西南大学A李嘉谢勇陈万里唐志能.doc

2007高教社杯全国大学生数学建模竞赛承 诺 书我们仔细阅读了中国大学生数学建模竞赛的竞赛规则.我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）： 西南大学 参赛队员 (打印并签名) 1. 谢勇 2. 陈万里 3. 唐志能 指导教师或指导教师组负责人 (打印并签名)： 李嘉 日期： 07 年 09 月 24 日赛区评阅编号（由赛区组委会评阅前进行编号）：2007高教社杯全国大学生数学建模竞赛编 号 专 用 页赛区评阅编号（由赛区组委会评阅前进行编号）：赛区评阅记录（可供赛区评阅时使用）：评阅人评分备注全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：中国人口增长预测模型 摘要无论是对于中国目前的经济发展状况还是未来的远景规划，人口问题的研究都具有十分重要的意义。本文针对中国现行人口政策下，人口发展过程中出现的诸多新特点（如人口老龄化，社会劳动率下降等），提出了一种基于综合多因素分析，预测人口发展趋势，人口各项指数变化规律与政策方案实施的数学模型矩阵乘法模型。这种方法概括起来就是：把现有的分年龄分性别人口数处理成矩阵，分年龄分性别的存活率与修改后的生育率构成方阵，的乘积所产生的列矩阵，就是按预测初始年人口年龄分组的组距所确定的第一个预测周期末的人口。矩阵乘法模型对于预测近二十年人口数量增长较为精细，因此我们直接用它来进行中短期人口增长预测，并由题中所给样本数据得出了中国2006年女性人口预测表，以及从2006到2015年中国人口增长趋势表等。但是由于矩阵乘法模型没有考虑到国家政策等因素的影响，因此在分析了国家人口数量的可能走向后，我们决定对矩阵模型进行优化。在查找了相关文献资料后，结合中国具体国情，我们给出适合国家发展的选择性总和生育率，取为1.8，再据此分别算出各年龄组修正生育率，以及通过对突变数据的过滤性筛选，再对中国人口数量增加作出预测。于是，在对原来用于中短期人口预测的数学模型矩阵乘法模型进行优化之后，我们就将它用来对长期人口增长进行预测，并由此得到从2006到2055年50年间中国人口增长曲线及统计表格，并由此对中国人口增长的长期趋势做出数量上的合理预测。优化后的矩阵乘法模型用于长期人口预测，对于预测五十年左右人口数量精确度较高。该模型中选择了人口各项指数发展较为平稳的年份的人口数据（资料与数据主要为2005年的中国人口年鉴，并以各年的中国人口年鉴做为参考），并对于题中所给数据中的“突变”数进行了选择性过滤，对于数据中“稳定变化的数据” 做了确定分析，以尽量提高其精确度。关键词： 矩阵乘法模型 存活率 分组年龄生育率 女婴出生比重 一、问题重述中国是世界上人口最多的发展中国家，新中国成立后,中国人口进入飞速发展阶段。但80年代以后实施的计划生育,使人口膨胀得到了有效的控制。实行近30年来,使中国少出生3 亿多人,节约家庭社会抚养费7 亿多元。为中国现代化建设、全面实现小康社会打下了坚实的基础,同时也为世界人口控制做出了杰出贡献。但是由于中国人口基数大,人口增长问题依然十分严峻。19901999年每年平均净增长人口约1300万,这对中国社会和经济产生了巨大压力。在中国现代化进程中必须实现人口与经济、社会、资源、环境协调发展和可持续发展,必须进一步控制人口数量,提高人口质量,改善人口结构。因此,准确预测未来50 年人口数量演化规律,能够为中国经济和社会发展的重大决策提供科学依据,这对加速推进中国现代化建设有着极为重要的现实意义。中国是一个人口大国，人口问题始终是制约中国发展的关键因素之一。根据已有数据，运用数学建模的方法，对中国的人口做出分析和预测是一个重要问题。近年来中国的人口发展出现了一些新的特点，例如，老龄化进程加速、出生人口性别比持续升高，以及乡村人口城镇化等因素，这些都影响着中国人口的增长。试从中国的实际情况和人口增长的上述特点出发，参考题中所给的相关数据（也可以搜索相关文献和补充新的数据），建立中国人口增长的数学模型，并由此对中国人口增长的中短期和长期趋势做出预测；特别要指出所建模型中的优点与不足之处。二、问题假设1、假设中国的人口没有迁入和迁出，在一定时期内人口流向是封闭的，即只由中国某地区移向另一地区。（中国向国外及国外向中国移民较少，忽略不计）2、假设只存在农村向城市的人口迁移。（城市向农村移民较少，对比农村向城市移民可忽略）3、假设无大规模灾难及大规模威胁人生命的的疾病爆发，人口的消长都是自然的。4、假设各个年龄段的妇女比例在一段时间内是不变的。5、假设生存空间及资源相对人口数量较为充裕，人们基本上可以自由生育。(即人口的增长不受资源制约，且资源结构相同)6、假设题中所给样本能够反映全国总人口的特征。如出生人口性别比、男女性别比、存活率等。7、假设分年龄分性别人口存活率和妇女分年龄生育率在整个预测周期内（若干预测周期）不发生变化。8、假定婴儿出生性比重，分年龄分性别人口存活率和妇女分年龄生育率在整个预测周期内（若干预测周期）不发生变化。三、问题分析近年来中国人口老龄化进程加速、出生人口性别比持续升高，以及乡村人口城镇化等因素，都影响着中国人口的增长。从以下这些图表中就可以清晰地看出中国目前的人口国情。 老年人比例表年份20012002200320042005老龄人比例（）7.53577.89708.25098.7139.080表 一从表一和图一中我们可以清晰的看出，中国人口老龄化比例近年来近似呈直线增长，人口老龄化问题在中国已经成为一个不容忽视的问题，并且随着医学的发展以及医疗体系的完善，在相当长的一段时间内我们国家人口老龄化将更加显著。中国老年人口数量多、老龄化速度快、高龄趋势明显，也是世界上老年人口最多的国家。人口老龄化将导致抚养比不断提高，对社会保障体系和公共服务体系的压力加大，并影响到社会际关系的和谐。农村社会养老保障制度不健全，青壮年人口大量流入城市，使农 图 一 图 二 村老龄化形 势更为严峻。尤其要关注庞大老年人群中的贫困化和边缘化问题。图二是出生人口性别比例表，从左表中我们可以得出如下的结论：在最近的十几年里，不管是在市、镇还是在乡村都存在这样一个问题，男女比例严重失调，不符合生物理论中的自然生育率，其中主要原因还是由于传统的重男轻女的观念左右着人们。最严重的还是乡村地区，从表二看到在过去的十几年里乡村人口的比例都维持在一个比较高的水平，考虑到农村的地理位置以及环境的特殊性，预计在将来的一段时间内还将维持这种状态。这只是我们根据历史数据进行的分析在后面我们将会进行深入的研究。20012005年市镇乡人口比例年份地区20012002200320042005市0.24200.26160.26020.25820.2772镇0.12970.12550.15220.15360.1713乡0.62830.61290.58760.58820.5515表 二图 三由表二和图三中的数据，可以看出近年来乡村人口城镇化进程持续走高，能够很清楚的感觉到国家走向现代化的步伐正在加速。这不仅是由于大量农村户口涌入城市成为城市市人口，而且也因为全国范围内很多乡村也在逐步实现城镇化，原来的农村人口就直接转变成了城市人口。上图中，我们可以看到，乡村人口仍然占据中国总人口的大多数，但近年来乡村人口所占比重在逐年下降，而城镇人口在逐年上升，并且这种趋势在逐年加强，显然人口 城镇化进程在加速。 左图表示的是在除2000外的十年内，市、镇、乡育龄妇女生育率的千分比随年份的变 图 四 化，在上图中我们看到镇育龄妇女的生育率在1998年出现较大幅度的跨越，可考虑为统计数据的异常，不真实的情况故将其剔除，利用matlab对数据拟合、插值可以得出2000年市育龄妇女、镇育龄妇女、乡育龄妇女生育率的千分比分别为（33.59、27.66、48.25） 总体上可以看出妇女生育率呈现出下降的趋势，这种趋势在一段时间内还将继续，得益于国家对人口的宏观调控、以及计划生育计划实施的显著成效，自计划生育实施以来中国人口得到了明显的控制，人口素质也从根本上得到了提高。 由图五可看出，乡村妇女生育年龄普遍高于城镇妇女生育年龄，乡村妇女生育年龄高峰为23岁左右，城镇女性生育年龄高峰为24岁左右。这是由长期以来由于历史和传统因素所形成的意识与风俗所决定的，其导致乡村妇女婚育年龄提前于城镇女性，尤其是城市女性。 图 五图 六 四、符号说明及名词解释1、符号说明：第t预测周期末的人口数列矩阵：预测初始年分年龄分性别人口数列矩阵：预测初始年各年龄组女性构成的一个列矩阵 ：t年中年龄下限是岁的人口数：下限值是岁的人活到岁的存活率：预测初始年组距为1，年龄组下限值是0，1，89，90岁妇女分年龄生育率：年后某年龄组死亡率：死亡系数：该年龄组实际死亡率2、名词解释存活率：所谓存活率，就是某一时点某年龄组的人，在年后仍然活着的比例。存活率可分为实际存活率和生命表存活率。实际存活率需要较完备的分年龄性别的人口历史资料计算。在没有在没有合适的资料情况下，可以利用现成的生命表计算成活率。人口老龄化：指人口中老年人比重日益上升的现象。 促使人口老龄化的直接原因是生育率和死亡率降低，主要是生育率降低。一般认为，如果人口中65岁及以上老年人口比重超过7%，或60岁及以上老年人口比重超过10%，那么该人口就属于老年型。出生人口性别比：是活产男婴数与活产女婴数的比值，通常用女婴数量为100时所对应的男婴数来表示。正常情况下，出生性别比是由生物学规律决定的，保持在103107之间。总和生育率：一定时期（如某一年）各年龄组妇女生育率的合计数，说明每名妇女按照某一年的各年龄组生育率度过育龄期，平均可能生育的子女数，是衡量生育水平最常用的指标之一。 五、模型的建立及求解一、短期矩阵乘法预测模型模型的建立：把现有的分年龄分性别人口处理成列矩阵，分年龄分性别的存活率与修改后的剩余率构成方阵，的乘积所产生的列矩阵，就是按预测初始年人口分年龄分组的组距所确定的第一个预测周期末人口。那些的各次幂乘以就得到各项及预测周期末的分年龄分性别人口数。 =1，2，3，； 用矩阵乘法预测人口，使得以往预测人口的复杂运算变得简单明了。由于婴儿出生性比重，分年龄存活率都因性别不同而有差异，故预测人口应分性别进行。 模型一：女性人口矩阵乘法预测模型为了预测2006年样本中女性人口，我们由2005年出生人口，可得：1、女婴出生性别比=0.4576。2、女婴的存活率=0.9856。3、各年龄女性的存活率： .(附表 一) 由即由这个矩阵，就可以由第年的人口数预测出第年的人口数。假定生育率与死亡率不变并适用于未来，第二个预测周期末的人口将，也就是矩阵的 不同次幂乘以初始年年中人口数据矩阵，这样就可以得到各预测年中国人口数，不必再计算各周期中各年人口。如需预测初始年后年的人，只需计算出M的次方，然后计算就得到所需年分的预测人口数。下面就可应用矩阵乘法得到的中国2006年女性人口的预测表（见附件1）（注：第三栏是分年龄女性存活率。在本模型中，我们将城、镇、乡三者女性存活率取加权平均作为样本女性存活率）模型二：男性人口矩阵乘法预测模型用矩阵乘法预测男性人口，其表现形式略有不同。当年龄组距为1岁时，预测一年后0岁男孩人数的公式可写为： 式中代表由修正后的生育率构成的一个行矩阵，代表各年龄组的分年龄的妇女人数构成的列矩阵。预测一年以后一岁以上男性人口的矩阵可写为 P代表1年后1岁以上分年龄组男性人口数构成一个列矩阵，S代表由分年龄男性存活率构成的一个方阵，K代表由预测初始年分年龄男性人口数构成的一个列矩阵。即使考虑到未来生育率和死亡率的变化，我们仍可用矩阵乘法预测人口。例如：1981年中国总生育率是2.63，按这个生育水平发展，到1993年中国人口就会达到12亿，到2000年就会突破13亿。为了实现在本世纪中叶之前把中国人口控制在15亿内的战略目标，我们可以选择几个总和生育率值，用修正生育率进行预测（在一个预测时期内，个预测周期的生育率水平不变）或分段预测（一个预测时期内，几个预测周期是一个生育水平，令几个预测周期是另一个生育水平）。修正生育率的计算公式是：随着社会经济、医疗卫生、摄入会福利等方面的发展，必然会使死亡率下降。我们可以根据实际情况确定死亡衰减系数，然后计算未来年份的死亡率：模型的求解下面，我们就利用矩阵乘法模型来预测2006年到2015年的中国人口走势（即作出人口中短期预测）图 七（程序见附件三）由图七可以看出，在2006年到2015 年时间里，中国男性人口和女性人口一样，呈增长趋势，由涨到，女性人口数由涨到，妇女比男性增长快。在这段时间里，男性人口一直高于女性人口。人口比在短时间内不会得到明显改观，在未来男女人口比可趋于1 。 老龄人口的分布表（十万）2006200720082009201020112012201320142015男性8.28418.5378.8179.1199.4099.75310.01510.51210.94411.342女性8.8839.1679.4689.81510.16510.55610.94311.42511.93712.428表 三从上面的表格中我们可以看到在未来的10年，中国人口老龄化加快，老龄人口越来越多，抚养比上升，对社会保障体系和公共服务体系的压力加大，并影响到社会交际关系的和谐，高龄趋势明显，这可归咎于我们国家本身的人口基数，现有人口结构，还有医疗条件的改善，从中还可以看出女性老龄人口明显要比男性多。图 八（程序见附件四）据资料显示：2005年以后，新进入婚育年龄人口男性明显多于女性，婚姻挤压问题凸现，低收入及低素质者结婚难，所导致的社会秩序混乱将成为影响社会稳定的严重隐患。不过，从图知道这个问题将在2006年出现转机，人口出生性别比会由持续升高转变为平稳趋势再进一步转变为降低趋势，这主要由于现在在城市，很多父母已经在观念上转变重男轻女到男女平等，而且现在一直在提高妇女的地位，妇女已经在很多方面更适合这个社会，而且妇女比重的上升必将导致未来人口的上升。图 九（程序见附件 五）由上图，我们可以看到，从20062015年，120岁年龄阶段人口将呈下降趋势，在2015年左右将达到一个稳定期；2140岁年龄阶段人口将呈平稳趋势，波动不大；4160岁年龄阶段人口将呈上升趋势，将在2013年左右达到一个稳定期。由此，我们可以预测，从2006年起的未来十年内，老年人口在社会总人口中的比重将持续增大，在2014年左右达到一个峰值。这预示着我们如果要维持社会稳定，就必须在2014年之前完善各项老年人赡养机制，切实落实好各项政策，以保障老年人的各项合法权益。二 长期矩阵乘法预测模型模型的建立长期矩阵乘法预测模型与短期矩阵乘法预测模基本一致。也是把现有的分年龄分性别人口处理成列矩阵，分年龄分性别的存活率与修改后的剩余率构成方阵，的乘积所产生的列矩阵，就是按预测初始年人口分年龄分组的组距所确定的第一个预测周期末人口。那些的各次幂乘以就得到各项及预测周期末的分年龄分性别人口数。 =1，2，3，； 模型的求解预测自2005年开始的50年后的样本人口数量变化情况 图 十（程序见附件六）这个抽样调查表能间接得反映中国的人口的情况，将在2023年左右达到最大值，且人口的性别比将在这段时间低于1。此后的30年里性别比仍将低于1。且在2035年到2040年，性别比最低。中国的总人数将从2023年的最高峰开始有所下降。据国家人口发展战略研究报告，如果中国人口总量（不含香港、澳门特别行政区和台湾省，下同）峰值控制在15亿人左右，全国总和生育率在未来30年就应保持在1.8左右，过高或过低都不利于人口与经济社会的协调发展。目前全国有27个省、市、自治区的计划生育条例中允许夫妇双方（或一方）为独生子女的家庭可以生育两个孩子，7个省计划生育条例允许在农村地区夫妇一方为独生子女的家庭可以生育两个孩子。因此，允许独生子女夫妇生育二孩，这是现行生育政策的应有之义。在分析了国家人口数量的可能走向后，结合中国具体国情给出适合国家发展的选择性总和生育率，再据此分别算出某年龄组修正生育率，以及通过对突变数据的过滤行筛选，再对中国人口数量增加作出预测。至此，对上述用于中短期人口预测模型矩阵乘法模型进行优化之后，我们就将它用来对长期人口增长进行预测。“具体方法”是，将修正后的分年龄生育率代换矩阵第一行中各对应元素，然后进行预测计算。然后再据此得出长期人口数量预测表。修正生育率的计算公式是：利用优化后的矩阵乘法人口模型，代入数据，得出中国由2006年到2055年的人口增长预测表如下：长期人口模型预测表年份男性女性总人口2006861210984464821705859120078640274849345517133729200886670438538471172055142009869381385825361727634920108721836862646417348300201187515758670837174224122012878271387151441749785720138814340875854517572885201488454588800173177456322015887506088389531791401320168902204887433218176536201789262518905687183193802018894656589324821847904720198962735895467418517409202089744978971882186463792021898143689838671846530320228983522899067618274197202389803698991814181721832024897206889876301805969820258958836897833917937175202689406128964400179050112027891765289467141786436620288889935892560217815537202988580848901615177596982030882262688751211769774820318783727884606817629796203287422128814847175570592033869834487815191747986320348652909874629717399206203586062518709286173155372036855829186702101722850120378509537862915017138687203884597978586056170458532039840923685406981694993420408357948849282516850773204183054828442415167478962042825199583891481664114320438197170833286916530040204481410688273868164149362045808378082119371629571720468025027814722216172248204779650788079876160449542048790363680096941591333020497840974793778015778754205077776217864424156420452051771326577897241550298920527648232771430115362533205375818327636996152188292054751405175581431507219420557446285747920414925489表四（程序见附件六）结果分析：1、总人口规模 中国总人口在未来30多年内仍在增长，但增长速度渐趋缓慢。2006年末，总人口约为13.6亿。2010年，总人口约在13.713.8亿间。根据本模型的预测结果，中国人口数量高峰将出现在20202023年间，峰值人口约为14.8亿人，不会低于14.3亿，也不大可能超过15亿。2、人口老龄化 2006年，65岁以上人口比例达到7，表明中国人口已进入老年型。中国人口老龄化的速度很快，而且在未来的30年间将呈加速的态势。到2010年，65岁以上的老年人口比例将超过10；2040年将超过17。届时每5个人中就有约一位是65岁以上的老人。老年人口本身的老龄化也日趋严重，80岁以上的高龄老人将从1990年的800万迅猛增加到2010年的2540万，2050年将达到1.5亿。可以断言，未来50年人口老龄化问题将是国家、社区、家庭和个人共同面临的重大挑战。六、模型的优缺点分析优点：优化后的矩阵乘法模型从一定程度上克服了矩阵乘法模型的不足，可以被用来做相对较长时期的人口预测，而矩阵乘法模型在做人口的短期预测时，因为其形式的相对简单性也常被采用。不论是矩阵乘法模型，还是优化后的矩阵乘法模型。它们的曲线有一个共同的特点，即均为非单调曲线，且有一个峰值，在达到峰值之后就会有下降的趋势。从一些有关中国人口预测的资料发现这样的预测结果：在直到2030年这一段时期内，中国的人口一直将保持增加的势头，到2030年前后中国人口将达到最大峰值15亿，之后，将进入缓慢减少的过程这是一条非单调的曲线，即说明该预测方法是比较符合适合实际的模型。事实上，人口的预测是一个相当复杂的问题，影响人口增长的因素除了人口基数与可利用资源量外，还和医药卫生条件的改善、人们生育观念的变化等因素有关，特别在做中短期预测时，希望得到满足一定预测精度的结果，比如在刚刚经历过战争或是由于在特定的历史条件下采纳了特殊的人口政策等，这些因素本身以及由此而引起的人口年龄结构的变动就会变的相当重要，进而必须予以考虑。缺点：1) 为了简化模型，在预测中仅考虑了影响较大的年龄组成、性别比例、城乡比例，忽略了劳动力数量、自然增长率、经济指标等因素。这可能导致分析的不全面。2) 在对数据的查找中，有些数据没有找到（譬如经济指标），对预测结果会产生一定的影响。七、模型的评价及推广本文通过对历史数据的研究，选择能够描述数据规律的曲线作为预测模型。它能够较好地反映数据的变化，短期预测性较高。但是仅依赖历史数据和以前的规律预测，不考虑未来的其他因素变化，当预测的时间跨度较长时，可能因为情况变化较大而导致预测结果不够准确。在对模型的推广方面，我们认为：1) 建立一个针对调整方案的模型，这样可以对调整方案有一个定量的分析。2) 在考虑经济对人口的影响时，建立人口经济模型。并假设在一定时间内技术进步缓慢，可不考虑。且边际消费倾向在一定时期内不变，并将其假设为常数。 八、参考文献1 门可佩 曾卫 中国未来50年人口发展预测研究 数量经济技术经济研究 2004-032 宋健 人口预测和人口控制 北京 人民出版社19813 姜启源 数学模型 北京 北京高等教育出版社19894 西南财经大学人口研究所 人口理论与实践 成都 西南财经大学出版社 19875 重庆大学数学系数学实验 重庆 科学出版社2006-056 资料:来自中国人口网7 数据来源:国家统计局.2002年中国统计年鉴九、附录附件1 应用矩阵乘法得到的中国2006年女性人口预测表年龄组x2005年样本女性人数女性的存活率分年龄组生育率2006年样本女性人数083386.68960.985566035876.42317179814.33610.998559082183.05043276587.69060.999105079699.34751379814.33610.9994480765197410.999494079770.26462590292.00210.999465087030.67308689239.41580.999756090243.66635798489.29540.99982089217.604358101124.76050.999765098471.61499104051.12360.9997450101101.003210118101.14310.9997670104024.61411113010.10520.9996950118073.575212126293.74420.9997160112975.674513131384.78210.999760126257.906214143265.43460.999690131353.198815163468.46270.999680.00011168143220.991116149732.80220.9995950.00067668163416.095917134123.36490.999530.00308321149672.223218135914.28920.9995010.00903214134060.297519110218.31950.9994120.02519066135846.46012099329.36540.9995270.06786151110153.46352199915.85360.9994620.1083041899282.4038722103894.8030.9993930.1237559699862.0751923123286.0250.9995650.13267587103831.687624110089.93070.9994970.13334518123232.339725110085.23850.9992910.12002548110034.509726114946.26630.9995050.10518784110007.235527114475.4760.993510.0908254114889.398928109199.85360.9994780.07828891113732.496629122142.47680.9992670.06705572109142.898230128286.1010.9993760.05696197122052.914931141870.02240.9993490.05122312128205.991532148378.12340.999120.04020838141777.722533155167.7380.9991380.03207258148247.535434161311.36220.9991390.02476654155033.966235178176.73910.9991590.01822593161172.435736165520.32170.9989390.01384154178026.980537182681.28880.9988380.01003113165344.623938147527.3940.9989720.00703804182469.068939165967.6510.9987920.00495951147375.779440168321.60250.99890.00337152165767.167741162187.36270.9986570.00213923168136.487842189489.67220.9988760.00159096161969.592643143091.73090.9984370.00121412189276.61084480313.27960.9984480.00127092142868.072845100705.58440.9982070.0008708580188.621994690980.22230.9979710.00086148100525.011647118803.43990.9980040.0006103890795.5967748134842.93410.997410.00076914118566.279149125763.56240.9975580.00075337134493.740850134251.75370.9970290125456.454351131330.08280.9972520133852.824952122246.01890.9967750130969.197353122357.02460.9965590121851.744454103672.68090.9958380121935.942955103381.78290.9960390103241.19315697819.95470.9950930102972.24335785168.22950.994913097339.948665883289.76050.994334084734.987745976495.45370.993183082817.808736073855.29640.992401075973.956196166774.78380.992264073294.102286262906.84010.99078066258.21066361503.85360.990108062326.813496459985.16920.989436060895.452996563202.43030.988071059351.490436651026.18760.987253062448.470056756121.91770.985136050375.741276853481.76040.983437055287.715736953481.76040.980451052595.923937054418.64880.978747052436.257987147624.3420.978204053262.111847248852.12840.972883046586.33177342057.82160.969073057527.389857437428.18960.968765040757.09017539126.76630.96357036259.119317631686.46910.958911037701.374257731686.46910.955499030384.492787828289.31570.949542030276.39347923193.58560.940989026861.906348024421.3720.936682021824.914748119796.43220.931814022875.053128217160.96710.923791018446.600998315462.39040.914677015853.152368412826.92530.901285014143.085168511128.34860.894649011560.72151868022.09320.89294609955.968172876323.51650.87191807163.293828885095.73010.87697705513.591009894334.04180.85141304468.83916690+12826.92530.764773013499.74581合计8396253.48总和生育率1.3382010888396814.226附件二女婴存活率0.985537女婴出生性别比重0.457588男性存活率女性存活率分组年龄生育率0.98849550.98556600.99877110.99855900.99905280.99910500.99933370.99944800.99949930.99949400.99945660.99946500.99939770.99975600.99952530.9998200.99954030.99976500.99940660.99974500.99944330.99976700.99949180.99969500.99946540.99971600.99960770.9997600.99954210.9996900.99939190.999680.0001120.99920870.9995950.0006770.99922280.999530.0030830.99882320.9995010.0090320.9987830.9994120.0251910.99871440.9995270.0678620.99878110.9994620.1083040.99856180.9993930.1237560.99887410.9995650.1326760.99873960.9994970.1333450.99879710.9992910.1200250.9987920.9995050.1051880.99860160.993510.0908250.99850340.9994780.0782890.99828840.9992670.0670560.99850950.9993760.0569620.99830430.9993490.0512230.99825630.999120.0402080.99831360.9991380.0320730.99805120.9991390.0247670.99798840.9991590.0182260.99798150.9989390.0138420.99793180.9988380.0100310.99759710.9989720.0070380.99762470.9987920.004960.99720530.99890.0033720.99758930.9986570.0021390.99714810.9988760.0015910.99683820.9984370.0012140.99647010.9984480.0012710.99636610.9982070.0008710.99602980.9979710.0008610.99570790.9980040.000610.99531920.997410.0007690.99521810.9975580.000