西南大学A王稳地郑有伦沈睿亮王海洋.docVIP

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. 郑有伦 2. 沈睿亮 3. 王海洋 指导教师或指导教师组负责人 (打印并签名)： 王稳地 日期： 2007 年 9 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）：中国人口增长预测摘要中国是世界上人口最多的发展中国家。人口众多、人均资源不足、环境承载能力较弱是中国现阶段的基本国情，短时间内难以改变。人口问题是中国在社会主义初级阶段长期要面临的问题，是关系中国经济社会发展的关键因素。本模型首先依据Leslie人口年龄结构模型，假设生育率短期不变，对中国短期总人口、老龄化问题、抚养比作了分析预测得，总人口将在2020年龄达到峰值，老龄化加重，抚养比先下降后上升在2010年达到最低33。8%， 接下来我们又对Leslie模型进行了优化，将妇女生育率视为时间函数，得出总人口将在2030年达到峰值。最后通过人口迁移率模型得出城市化率与迁移率的函数关系。 关键词：Leslie，人口迁移率，老龄化，抚养比，生育率，死亡率 ，分布一、 问题重述中国是一个人口大国，人口问题始终是制约我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。2007年初发布的国家人口发展战略研究报告(附录1) 还做出了进一步的分析。 关于中国人口问题已有多方面的研究，并积累了大量数据资料。附录2就是从中国人口统计年鉴上收集到的部分数据。试从中国的实际情况和人口增长的上述特点出发，参考附录2中的相关数据（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；特别要指出你们模型中的优点与不足之处。二、 通用假设1） 假定死亡率长期不变2） 假定生育率短期不变3） 生育率仅与年龄段有关，死亡率也仅与年龄有关4） 假定性别比例不变（100：105）5） 不考虑生存空间等自然资源的限制，不考虑意外灾难等因素对人口变化的影响6） 假设抽样数据能反映全国整体水平三、 通用符号说明 ：出生总人口四、 问题分析我们首先将2005年中国人口1%调查数据，包括各年龄段男性的市、镇、乡比率，女性的市、镇、乡比率从附录2中筛选出，再利用MATLAB分别画出2005年中国（市）、（镇）、（乡）的人口年龄树：从上图中我们可以很清晰地看出中国（市）、（镇）、（乡）的人口年龄分布情况，由此可以得出以下结论：中国的城市人口已经逐渐步入老龄化阶段，并且会随着时间的推移日益加重，相较而言，乡镇的人口发展水平仍处于增长型阶段。有了对中国（市）、（镇）、（乡）人口发展情况的初步认识，加深了我们对国家人口发展战略研究报告(附录1)的理解，为下面建立符合实际情况和国家战略的人口发展模型提供了重要的现实依据。有了以上的初步认识，我们查阅了许多资料，关于人口增长预测，有很多种模型可供选择，就出生率和死亡率的预测而言，翻看最近20年的人口年鉴便可得知，我国的死亡率基本保持不变，而出生率也有类似情况。可以先假定出生率与死亡率保持不变，来简化模型，以利进一步地模型分析。在得到初步模型以后，再改变出生率，从而优化Leslie模型。五、 模型建立和求解（一）人口年龄结构主模型11模型分析与假设影响人口年龄结构的因素主要涉及男女比例、生育率和死亡率，而其中的生育率对以后预测人口增长具有很重要的指导作用。我们通过MATLAB软件编程，将附录2中的有关生育率的数据转化成直观的图片形式，以便观察分析。从图中可以很清晰地看出，2005年的生育率指标处在这五年数据的中间地位，且较为光滑，最接近统计学中的 概率密度曲线。因此我们选择2005年的生育率作为预测选择指标。根据年龄移算理论，可以从某一时点的某年龄组人数推算一年后年龄相应增长一岁的人口数。在这个人口数的基础上减去相应年龄的死亡人数（暂不考虑人口迁移），就可以得到未来某年龄组的实际人口数。对于0岁的新生人口，则需要通过生育率作重新计算。当社会经济条件变化不大时，各年龄组死亡率比较稳定，相应活到下一年龄组的比例即存活率也基本上稳定不变。因而可以根据现有的分性别年龄组存活率来推算未来各相应年龄组的人数。为了简化模型和便于模型求解，我们将时间离散化，假设男女人口的性别比为105:100（按照生物学观点确定），本模型先考虑女性人口的发展变化（分为市、镇、乡）。假设女性最大年龄为90岁（90岁上老年人所占比例很小），将其划分成91个年龄点（090），不考虑同一时间间隔内人口数量的变化。记为年龄点女性第年的总人数，记。记年龄点女性生育率为（注：所谓女性生育率指生女率），女性死亡率为，记为，在作短期预测时，可假定不变。又由中国人口统计表：年份死亡率（）年份死亡率（）19826.6019926.6419836.9019936.6419846.8219946.4919856.7819956.5719866.8619966.5619876.7219976.51198866419986.5019896.5419996.4619906.6720006.45199167020016.43可知1982年到2001年，死亡率基本不变，且=6.50这个死亡率比日本、美国等发达国家的死亡率还要稍低，所以可以假设在一个较长时期不变。12模型建立根据前面的假设，得出如下方程： 写成矩阵形式为：其中，L=男性（也分为市、镇、乡）的计算略为不同（此处符号与上下文无关）：注：此处数据均指男性13模型参数形式说明14模型求解与结论 为了了解各年龄段人口的变化趋势，我们使用MATLAB编程分别对城市女性、城市男性、镇女性、镇男性、乡村女性、乡村男性做了45年的不间断预测（程序见附录M文件一all.m），并由此绘出了2005年、2010年、2030、2050年的各地区男女年龄结构图1.4。图1.4从图中我们大致可以看出，老年人口的比重随时间逐渐增加，年龄结构将发生较大变化，为了进一步了解人口变化趋势，我们又分别对城市总人口变化、镇人口变化、乡村人口变化 、总人口变化及老年年人口变化做了短期预测（图1.4.1-图1.4.5）（程序见附录M文件二citypeople.m、 townpeople.m、countrypeople.m、allpeoplechang.m、oldpeoplechange.m），从图中我们了解到，在以2005年生育率及死亡率保持不变的前提下，预测到2020年后人口呈现下降趋势，下降幅度也不断增大，老年人口则随时间呈上升态势。以下均为人口短期预测：图1.4.1图1.4.2图1.4.3图1.4.4结论1：由上述四图可预测知：城市总人口在2015年达到峰值，并开始下降；镇、乡总人口和全国总人口均在2020年左右达到峰值，并开始下降。图1.4.5老年人所占比例及人口抚养比是衡量社会发展程度的重要依据，从另一个方面又体现了该国的人口老龄化程度。通过编程，对老年人所占比例及人口抚养比作短期预测，并绘图如下：图1.4.6图1.4.7结论2：由图1.4.6，我国老年人所占比例呈上升趋势，在2010年左右，我国老年人（65岁以上）所占比例将超过16%（7%），属老年型人口。而人口抚养比例呈先下降后上升的趋势，在2010年左右达到最低（33.8%），并开始上升。劳动年龄人口（15-64岁）的负担将越来越重，到2030年，每100名劳动年龄人口要抚养近50名非劳动年龄人口。（二）人口生育率模型21模型分析与假设上述模型要求生育率稳定不变，而这不利于预测长期人口总数。所有规范化的生育模式函数可以比较准确地用统计学中的概率密度曲线来逼近。这就是说，生育模式函数大致上满足分布。准确地说，令和分别是育龄妇女的年龄下界和上界，那么对固定的可表达成:式内是某一正整数，是伽玛函数。22模型建立我们通过MATLAB软件编程，将附录2中的有关生育率的数据转化成直观的图片形式从中我们可以得到生育峰值年龄对应在23-25内，故规定生育峰值年龄为24岁。由生育率与总和生育率的关系可以得到各年龄妇女的生育率:=，由此我们对总人口做长期的预测。23模型求解根据对模型的建立，我们用MATLAB对数据的处理得到图像（程序见附录M文件二shengg.m）:从图像中我们可以得到人口峰值在2030年达到，接近1.5.（三）人口迁移率模型31模型分析与假设影响人口迁移的因素与生育和死亡存在很大差异，具有流动性大、数据难以统计等特点。事实上，人口迁移与国家的环境政策、城市规划有很大关系，此外，由于人口迁移的问题，实际上是城市化的问题，未来50年，中国的城市化率将从37（2005年为42.99%）提高到75以上。到2050年，中国的城市化率达到75%，考虑到我国的医疗卫生水平不断提高，出生率和死亡率已趋于稳定状况，因此我们假定这期间的人口出生率和死亡率为2005年城市居民的水平。32模型建立人口迁移率模型的数学表述为: 33模型参数形式说明 34模型求解341出生率计算 出生率计算公式如下：利用附录（1）的相关数据，通过EXCEL能够很容易算出342死亡率计算 死亡率计算公式如下：利用计算出生率相同的方法，计算出343总人口预测通过MATLAB编写一个简单程序，得出2050年的人口总量与城市人口增长率的关系图。以下为MATLAB源程序：a=0.4299;b=0.75;m=13*108;r=0:0.0001:0.02;y=(m*a*(1+r).45)/b;plot(r,y,-)经过MATLAB运行后，得到：以下为部分数据表：城市人口增长率（%）2050年人口总量（亿）城市人口增长率（%）2050年人口总量（亿）1.0013.6061.4516.6081.0513.912 1.5016.9791.1014.2241.5517.3581.1514.5431.6017.7461.2014.8681.6518.1421.2515.2011.7018.5461.3015.5421.8019.3821.3515.8901.9020.2551.4016.2452.0021.165344人口迁移率计算 由4.1和4.2式，以及前面得出的数据，便可以得出人口迁移率与2050年人口总量的变化关系。以下为MATLAB编程源程序：a=0.4299;b=0.75;m=13*108;x=0.007964607;y=0.00449478;f=0:0.001:0.02;y=(1+f+x-y).45)*a*m/b;plot(f,y,-)经过MATLAB运行后，得到：以下为部分数据表：人口迁移率（%）2050年人口总量（亿）人口迁移率（%）2050年人口总量（亿）0.96530211.661.41530214.2431.01530211.9231.46530214.5621.06530211.1911.51530214.8881.11530212.4661.56530215.2221.16530212.7261.61530215.5631.21530213.0321.66530215.9111.26530213.3251.76530216.6301.31530213.6241.86530217.3821.36530213.9301.96530218.166六、模型评价1模型有点及创新之处（1） 人口年龄结构主模型该模型分市、镇、乡，用育龄期妇女各年龄的生育率乘以相应年龄在对应总人口中所占的比例，来计算新生婴儿数。而具体计算又分别由性别比来计算新生婴儿中男孩、女孩的数目，从而减小用出生率来计算预测新生婴儿的误差，在此基础上由Leslie提出的方法预测出市、镇、乡男女的年龄结构，进而对老龄化进程、人口抚养比以及总人口作出预测。（2） 生育率模型此模型实际上是对主模型的补充和完善，使得出的数据更加合理、真实。（3） 迁移率模型由于该模型着重考虑了国家政策对人口迁移的影响，使以往较为复杂且不太准确的迁移模型得到了合理的简化，得到的数据也比较贴近现实。更重要的是，能够给政府的人口迁移决策提供依据。此外，该模型还可以与前面的模型结合起来预测，从而得到得更合理的预测。1 模型不足之处及优化（1） 人口年龄结构主模型 本模型计算过程中假设了育龄妇女生育率不变，而这仅适合于对短期进行预测，对长期则出现较大误差。改进方法，即为生育率模型。（2） 生育率模型 由于资料有限，本模型需要用到总和生育率的估计，这就会造成偏差。（3） 迁移率模型 该模型只能得出2050年人口总和与人口迁移率的关系，以及2050年人口总和与城市人口增长率的关系，因此在预测上，需要参照大量的数据，才能得出合适的人口迁移率。此外，该模型无法预测出其他年份的人口总数，并且数据选择上容易受国家决策的影响，难免会产生误差。优化方法：通过迭代算出各年人口总数预测，但是由于模型本身的原因，人口总数的变化始终是逐年递增，于实际不符，只对预测中长期比较准确。七、总结 中国作为世界上人口最多的国家，人口问题始终是热门话题。通过建立人口增长预测模型，我们认识到我国城市总人口在2015年达到峰值，并开始下降；镇、乡总人口和全国总人口均在2020年左右达到峰值，并开始下降。我国老年人所占比例呈上升趋势，在2010年左右，我国老年人（65岁以上）所占比例将超过16%（7%），属老年型人口。而人口抚养比例呈先下降后上升的趋势，在2010年左右达到最低（33.8%），并开始上升。劳动年龄人口（15-64岁）的负担将越来越重，到2030年，每100名劳动年龄人口要抚养近50名非劳动年龄人口。我正逐步进入老龄化，这就涉及到社会福利、养老保险等方方面面，国家的经济负担也会随着这些人口问题日益加深，并促使我们关心弱势群体。 参考文献【1】 姜启源、谢金星，叶俊，数学模型（第三版），北京：高等教育出版社，2003【2】 傅鹂等，数学实验，北京：科学出版社，2000【3】 牛文元，2001-2002中国城市发展报告，北京：西苑出版社，2002【4】 国家人口发展战略研究课题组，国家人口发展战略研究报告,/fzzlbg/bgyw/t20070111_172058513.html，2007.02.01【5】 虞丽萍，人口年龄结构模型建立与预测,上海：上海交通大学，2007.01附录M文件一（all.m）Bcityfemale=0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0.02;0.25;1.07;3.07;9.83;29.01;48.17;64.95;84.17;96.45;96.52;92.42;83.1;69.48;55;45.34;35.43;27.09;21.28;17.5;12.46;8.98;6.36;4.51;3.37;2.7;1.76;1.23;0.9;0.64;0.76;0.9;0.5;0.52;0.74;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;/1000.*100/205;Scityfemale=(ones(90,1)-6.08;0.76;0.05;0.37;0.34;0.36;0.15;0.08;0.15;0.1;0.14;0.2;0.14;0.15;0.35;0.07;0.18;0.15;0.31;0.24;0.06;0.26;0.23;0.21;0.23;0.29;0.36;0.14;0.18;0.3;0.2;0.29;0.44;0.27;0.5;0.44;0.62;0.6;0.76;0.7;0.72;0.7;0.82;1.03;1.16;1.07;1.64;1.19;1.82;1.61;2.05;1.94;2.37;2.9;3.6;3.17;3.34;4.04;4.17;5.49;6.28;5.82;6.82;7.83;7.4;9.73;8.07;11.34;13.7;15.23;16.1;16.79;19.97;23.7;21.61;27.36;32.91;36.15;40.7;42.83;50.51;54.27;58.29;65.92;79.3;82.12;104.3;117.01;111.96;124.77;/1000);Lcityfemale=Bcityfemale;diag(Scityfemale),zeros(90,1);Ncityfemale(1,:)=(0.4;0.39;0.34;0.39;0.42;0.43;0.42;0.46;0.47;0.48;0.53;0.52;0.54;0.55;0.58;0.69;0.74;0.79;0.92;0.81;0.74;0.76;0.78;0.94;0.81;0.79;0.85;0.84;0.8;0.88;0.9;0.96;1.02;1.04;1.06;1.13;1.03;1.12;0.84;0.94;0.99;1.01;1.22;0.87;0.52;0.68;0.61;0.77;0.83;0.76;0.79;0.8;0.71;0.7;0.59;0.59;0.57;0.49;0.47;0.43;0.4;0.38;0.35;0.36;0.36;0.37;0.32;0.35;0.32;0.32;0.32;0.28;0.28;0.24;0.2;0.21;0.17;0.17;0.15;0.12;0.12;0.1;0.09;0.08;0.07;0.06;0.04;0.03;0.03;0.02;0.07;/100*(2357679+2350224);for t=1:45 T=Ncityfemale(t,:); T=Lcityfemale*T; Ncityfemale(t+1,:)=T;endBcitymale=0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0.02;0.25;1.07;3.07;9.83;29.01;48.17;64.95;84.17;96.45;96.52;92.42;83.1;69.48;55;45.34;35.43;27.09;21.28;17.5;12.46;8.98;6.36;4.51;3.37;2.7;1.76;1.23;0.9;0.64;0.76;0.9;0.5;0.52;0.74;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;/1000.*105/205;Scitymale=(ones(90,1)-6.38;0.84;0.58;0.56;0.2;0.23;0.29;0.51;0.3;0.44;0.18;0.19;0.32;0.13;0.36;0.71;0.27;0.38;0.48;0.47;0.59;0.43;0.65;0.42;0.68;0.34;0.36;0.85;0.76;0.77;0.72;0.71;0.83;1.08;1.08;1.01;1.2;1.2;1.32;1.59;1.85;1.48;2.12;2.34;2.64;2.73;3.27;3.08;4.01;4.24;4.23;3.81;4.09;5.24;5.45;5.6;5.39;6.58;7.3;8.6;8.64;10.12;12.32;13.06;11.87;15.74;17.52;19.13;19.87;22.92;25.55;25.97;28.98;32.78;40.11;42.66;43.47;45.47;61.79;57.82;66.97;74.95;77.43;94.54;108.69;108.53;136.19;121.37;174.47;211.86;/1000);Ncitymale(1,:)=(0.46;0.46;0.41;0.45;0.49;0.51;0.48;0.53;0.53;0.56;0.6;0.58;0.61;0.62;0.65;0.75;0.79;0.8;0.88;0.77;0.69;0.69;0.73;0.86;0.76;0.73;0.79;0.79;0.76;0.84;0.87;0.94;1;1.04;1.08;1.15;1.04;1.11;0.84;0.96;1.03;1.04;1.28;0.91;0.53;0.71;0.63;0.79;0.85;0.75;0.8;0.79;0.69;0.68;0.59;0.58;0.56;0.47;0.46;0.42;0.39;0.36;0.34;0.34;0.35;0.34;0.3;0.33;0.32;0.31;0.3;0.27;0.28;0.23;0.21;0.21;0.16;0.16;0.13;0.11;0.1;0.08;0.07;0.06;0.05;0.04;0.03;0.02;0.02;0.01;0.03;/100*(2357679+2350224);for t=1:45 T1=Ncityfemale(t,:); T=Ncitymale(t,:); T=Bcitymale;zeros(90,91)*T1+zeros(1,91);diag(Scitymale),zeros(90,1)*T; Ncitymale(t+1,:)=T;endBtownfemale=0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0.04;0.38;2.28;6.58;23.63;68.23;113.45;129.43;139.5;141.13;118.48;98.9;81.29;68.16;55.79;46.88;41.23;34.56;26.95;21.31;15.31;12.63;9.59;6.19;3.85;3.33;1.59;1.32;1.31;1.17;0.87;0.46;0.56;0.97;0.62;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;/1000.*100/205;Stownfemale=(ones(90,1)-10.79;0.54;0.4;0.42;0.36;0.33;0.24;0.27;0.11;0.11;0.18;0.13;0.17;0.31;0.19;0.17;0.31;0.48;0.58;0.23;0.28;0.42;0.49;0.4;0.24;0.38;0.36;32;0.27;0.46;0.77;0.31;0.53;0.73;0.43;0.46;0.53;1.1;0.62;0.87;0.73;1.23;0.91;1.16;1.49;1.8;1.78;1.78;2.69;1.54;2.73;2.68;3.11;2.85;3.73;4.26;5.04;5.06;4.45;6.16;6.64;6.96;9.97;7.72;8.44;9.85;10.58;14.27;16.5;16.24;17.27;19.16;22.47;26.32;29.02;32.6;33.03;38.43;43.36;55.49;64.41;65.19;70.13;76.2;99.27;85.95;75.11;105.55;116.04;144.85;/1000);Ltownfemale=Btownfemale;diag(Stownfemale),zeros(90,1);Ntownfemale(1,:)=(0.48;0.47;0.44;0.47;0.51;0.54;0.52;0.58;0.59;0.61;0.69;0.66;0.73;0.76;0.83;0.96;0.89;0.82;0.8;0.61;0.51;0.53;0.57;0.72;0.67;0.67;0.74;0.74;0.72;0.81;0.86;0.94;0.97;1.01;1.06;1.14;1.06;1.15;0.91;1.06;1.06;1.01;1.19;0.87;0.47;0.59;0.53;0.68;0.78;0.71;0.76;0.74;0.67;0.69;0.58;0.57;0.54;0.46;0.46;0.42;0.41;0.36;0.34;0.34;0.32;0.35;0.27;0.3;0.29;0.29;0.29;0.25;0.26;0.22;0.19;0.2;0.17;0.17;0.15;0.12;0.13;0.1;0.09;0.08;0.07;0.06;0.05;0.04;0.03;0.02;0.07;/100*(1464804+1444176);for t=1:45 T=Ntownfemale(t,:); T=Ltownfemale*T; Ntownfemale(t+1,:)=T;endBtownmale=0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0.04;0.38;2.28;6.58;23.63;68.23;113.45;129.43;139.5;141.13;118.48;98.9;81.29;68.16;55.79;46.88;41.23;34.56;26.95;21.31;15.31;12.63;9.59;6.19;3.85;3.33;1.59;1.32;1.31;1.17;0.87;0.46;0.56;0.97;0.62;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;/1000.*105/205;Stownmale=(ones(90,1)-9.1;0.93;0.58;0.57;0.34;0.67;0.42;0.52;0.23;0.4;0.49;0.35;0.58;0.48;0.22;0.34;0.64;0.44;0.75;1.14;0.73;1.31;1.34;0.77;1.08;0.64;1;1.3;1.49;1.9;0.77;1.16;1.45;0.95;1.57;2.04;1.9;1.65;1.84;1.78;2.6;2.96;2.24;3.23;2.16;2.6;3.6;4.51;3.21;4.27;5.45;5.52;5.19;6.45;7.34;7.97;7.62;8.06;9.19;9.54;10.83;13.66;12.57;14.36;15.97;16.81;18.7;21.07;25.06;30.23;32.49;32.74;35.78;43.49;39.98;52.66;52.48;68.57;61.3;82.16;80.85;77.11;90.98;124.19;108.18;123.39;150.13;153.29;176.47;155.48;/1000);Ntownmale(1,:)=(0.56;0.58;0.55;0.58;0.61;0.66;0.62;0.7;0.72;0.72;0.81;0.77;0.85;0.88;0.95;1.08;0.98;0.88;0.85;0.64;0.52;0.47;0.51;0.62;0.58;0.59;0.68;0.68;0.67;0.76;0.81;0.88;0.94;0.98;1.01;1.13;1.03;1.14;0.89;1.01;1.07;0.99;1.18;0.87;0.45;0.57;0.55;0.7;0.79;0.7;0.78;0.73;0.68;0.68;0.57;0.57;0.56;0.46;0.47;0.43;0.42;0.38;0.35;0.34;0.35;0.34;0.27;0.31;0.3;0.27;0.28;0.24;0.25;0.21;0.18;0.19;0.15;0.14;0.12;0.1;0.1;0.08;0.07;0.05;0.05;0.03;0.02;0.02;0.01;0.01;0.03;/100*(1464804+1444176);for t=1:45 T1=Ntownfemale(t,:); T=Ntownmale(t,:); T=Btownmale;zeros(90,91)*T1+zeros(1,91);diag(Stownmale),zeros(90,1)*T; Ntownmale(t+1,:)=T;endBcountryfemale=0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0.16;0.93;4.37;13.58;36.48;95.01;150.84;164.58;167.17;157.27;136.96;117.29;100.39;89.04;80.44;69.19;65.46;51.15;40.91;30.59;22.62;17.01;12.19;8.54;6.11;3.73;2.54;1.9;1.35;1.67;0.94;0.97;0.69;0.84;0.8;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;/1000.*100/205;Scountryfemale=(ones(90,1)-10.79;0.54;0.4;0.42;0.36;0.33;0.24;0.27;0.11;0.11;0.18;0.13;0.17;0.31;0.19;0.17;0.31;0.48;0.58;0.23;0.28;0.42;0.49;0.4;0.24;0.38;0.36;32;0.27;0.46;0.77;0.31;0.53;0.73;0.43;0.46;0.53;1.1;0.62;0.87;0.73;1.23;0.91;1.16;1.49;1.8;1.78;1.78;2.69;1.54;2.73;2.68;3.11;2.85;3.73;4.26;5.04;5.06;4.45;6.16;6.64;6.96;9.97;7.72;8.44;9.85;10.58;14.27;16.5;16.24;17.27;19.16;22.47;26.32;29.02;32.6;33.03;38.43;43.36;55.49;64.41;65.19;70.13;76.2;99.27;85.95;75.11;105.55;116.04;144.85;/1000);Lcountryfemale=Bcountryfemale;diag(Scountryfemale),zeros(90,1);Ncountryfemale(1,:)=(0.48;0.47;0.44;0.47;0.51;0.54;0.52;0.58;0.59;0.61;0.69;0.66;0.73;0.76;0.83;0.96;0.89;0.82;0.8;0.61;0.51;0.53;0.57;0.72;0.67;0.67;0.74;0.74;0.72;0.81;0.86;0.94;0.97;1.01;1.06;1.14;1.06;1.15;0.91;1.06;1.06;1.01;1.19;0.87;0.47;0.59;0.53;0.68;0.78;0.71;0.76;0.74;0.67;0.69;0.58;0.57;0.54;0.46;0.46;0.42;0.41;0.36;0.34;0.34;0.32;0.35;0.27;0.3;0.29;0.29;0.29;0.25;0.26;0.22;0.19;0.2;0.17;0.17;0.15;0.12;0.13;0.1;0.09;0.08;0.07;0.06;0.05;0.04;0.03;0.02;0.07;/100*(4762400+4606484);for t=1:45 T=Ncountryfemale(t,:); T=Lcountryfemale*T; Ncountryfemale(t+1,:)=T;endBcountrymale=0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0.16;0.93;4.37;13.58;36.48;95.01;150.84;164.58;167.17;157.27;136.96;117.29;100.39;89.04;80.44;69.19;65.46;51.15;40.91;30.59;22.62;17.01;12.19;8.54;6.11;3.73;2.54;1.9;1.35;1.67;0.94;0.97;0.69;0.84;0.8;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;0;/1000.*105/205;Scountrymale=(ones(90,1)-9.1;0.93;0.58;0.57;0.34;0.67;0.42;0.52;0.23;0.4;0.49;0.35;0.58;0.48;0.22;0.34;0.64;0.44;0.75;1.14;0.73;1.31;1.34;0.77;1.08;0.64;1;1.3;1.49;1.9;0.77;1.16;1.45;0.95;1.57;2.04;1.9;1.65;1.84;1.78;2.6;2.96;2.24;3.23;2.16;2.6;3.6;4.51;3.21;4.27;5.45;5.52;5.19;6.45;7.34;7.97;7.62;8.06;9.19;9.54;10.83;13.66;12.57;14.36;15.97;16.81;18.7;21.07;25.06;30.23;32.49;32.74;35.78;43.49;39.98;52.66;52.48;68.57;61.3;82.16;80.85;77.11;90.98;124.19;108.18;123.39;150.13;153.29;176.47;155.48;/1000);Ncountrymale(1,:)=(0.56;0.58;0.55;0.58;0.61;0.66;0.62;0.7;0.72;0.72;0.81;0.77;0.85;0.88;0.95;1.08;0.98;0.88;0.85;0.64;0.52;0.47;0.51;0.62;0.58;0.59;0.68;0.68;0.67;0.76;0.81;0.88;0.94;0.98;1.01;1.13;1.03;1.14;0.89;1.01;1.07;0.99;1.18;0.87;0.45;0.57;0.55;0.7;0.79;0.7;0.78;0.73;0.68;0.68;0.57;0.57;0.56;0.46;0.47;0.43;0.42;0.38;0.35;0.34;0.35;0.34;0.27;0.31;0.3;0.27;0.28;0.24;0.25;0.21;0.18;0.19;0.15;0.14;0.12;0.1;0.1;0.08;0.07;0.05;0.05;0.03;0.02;0.02;0.01;0.01;0.03;/100*(4762400+4606484);for t=1:45 T1=Ncountryfemale(t,:); T=Ncountrymale(t,:); T=Bcountrymale;zeros(90,91)*T1+zeros(1,91);diag(Scountrymale),zeros(90,1)*T; Ncountrymale(t+1,:)=T;endx=0:90;subplot(3,2,1),plot(x,Ncityfemale(1,:),r-,x,Ncityfemale(6,:),g-.,x,Ncityfemale(26,:),b-,x,Ncityfemale(46,:),k:),xlabel(x 年龄),ylabel(y 人口数),title(城市女性)subplot(3,2,2),plot(x,Ncitymale(1,:),r-,x,Ncitymale(6,:),g-.,x,Ncitymale(26,:),b-,x,Ncitymale(46,:),k:),xlabel(x 年龄),ylabel(y 人口数),title(城市男性)subplot(3,2,3),plot(x,Ntownfemale(1,:),r-,x,Ntownfemale(6,:),g-.,x,Ntownfemale(26,:),b-,x,Ntownfemale(46,:),k:),xlabel(x 年龄),ylabel(y 人口数),title(镇女性)subplot(3,2,4),plot(x,Ntownmale(1,:),r-,x,Ntownmale(6,:),g-.,x,Ntownmale(26,:),b-,x,Ntownmale(46,:),k:),xlabel(x 年龄),ylabel(y 人口数),title(镇男性)subplot(3,2,5),plot(x,Ncountryfemale(1,:),r-,x,Ncountryfemale(6,:),g-.,x,Ncountryfemale(26,:),b-,x,Ncountryfemale(46,:),k:),xlabel(x 年龄),ylabel(y 人口数),title(乡村女性)subplot(3,2,6),plot(x,Ncountrymale(1,:),r-,x,Ncountrymale(6,:),g-.,x,Ncountrymale(26,:),b-,x,Ncountrymale(46,:),k:),xlabel(x 年龄),ylabel(y 人口数),title(乡村男性)M文件二(citypeople.m townpeople.m co