</b></p><p>　　（1）利用人口數據，預測性別比，性別比如圖16</p><p>　　圖16 性別變化趨勢</p><p><b>　　(32)</b></p><p>　?。?）各年齡組女性比率求解</p><p>　　現利用2000年、2005

68、年、2010年的人口數據來求解。根據圖13，考察年齡組分布情況，計算個年齡組占總人口的比例，并利用2000年、2005年、2010年的人口數據研究年齡組所占比例的變化情況，得到圖13所示的變化情況。從圖13可以看出，各年齡組的比例均在變化，其中15~24歲所占比例下降，35~44歲比例上升。根據深圳發(fā)展及實際情況選擇2010年人口年齡結構為基礎，求解各年齡組生育率。得到各年齡組女性所占總人口比例如表5。一般地，大多數的育齡女性選擇20歲

69、~34間生育，而且人體的最佳生育時期也在這一階段，根據深圳統計年鑒，深圳生育一胎率高達91.54%，計劃生育率99.17%，所以可以把深圳生育近似看為一女一胎。再將15~24歲看著一個生育年齡組，把35~44歲看做一個生育年齡組，便使得計算簡便許多。更近一步，假設年齡組分布符合對數正態(tài)分布情況，其對數正態(tài)分布密度函數為</p><p><b>　?。?3）</b></p>&l

70、t;p>　　采用極大似然估計來估計得</p><p><b>　?。?4）</b></p><p>　　利用2000年、2005年、2010年的年齡數據求解得:</p><p><b>　　（35）</b></p><p>　　取三年的平均值建立指數分布密度函數為</p><

71、;p><b>　?。?6）</b></p><p>　　然后根據密度分布函數可計算出年齡組分布概率。</p><p>　?。?） 根據實際情況，計算各年齡組的生育率，建立生育率預測模型。</p><p><b>　　4.4模型的推廣</b></p><p>　　更一般地，對于中國的許多大城市，

72、在沿海一帶的城市，具有大量非戶籍人口；在西部內陸的城市，具備的非戶籍人口較少。但是隨著經濟的發(fā)展，大量的第二產業(yè)向內部遷移，沿海城市開始以第三產業(yè)為主，人口機構人口素質將會長生巨大的改變。本文引入轉籍率，其實是根據生物學中的生態(tài)系統的單種群模型，從出生率、死亡率、遷入人口、遷出人口來預測人口變化。所以這一模型在適當修正后適合會適合于一般的城市。就貴陽而言，隨著城市化進程的到來，貴陽市戶籍人口，流動人口將會空前變化，就像深圳、香港一樣，人

73、口增長的第一高峰期將要或是已經到來，但是隨著城市的發(fā)展，將會進入較為緩慢的增長期。 </p><p>　　4.5 給相關部門的一些建議</p><p>　　人口問題是每一個城市的基本問題，同時也是極其重要的一個問題。處理好人口問題，會給城市的其他問題帶來許多好處。對此，根據本文研究，提出以下幾點建議：</p><p>　　首先，由于老齡化日益加劇，居民養(yǎng)老的相關問題

74、應該得以落實。解決好養(yǎng)老問題，才能保證其他工作的有序進行。</p><p>　　其次，醫(yī)療設施的合理安排。隨著人口的增長，戶籍人口的變化，相應的醫(yī)療設施必須得跟上人口變化的需要。相關部門在處理醫(yī)療設施問題時，應著眼于未來人口的變化趨勢，合理安排，保證每一個居民的合法利益。</p><p>　　最后，基礎設施的建設。相關部門在基礎設施的建設時，應當著眼于未來，對道路、供水、電力以及居民的體育

75、文化設施應考慮人口變化的需求，合理建設，長遠發(fā)展。 </p><p><b>　　成 果 聲

76、 明</b></p><p>　　本人鄭重聲明：所呈交的學位論文，是本人在導師的指導下，獨立進行研究所取得的成果。除文中已經標明注釋的以外，該成果屬作者獨創(chuàng)；該成果屬貴州民族大學所有。本人完全意識到本聲明的法律責任由本人承擔。</p><p>　　論文作者簽名：          

77、;     日  期：                 </p><p><b>　　致謝</b></p><p>　　本論文是在

78、吳老師的精心指導下完成的。在此我謹向吳老師表示最衷心地感謝! 感謝吳老師自開始寫作以來給予我在學習和論文研究上的關心和指導。寫作期間在導師的嚴格要求和精心指導下，不僅順利地完成了論文，而且導師滿腔的工作熱情和嚴謹的治學風范使我受益匪淺。老師學識淵博，勤奮務實的工作作風，忘我的工作熱情，勇于創(chuàng)新的探索精神和嚴謹治學的科研態(tài)度給予我莫大的啟迪，在此期間既培養(yǎng)了我分析問題和研究問題的能力,更重要的是，導師嚴謹的科研作風和奉獻精神培養(yǎng)了學生正確

79、的人生觀 世界觀和價值觀。</p><p>　　最后，我謹向大學四年教授我的專業(yè)課的老師和所有關心幫助、支持我的各位老師和同學、朋友表示誠摯的謝意！</p><p><b>　　參考文獻</b></p><p>　　[1]〔美〕G·H·弗里德，G·J·黑徳莫若斯，田清淶，（譯），殷營（譯），馬洌（譯），李

80、云蘭（校），田清淶（校）.生物學[M].北京，科學出版社</p><p>　　[2] 宋杰，祝長.Lisie人口增長模型在韶關市人口老齡化趨勢預測中的應用[J].湖南工業(yè)大學學報，2012年04月</p><p>　　[3] 2010年深圳市年鑒副本962915473885.xls-59,[EB/QL]. http://www.szhpfpc.gov.cn,2012，11</p>

81、;<p>　　[4]鄧集賢，楊維權.概率論及數理統計[M].高等教育出版社,2009</p><p>　　[5] 趙靜，但琦，嚴尚安，楊秀文.數學建模與數學實驗[M].第三版，北京，高等教育出版社，2008.1.</p><p>　　[6] 陳杰，MATLAB寶典[M].北京，電子工業(yè)出版社，2007.1.</p><p>　　[7] 靳德明，彭衛(wèi)東，

82、史紅梅.現代生物學[M].出版地：北京，高等教育出版社，2000.</p><p>　　[8] 周博，謝東來，張憲海.MATLAB科學計算[M].出版地：北京，機械工業(yè)出版社，2010.5.</p><p>　　[9] 香港歷年經濟數據一覽（1961—2009年）[EB/QL]. http://www.chinadmd.com</p><p>　　[10] Fran

83、k R.giordano,William P.Fox,Steven B.Horton,Maurice D.Weir.數學建模[M]第1版.北京，機械工業(yè)出版社，2009.8.</p><p>　　[11] 姜啟源，謝金星，葉俊.數學模型[M].北京，高等教育出版社，2011年1月第4版,249-276.</p><p>　　[12] 深圳市人口與計劃生育委員會[EB/QL]. http:/

84、/www.szhpfpc.gov.cn.</p><p>　　[13] 張春海，孫建.我國人口年齡結構、儲蓄效應與經濟增長[J].西北人口.2012年06期</p><p>　　[14] 張全屯，李素清. 應用生態(tài)學,[M].北京，科學出版社，2003.</p><p><b>　　附錄</b></p><p>　　附錄

85、Ⅰ:轉籍率 預測代碼</p><p>　　1.1：y=[30.6494 31.5898 32.8088 34.9233 40.1698 43.1801 47.4527 51.0151 55.1423 59.4830 64.1298 67.7604 72.2399 79.2763 86.6465 92.8781 98.0543 102.2746 108.3421 113.5292 118.7234 123.4353

86、 130.4563 137.3942 149.5615 163.3886 179.7610 194.4209 209.2102 224.6489 237.9725]</p><p>　　1.2：% 本程序主要用來計算根據灰色理論建立的模型的 預測代碼值.</p><p>　　y=input('請輸入數據 ：');%輸入數據請用矩陣形式；</p><p&g

87、t;　　n=length(y);</p><p>　　yy=ones(n,1);</p><p>　　yy(1)=y(1);</p><p><b>　　for i=2:n</b></p><p>　　yy(i)=yy(i-1)+y(i);</p><p><b>　　end</b

88、></p><p>　　B=ones(n-1,2);</p><p>　　for i=1:(n-1)</p><p>　　B(i,1)=-(yy(i)+yy(i+1))/2;</p><p>　　B(i,2)=1;end</p><p><b>　　BT=B';</b></p

89、><p>　　for j=1:n-1</p><p>　　YN(j)=y(j+1);</p><p><b>　　end</b></p><p><b>　　YN=YN';</b></p><p>　　A=inv(BT*B)*BT*YN;</p><p

90、><b>　　a=A(1)</b></p><p><b>　　u=A(2)</b></p><p><b>　　t=u/a</b></p><p>　　t_test=input('請輸入需要 預測代碼個數：');</p><p>　　i=1:t_test

91、+n;</p><p>　　yys(i+1)=(y(1)-t).*exp(-a.*i)+t;</p><p>　　yys(1)=y(1);</p><p>　　for j=n+t_test:-1:2</p><p>　　ys(j)=yys(j)-yys(j-1);</p><p><b>　　end</

92、b></p><p><b>　　x=1:n;</b></p><p>　　xs=2:n+t_test;</p><p>　　yn=ys(2:n+t_test);</p><p>　　plot(x,y,'^r',xs,yn,'*-b');</p><p>&l

93、t;b>　　det=0;</b></p><p><b>　　for i=2:n</b></p><p>　　det=det+abs(yn(i)-y(i));</p><p><b>　　end</b></p><p>　　det=det/(n-1);</p><

94、;p>　　disp(['百分絕對誤差為：',num2str(det),'%']);</p><p>　　disp([' 預測代碼值為： ',num2str(ys(n+1:n+t_test))])</p><p>　　附錄Ⅱ：戶籍人口的計算</p><p>　　function h=h(i)</p>

95、<p><b>　　h=267.9</b></p><p>　　R=[0.050692 0.050182 0.049677 0.049177 0.048682 0.048192 0.047707 0.047226 0.046751 0.04628]</p><p>　　for i=1:10</p><p>　　h=[

96、1+13.42222*10^(-3)-7*10^44*exp(-0.0548*(i+2010))+R(i)]*h</p><p><b>　　k=i+2010</b></p><p><b>　　end</b></p><p><b>　　運行結果：</b></p><p>　

97、　2011 2012 2013 2014 2015 2016 </p><p>　　266.8823 283.6133 301.2637 319.8759 339.4935 360.1620 </p><p>　　2017 2018 2019 2020<

98、/p><p>　　381.9282 404.8403 428.9488 454.3051 </p><p>　　Plot（I,H） </p><p><b>　　end</b></p><p>　　附錄Ⅲ：修正后的模型（戶籍）程序</p><p>　　function h=h(i)<

99、/p><p><b>　　h=251.03</b></p><p>　　R=[0.050692 0.050182 0.049677 0.049177 0.048682 0.048192 0.047707 0.047226 0.046751 0.04628]</p><p>　　for i=1:10</p><p><

100、b>　　if i>5</b></p><p>　　h=[1+13.42222*10^(-3)-7*10^44*exp(-0.0548*(i+2010))+R(i)*h</p><p><b>　　k=i+2010</b></p><p>　　else h=[1+13.42222*10^(-3)-7*10^44*exp(

101、-0.0548*(i+2010))+R(i)-1.8095*10^(-7)*(i+2010)^2+7.285*10^(-4)*(i+2010)-0.6952]*h</p><p><b>　　k=i+2010</b></p><p><b>　　end </b></p><p><b>　　end</

102、b></p><p>　　附錄Ⅳ：非戶籍人口程序：</p><p>　　function fh=fh(i)</p><p>　　fh=786.17;</p><p>　　R=[0.050692 0.050182 0.049677 0.049177 0.048682 0.048192 0.047707 0.047226 0.046751

103、 0.04628];</p><p>　　p=[0.0217 0.0190 0.0168 0.0147 0.0130 0.0114 0.0100 0.0088 0.0078 0.0068];</p><p>　　h=[276.4289 304.2711 334.7787 368.1932 404.7764 429.4193 455.3711

104、482.689 511.4334 541.6657];</p><p>　　for i=1:10</p><p><b>　　if i>5</b></p><p>　　fh=fh*(1+p(i))-R(i)*h(i)</p><p><b>　　else</b></p>&

105、lt;p>　　fh=fh*(1+p(i))-(R(i)-1.8095*10^(-7)*(i+2010)^2+7.285*10^(-4)*(i+2010)-0.6952)*h(i)</p><p><b>　　end</b></p><p><b>　　k=i+2010</b></p><p><b>　　e

106、nd</b></p><p><b>　　運行結果</b></p><p>　　fh=[778.7046 766.6595 750.1768 729.0953 703.4746 690.7997 675.9833 659.1364 640.3677 619.6539]</p><p>　　附錄Ⅴ：總人口計算代碼&l

107、t;/p><p>　　function zrk=zrk(i)</p><p>　　h=[276.4289 304.2711 334.7787 368.1932 404.7764 429.4193 455.3711 482.6890 511.4334 541.6657];</p><p>　　fh=[778.7046 766.6595 750.176

108、8 729.0953 703.4746 690.7997 675.9833 659.1364 640.3677 619.6539];</p><p>　　for i=1:10</p><p>　　zrk=h(i)+fh(i)</p><p><b>　　k=i+2010</b></p><p><b&

109、gt;　　end</b></p><p><b>　　計算結果：</b></p><p>　　zrk=[ 1055.35 1070.9306 1084.9555 1097.2885 1108.251 1120.219 1131.3544 1141.8254 1151.801 1161.3196</p><p>　　附錄Ⅵ：年齡組

110、比率變化圖代碼：</p><p>　　y1=[0.147167766 0.138840524 0.074585185];</p><p>　　y2=[0.249968789 0.235474258 0.190378435];</p><p>　　y3=[0.20230806 0.17113973 0.175881277];</p><p>

111、;　　y4=[0.134844313 0.147419101 0.129862806];</p><p>　　y5=[0.076689394 0.101882595 0.11412648];</p><p>　　y6=[0.03547496 0.060366697 0.087907571];</p><p>　　x=[2000 2005 2010];</p&

112、gt;<p>　　subplot(2,3,1);</p><p>　　plot(x,y1);title('15-19Ëê');axis([1999,2010,0,0.25])</p><p>　　subplot(2,3,2);</p><p>　　plot(x,y2);title('20-24Ë&#

113、234;');axis([1999,2010,0,0.25])</p><p>　　subplot(2,3,3);</p><p>　　plot(x,y3);title('25-29Ëê');axis([1999,2010,0,0.25])</p><p>　　subplot(2,3,4);</p><

114、p>　　plot(x,y4);title('30-34Ëê');axis([1999,2010,0,0.25])</p><p>　　subplot(2,3,5);</p><p>　　plot(x,y5);title('35-39Ëê');axis([1999,2010,0,0.25])</p>

115、<p>　　subplot(2,3,6);</p><p>　　plot(x,y6);title('40-44Ëê');axis([1999,2010,0,0.251])</p><p>　　附錄Ⅶ：死亡率預測函數運行結果</p><p><b>　　stats =</b></p>&

116、lt;p>　　0.8964 250.9513 0.0000 0.0297</p><p><b>　　b =</b></p><p><b>　　1.7221</b></p><p><b>　　-0.0548</b></p><p><b>　　

117、bint =</b></p><p>　　1.5924 1.8518</p><p>　　-0.0619 -0.0477</p><p>　　附錄Ⅷ：非戶籍人口增長率預測代碼</p><p>　　p=[-1.234117869-0.59988416 -1.499982627-1.133064835-1.25951

118、1969-2.322356347-2.472836583-2.280976297-2.176709217-2.293884088-2.086939692-3.571034726-3.700643996-3.404612466-4.321625202-4.137205855-3.122372667-3.266361725-3.284543571-3.2791227 ]';</p><

119、;p>　　t=[11:1:30]';</p><p>　　T=[ones(20,1) t];[b,bint,r,rint,stats]=regress(p,T);</p><p>　　b,bint,stats,r,rint</p><p>　　plot(t,p,'k+',t,z,'r')</p><p

120、>　　subplot(1,2,1); %選擇2×2個區(qū)中的1號區(qū)</p><p>　　rcoplot(r,rint);title('殘差分析圖');axis ([11,30,-5,5])</p><p>　　subplot(1,2,2)</p><p>　　z=b(1)+b(2)*t;</p>&l

121、t;p>　　plot(t,p,'k+',t,z,'r');title(' 預測圖');axis ([11,30,-4.1,-1.2])</p><p>　　附錄Ⅸ 非戶籍增長率的計算代碼：</p><p>　　function p=p(i)</p><p>　　for i=1:10</p><