中国人口增长预测数学建模论文

1、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）：我们的参赛报名号为（如果赛区设置报名号的话）：所属学

2、校（请填写完整的全名）：参赛队员（打印并签名）：1.2.3.指导教师或指导教师组负责人（打印并签名）：日期：年月日赛区评阅编号（由赛区组委会评阅前进行编号）： 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）：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:中国作为世界上人口最多的发展中国家，人口问题直接影响着我们国家的发展。本文运用数学建模的方法，建立了中国人口增长的数学模型，并对未来中国的人口状况做出了预测。中短期人口模型：我们以莱斯利（Leslie）模型作为

3、理论基础，建立了一个全国人口模型。由于中国城镇化进程不断加快，所以把全国划分为城，镇，乡三个独立子系统建模方法是不可行的。通过对数据进行处理，在得到了全国人口的死亡率和生育率之后，再使用指数平滑的方法，就可以得到一个相对稳定的各个年龄段的死亡率和生育率。如果把中国看作一个独立的人口系统，就可以使用莱斯利模型顺利的建立起全国女性人口模型。建立了全国女性人口模型后，我们引入了两个重要的变量：男女比例矩阵p（t）和初生男女婴儿比例函数f（t）。通过这两个变量就可以由全国女性人口模型建立起全国人口的中短期模型。通过中短期模型，可以分析出我国人口在未来几十年的变化趋势，得出以下结果。在2025年-203

4、0年期间我国人口将达到峰值，然后人口数量就开始下降（参见图1）。而我国的老龄化进程会不断地加剧，在2040年左右将达到人口老龄化的最高峰，并在以后的十几年的时间里保持这种状态，形成一个人口老龄化的高峰平台（参见图2）。有意思的是，性别比例异常也对人口走势产生了影响。性别比例异常不会对人口增长产生特别明显的效果，但在人口衰退期，却对人口数目的减少起到了微妙的作用（参见图4）。长期人口模型：在长期模型中，我们尝试着模拟未来中国100年的时间里人口总量的变化情况。我们对莱斯利模型进行了改进，使这个模型能够适用于三个人口子系统（城，镇，乡）之间人口相互转移的情况，从而使长期人口模型在大的时间跨度能够更

5、好的符合实际情况。我们在模型中引入了迁移率（迁入人口与总人口的比）的概念，使这三个系统之间的迁入迁出关系得到量化。这样通过迁移率将三个相对独立的人口子系统联系起来，就能利用改进的莱斯利模型进行求解。通过对长期人口模型的分析，我们可以得到未来100年的时间里中国人口总量的变化趋势（见图5）。在经历了21世纪中叶的人口高峰后，我国人口可能会经历一个长达半个世纪的衰退期.关键字：莱斯利（Leslie）模型，城镇化，指数平滑，老龄化，迁移率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

6、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。模型假设1、假设在中国在未来会长期保持安定的局面2、不考虑突发事件（如传染病暴发，战

7、争等）和因不可抗力（地震，海啸等）对人口数量造成的影响。3、将全中国作为一个独立的人口系统，不考虑迁入迁出，即忽略中国人向海外移民和外国人定居中国对中国人口分布状况和总数的影响.4、假设在中短期内死亡率和生育率保持相对稳定，5、假设相同年龄段的人口性别比基本稳定6、假设计划生育等国家基本政策保持不变，7、假设人口生育率不受传统观念和个人主观因素的影响，如属相问题等符号说明AT:年龄区间mAT:妇女能够生存的最大年龄x（j）:第i个年龄组在时刻jAT的人数ix（j）：年龄密度分布b：各年龄组生育率is：存活率，iG：莱斯利矩阵d：死亡率iA城女：抽样调查到的城市女性总数A镇女：抽样调查到的城镇女

8、性总数，A乡女：抽样调查到的乡村女性总数a：城市女性占总女性人数的比例城女a镇女：城镇女性占总女性人数的比例笃女：乡村女性占总女性人数的比例d：女性第i年龄组死亡率女id城市女性第i年龄组死亡率城女id：城镇女性第i年龄组死亡率镇女id：乡村女性第i年龄组死亡率乡女ib：女婴出生率女，b：城市女婴出生率城女，b：城镇女婴出生率镇，女，b：乡村女婴出生率乡，女x(0):在起始时刻女性第i年龄组的人口密度女ix：第j数据组年龄为i的乡村女性人数j,乡女ix：第j数据组年龄为i的城市女性人数j,城女ix：第j数据组年龄为i的城镇女性人数j,镇女id,:第j数据组年龄为i的人口死亡率b:第j数据组年龄

9、为i的人口生育率j,ic:指数平滑常数s:第i年龄组女性存活率女iX女.(0):全国第i年龄组女性分布率x(t):第t年女性人数密度分布女F(t):第t年女性人数总数女x(t):第i年龄组第t年全国女性人口率女iP(t):男女比例矩阵P.(t):第i年龄组的男女比例函数，是p(t)的对角线元素iP门：第j数据组第i年龄组的男女性别比p(1):指数平滑处理过的pf(t):初生男女婴儿比例函数F(t):第t年全国总人口数H(t):第t年全国年龄大于65岁的人口数Q(t):全国老龄化程度(t):第t年城市人口年龄分布城J田(t):第t年城市男性人口年龄分布城男%碱*(t):第t年城市女性人口年龄分布

10、城女p(t):城市男女性别比例矩阵城%镇(t):第t年城镇人口年龄分布G:城市女性人口的莱斯利矩阵城女(t):第t年城镇男性人口年龄分布镇男%桔宀(t):第t年城镇女性人口年龄分布镇女p(t):乡村男女性别比例矩阵乡%$(t):第t年乡村男性人口年龄分布乡男J(t):第t年乡村女性人口年龄分布乡女p(t):乡村男女性别比例矩阵乡G:乡村女性人口的莱斯利矩阵乡女w城:乡村向城市迁移的人数占城市总人数的比例(城市迁移率)w镇：乡村向城镇迁移的人数占城镇总人数的比例(城镇迁移率)w乡:乡村人口外迁人数占总人数的比例(乡村迁移率)V:转移到城市的人口占转移到城镇和城市总人口的比例z(t):城市人口占总

11、人口数的比例城z(t):城镇人口占总人口数的比例城z(t):乡村人口占总人口数的比例城F(t):第t年城市总人口数城F(t):第t年城镇总人口数镇F(t):第t年乡村总人口数乡F(t):第t年中国总人口数4问题分析我们针对中国人口增长的问题，建立了中国人口增长的模型，由此对中国人口增长的中短期和长期趋势做出了预测。我们认为，附录中的数据均是离散化(以一年为单位)的给出，所以这个问题适合用离散模型来解决。有中国城镇化水平不断提高，城镇化进程不断加快(每年的城镇化水平增加1个百分点，见题目附录1)，城，镇，乡之间人口的迁入迁出十分频繁，人口流动量大，故我们认为不能够将城，镇，乡作为三个独立的人口系

12、统来考虑，而应当把整个中国作为一个独立的人口系统。通过附录中给出的城，镇，乡的数据，可以计算出中国作为一个系统所需要的数据。而且根据题目要求，应当考虑进中国的实际情况和人口增长的一些特点(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)。我们考虑可以使用经典的离散化人口模型莱斯利(Leslie)模型来做为描述中国未来人口变化趋势的理论模型。但结合中国人口增长的特点，需要在这个模型的基础上进行改进。考虑到中国老龄化进程加速，应当利用这个模型对中国未来的老龄化进程做出预测。出生人口性别比例持续偏高不可避免的会影响中国未来人口的增长状况。因此在建立模型的过程中，应当考虑性别比例因素，并

13、应该预测出性别比例失调对中国未来人口可能产生的影响。乡村人口城镇化过程在中国是一个不可逆转的趋势，我们建立的模型中还尝试着预测未来中国长期得变化趋势。5模型的建立与求解5.1中短期人口模型将中国作为一个独立的人口系统，不考虑迁入迁出，在建立中短期人口模型时，将城，镇，乡的各项数据分类进行了处理，忽略了城镇化进程对人口死亡率和生育率的影响，且认为在短期内相同年龄段的人口性别比基本稳定。5.1.1莱斯利(Leslie)模型山将女性按相同的年龄区间AT划分为m+1组，各组中女性的年龄在込T,(i+1)AT之内，i=0,1,2,m,其中mAT为妇女能够生存的最大年龄.设每个年龄组组中的妇女有相同的生育

14、率和死亡率。我们考察时间t=jAT时各年龄组中的人数设x(j)表示第i个i年龄组在时刻jAT的人数，称其为年龄密度分布，并令x(j)=(x(j),x(j),x(j)T又01m设b为第i组妇女平均每人在AT时间内生育并成活的婴儿数，s为第i组女性生存到ii(i+1)AT、进入i+1组的人数比例，于是(j+1)AT与jAT各组人数之间的关系为1.1)x(j+1)=兰bx(j),/0iii=0 x(j+1)=sx(j),i=1,2,m.Jii-1i-1b0s00m-100bm001.2)sm-11.3)G称为莱斯利矩阵，它可以改写为x(j+1)=Gx(j)显然，由于妇女有一定的生育期，从某个年龄组(

15、如l组)开始以后各组和某个年龄组(如k组)之前各组均无生育能力，既当il或ik时，有b二0.i5.1.2女性人口模型在Leslie模型的基础上，我们建立了女性人口模型。在建立模型时，与年龄的离散化相对应，时间也离散为时段，并且时段的间隔与年龄区间大小相等2，这样，我们以1岁为1个年龄组，1年为1个时段，即k年i岁的女性人数为x(k).假定在短期内女性i生育率保持不变，即女性生育率b只与年龄有关，其育龄区间为15，49，同时假设i死亡率d也只与年龄有关，存活率为s.则由Leslie模型，可以得到最近几年的女性人ii口年龄的密度分布x(j)有如下递推式：x(j+1)=Gx(j).1.4)当初始分布

16、向量x(0)已知时，则可得x(j)二Gjx(0),j二1,2,1.5)通过x(j)可以很容易的研究j时段人口的总数和年龄结构.5.1.3中短期人口模型模型分析在5.1.1和5.1.2的基础上，我们就可建立起全国中短期人口模型.在人口总数模型中，我们将中国作为一个独立的系统，不考可虑外界的迁入与迁出对国内人口的影响。这样如果只考虑从女性人口数量出发，就可以建立一个全国的女性人口模型。然后再男女比例矩阵p(t)和初生男女婴儿函数f(t)，我们就可以对全国的总人口数和年龄结构进行预测。在使用女性人口模型时，我们首先需要确定的是女性人口各年龄段的生育率和女性人口各个年龄段的死亡率以及初始全国女性人口的

17、年龄密度分布。模型建立中短期人口模型中，在短期内，生育率与各年龄阶段的死亡率都不随时间而变化。这样在中短期人口模型中，d和b都可以通过附录2中给出的统计数据得出。ii我们首先根据附录中给出的数据，计算出了全国女性的各个年龄段的生育率和死亡率。，城镇女性对于2001-2005年的数据，我们以抽样调查到的城市女性总数A城女总数A镇女，乡村女性总数A乡女的比例作为全国城市女性，城镇女性和乡村女性的比例。即有：a城女A城女+A镇女A镇女+A乡女A+A+A城女镇女A乡女乡女A+A+A城女镇女乡女a镇女a乡女1.6)1.7)1.8)可知a+a+a=1城女镇女乡女则全国女性每个年龄段的死亡率d=ad+ad女

18、i城女城女i镇女镇女i全国女性各个年龄段的生育率b=ab+ab女i城女城女i全国女性的年龄密度分布x(0)=ax女i城女j，城女i+ad，乡女乡女i镇女镇女i+ab乡女乡女i+ax镇女j，镇女i+ab乡女j,乡女i1.9)1.10)1.11)1.12)1.13)1.14)1.15)1.16)在计算各年龄段死亡率d和各年龄段生育率b时，我们令2001年到2005年的数ii据分别为dj丿和bj,i，其中j作为区分年份的下标，j=123,4分别对应2001年，2002,2004年和2005年的情况，i表示年龄，0i90。但是由于2003年是非典爆发，我们在计算中都没有考虑2003年的情况。为了能够得

19、到d，我们使用了指数平滑的方法。指数平滑法是常用的一种时间序i列预测方法。该方法假定未来预测值对过去已知数据有一定关系，近期数据对预测值的影响较大，远期数据对预测值的影响较小，影响力呈几何级数减少。该法如公式1.12)所示：d=cd+(1-c)d,其中，d(i)=dj,ij,ij-1,i0,i0,i2我们取c=2,即近期数据对测量值的影响较大，然后有3d=d(1),i=0丄2-,90TOC o 1-5 h z女i4,i从而有s=1-d女i女i计算全国女性各个年龄段生育率b和年龄密度分布x(j)也采用相同的方法iib(1)=cb+(1-c)b(1),其中b(1)=bj,ij,ij-1,i0,i0

20、,i2取c=可得3b=b(1),i=0,1,2-,90女i4,i1o而对于x(0),因为我们以2005年作为过去和未来的时间分界点，故x(0)的初值为iix(0)=ax+ax+ab,其中，i=0,1,2,，仝。117)女i城女5,城女i镇女5,镇女i乡女5,乡女i丄丿这样即可得到Leslie矩阵0这样，由2.2式可知，X女(t)=G/女()其中b女10b女,890b女900s女1000s890b女0s女001.18)X女(t)=(X女0(t)X女1(,X女,90(t)1.19)x(t)是从2005年往后第t年的女性人口年龄密度分布，第t年的全国女性总人数为女F(t)=X(t)1.20)女女ii

21、=0对于男性人口，我们首先引入了一个各个年龄段的男女比例矩阵P(t)00P(t)=1.21)0p(t)10000000P(t)90对于p(t)对角线中的每一项，有p(t)=ix(t)-男x(t)女其中0i90。1.22)在计算初始的各年龄段的男女比例时，我们令2001年到2005年的数据为P其中j作为区分年份的下标j=l,2,3,4分别对应于2001年，2002年，2004年和2005年的情况，同样不考虑2003年。对此我们同样采用指数平滑法对2001年,2002年，2004年和2005年的各个年龄段男女人口比例进行了处理，即有：TOC o 1-5 h zp(1)=cp+(1一c)p其中，p(

22、i)=p1.23)j,ij,ij1,i0,i0,i则对于P(t)的初始值p(0)，我们有p(0)=p(1),其中,0i1时，p(t)=p(t-1)，而p(t)=f(t)1.27)ii-10只要知道了p(t)和f(t)，就可以通过递推关系确定任意p(t)的值。对于f(t)，将0在中进一步讨论。这样，由式1.19和式1.27，可以求出以2005年为起始点，第t年的男性人口年龄分布为TOC o 1-5 h zx(t)=x(t)p(t)1.28)男女则全国人口的年龄分布函数为x(t)=x(t)+x(t)=x(t)p(t)+x(t)=x(t)(p(t)+1)1.29)男女女女女其中I为单位阵。5.1.3

23、模型的求解根据附录2中给出的抽样人数和式1.6-1.8，我们可以得到每年的a城女，a镇女，a乡女(见表1)，根据城，镇，乡人口比例关系和式1.12-1.16，可以依次求出d女i和b女i，具体数据见附录(5)。通过式1.17和式1.18可以求出式1.19。a2001200220042005城女0.24670.26730.26430.2798镇女0.13050.12570.1550.1719乡女0.62280.6070.58070.5483表1对平顶山人口增长的预测对未来平顶山人口总数的预测由于出生婴儿男女比例f(t)受到很多人为因素的干扰，我们几乎不可能找到一个f(t)关于时间的函数关系。为了对

24、未来人口的总数做出预测，我们先假定它是一个常数。由于近几年男女性别比持续偏高，这里我们取值为1.18。同时假设2005年的人口总数为单位1。I 1 这样我们可以通过用matlab编写程序绘制出中国未来50年中国人口总数的变化趋势图。程序参见附录1。:和来丸年的人r占05年人口的比峯变化图0.60.451015202530354G4550时刚以2005年为起点）图(1)从图(1)中可以观测到，在未来的20-30年间，平顶山人口会一直保持增长，大约在2025-2030年达到人口高峰。若将2005年的平顶山中国人口总数计算在内，则可以的到未来50年平顶山人口的2005年的人口总数为4932398在未

25、来50年，中国人口将会经历一个先增后减的过程，这与官方预期估计相吻合。对未来人口老龄化进程的预测莱斯利模型的一个特点是能够预测人口的年龄结构。我们建立的中短期人口模型保持了这个特点。由式1.30可知中国各年龄段人口分布。我们以65岁作为老龄化起点年龄，则在第t年老龄化人口数为H(t)二x(t)1.32)ii=65这样可以求出第t年的老龄化比例为Q(t)=H(t)Ft)艺x(t)i-i=65更x(t)i1.33)i=0当te1,50时，我们可以求出各年的老龄化比例，用matlab可以很容易的求出2005年以后50年的老龄化程度，程序见附录（2）。我们将预测出的今后50年的老龄化比例绘制成图（2）

26、，以反映今后50年的老龄化进程。0.350.10.Q5051015202530354550时间【以2005年为起点）耒来和年时庫齢化比率的时间銮让图0.252O-51a图（2）通过图（2），我们可以预测到今后30多年我国老龄化程度将不断加剧。在2040年左右，达到一个老龄化的高峰。在以后的几十年的时间里，虽然老龄化程度略有下降,但始终保持了一个较高且比较稳定的老龄化比例，从而形成一个人口老龄化高峰平台。出生性别比对人口的影响式1.27中，我们给出了男女比例矩阵的求法，即i1时，p（t）=p（t-1）ii-1它表示的意义是，在第t年的人口在1岁的年龄段的男女性别比例是第t-1年的0岁年龄段的男女

27、性别比例，2岁年龄段的男女性别比例是第t-1年的1岁年龄段的男女性别比例，往后依次类推。1 1 但对于第t年的0岁的男女比例，我们引入了男女初生婴儿比例函数f(t)。从男女比例矩阵中可以看出某一年的男女初生婴儿比例会在以后相当长的一段时间内对比例矩阵产生应影响。在正常情况下，男女出生婴儿比例应当是一个常数，大约在1.03-1.07之间(附录1)。由i1时，p(t)=p(t-1)和p(t)=f(t)可知，男女婴儿初生比例函数会对以后社ii-10会男女比例产生重要影响。观察2001-2005年的男女比例数据，如图3所示。图(3)通过观察图3可知，图中用A标出的区域中年龄段的性别比严重失调，根据式1

28、.27，可知如果这种情况一直得不到纠正，这部分人口进入成年后，男女比例失调的情况有可能对社会稳定产生消极的影响。我们可以考查一下对f(t)产生影响的各个可能因素。首先就是重男轻女思想的影响，导致很多的医学需要的胎儿性别鉴定和非医学需要的选择性别的人工终止妊娠行为，甚至发生了很多溺弃女婴的行为(附录1)。这就使得男女初生婴儿比例明显偏大。再次，就是计划生育政策也会对男女性别比例产生一定影响。最后，国家已经开始关注男女性别比偏高的问题，此后肯定会出台一系列的政策，使男女性别比例逐渐趋于正常水平。但这还要考虑到一个政府政策执行程度的问题。综合以上各个因素，可知初生婴儿男女性别比的未来变化趋势受人为因

29、素影响很大，无法找一个确定的函数来对其进行预测。我们做了如下两种假设：1、现有的男女性别比偏高会一直维持下去，并保持在1.18左右，不会进一步恶化即此时有fi(t)=1.181.34)2、现有的男女性别比偏高会在政府的影响下，于2020年左右逐渐趋于正常(附录1),这是我们为了便于研究，可以设f(t)为一个分段函数，即有1.1&0t31.156,3t61.132,6t9、f(t)=1.35)亡1.10&9t121.084,12t15我们将这两个函数分别代入式1.27中，用以替换f(t)，将对式1.31的值产生影响。我们为了让人便于观测性别比不同对人口总数的影响，我们用matlab绘制了在未来5

30、0年内两种不同的男女初生婴儿比例最人口总数的影响，程序见附录(3)。42尿时间的娈化图O.S00.2C510152C2530354550时冋以200$年为起点)别迅sCIY-r-.:翌垃頂图(4)可以看出男女初生婴儿比例对人口总数会产生一定的影响，但这种影响在人口增长期表现得并不明显，但在人口的衰退期，却会对减缓人口衰退产生一定的影响。5.2长期人口模型中国在近期的城镇化进程不断加快，城镇化水平不断提高。由于城，镇，乡三个不同的人口系统的人口生育率和死亡率各不相同，所以在研究中国人口的长期模型时，必须考虑到城镇化进程对中国人口的影响。因此我们把中国人口划分为城市，城镇和乡村三个子系统，并将城镇

31、化进程考虑在内，对中国长期的人口状况进行预测。1 1 5.2.1城，镇，乡子系统的建立和建立中短期人口模型的过程相似，首先在莱斯利模型的基础上，为城，镇，乡分别建立起人口方程。在建立模型之前，对附录二中给出的各个子系统的生育率和死亡率都仿照式1.12和式1.15进行了指数平滑处理。建立的模型如下：城市模型：x(t)二x(t)+x(t)二x(t)p(t)+x(t)二x(t)(p(t)+1)21)城城男城女城女城城女城女城2.1)其中，p(t)为城市男女性别比例矩阵，x(t)为第t年的各年龄段城市女性人口城城女的年龄分布.它满足关系x(t)=Gtx(0),其中，x(t)=(x(t),x(t),x(

32、t)2.2)城女城女城女城女城女0城女1城女,90G为城市女性人口对应的莱斯利矩阵。城女城镇模型：TOC o 1-5 h zx(t)=x(t)+x(t)=x(t)p(t)+x(t)=x(t)(p(t)+1)23)镇镇男镇女镇女镇镇女镇女镇2.3)其中，p(t)为城镇男女性别比例矩阵，x(t)为第t年的各年龄段城镇女性人口镇城女的年龄分布.它满足关系x(t)=Gtx(0),其中，x(t)=(x(t),x(t),x(t)2.4)镇女镇女镇女镇女镇女0镇女1镇女,90G为城镇女性人口对应的莱斯利矩阵。镇女乡村模型笃=“乡男(t)+*乡女=*乡女(t)p乡*乡女=*乡女(t)(p乡*I)2.5)其中，

33、p(t)为乡村男女性别比例矩阵，x(t)为第t年的各年龄段乡村女性人口乡乡女的年龄分布.它满足关系x(t)=Gtx(0),其中，x(t)=(x(t),x(t),x(t)2.6)乡女乡女乡女乡女乡女0乡女1乡女,90G为乡村女性人口对应的莱斯利矩阵。乡女5.2.2考虑城镇化的模型由于中国目前的城镇化进程不断加快，所以5.2.1，5.2.2和5.2.3建立的模型实际上都不满足莱斯利方程的没有迁入和迁出这一前提条件。故建立的三个子系统模型还需要进一步完善。为了研究方便，我们假设在城镇化过程中，假定人口迁移的数量各个年龄段是等比例的。假设城市，城镇和农村的迁移率分别为w城，w镇，W乡则由式2.1)，式

34、2.3)和式2.5)可以得到在城镇化影响下的各个子系统的人口模型：城市模型：TOC o 1-5 h z兀城=(1+W城(t)x城女(t)(p城(t)+1)2.7)城城城女城F(t)=蓉x(t)2.8)城ii=0城镇模型：2.9)2.10)2.11)2.12)x(t)=(1+w(t)x(t)(p(t)+1)镇镇镇女镇F(t)二x(t)镇i=0乡村模型：x(t)=w(t)x(t)(p(t)+I)乡乡乡女乡F(t)=0 x(t)乡i=0根据附录1中的描述，假设每年大约有1%的农村人口从农村转移到城市，假设转移到城市的人口和转移到城镇和城市总人口的比例为v,我可以近似的人为2.13)2.14)2.15

35、)2.16)TOC o 1-5 h zF(0)1.5v=城=。F(0)+F(0)2.6城镇由1%的转移率可知0.01F(t-1)v HYPERLINK l bookmark65 o Current Document w(t)=乡城F城0.01F(t-1)(1v) HYPERLINK l bookmark129 o Current Document w(t)=乡镇F镇w(t)=0.99乡5.2.3长期人口模型预报的人口总数在农村人口不断的像城市的转移过程中，城市人口，城镇人口和乡村人口的比例关系也在不断的变化，若z(t),z(t),z(t)分别表示第t年城，镇，乡三个子系统占总人城镇乡口数的比例

36、，设即有：TOC o 1-5 h z HYPERLINK l bookmark137 o Current Document z(t)=z(t-1)+0.01z(t-1)2.17)城城乡z(t)=z(t-1)+0.01z(t-1)2.18)镇镇乡z(t)=0.99z(t-1)2.19)乡乡z(0)，z(0)，z(0)的值可以由2005年城，镇，乡抽样调查的人口数求出。城镇乡如果我们设城市子系统，城镇子系统和乡村子系统得人口总数都为单位1，则可以的到在长期人口模型中人口总数为：2.20)F(t)=Z城(t)F城(t)+z镇(t)F镇(t)+z乡(t)F乡(t)F(t)以2005年作为起点，则第t年

37、的实际人口总数为F(t)与2005年的人口总数之积。根据以上的推导，用matlab编写程序(见附录(4)，可以模拟未来100年中国人口总数的变化情况.如图5所示：1 1 1501D203G4050SO7080沁泗时间（以2X5为起点总人口的讨1了喪图厳頂口Y图5通过图5,可以看到，如果保持现有的生育水平，在经历21世纪中叶的人口高峰后，我国人口将会进入一个持续衰退的阶段。6模型评价与改进6.1中短期人口模型6.1.1优点中短期人口模型是一个离散化的人口模型，容易用计算机实现对模型的处理和分析。附录中给出的数据也是以时间段和年龄段等离散形式给出的，采用离散模型，简化了数据处理的难度。中短期模型是

38、基于莱斯利模型建立起来的。采用莱斯利模型可以更好利用按年分段的特点，同时预测的结果还可以反映年龄的结构，便于分析人口的老龄化问题。附录中给出的死亡率与生育率正是莱斯利模型需要确定的参数，为建立模型提供了方便。对于人口预测比其他模型更注意人口本身的结构，而非只是一味的数学公式的推导和演算，便于解释一些人口由于受到某些因素的影响而出现畸形金字塔后的人口发展状况，较为密切的配合人口发展曲线。例如，我们在中短期模型中，采用指数平滑的方法，去除掉采样数据的异常点，从而不需要对大量数据进行人工分析处理。方法灵活，模型的容纳性好，可进行更大范围的推广。此外，对于被模型的结论，后面的长期人口模型都可以使用，也

39、避免了多次对大样本数据的处理。我们在模型中引入了出生男女婴儿比例函数f(t)和男女比例矩阵，使性别比例可以动态，一定程度上克服了莱斯利模型中男女比例固定的缺点。6.1.2不足与改进我们在建立模型的过程中，忽略了生育率和死亡率随时间的变化，而是认为它在短期内保持相对稳定。当实际上死亡率在逐渐下降，而生育率则可能受到多种因素的影响。可以为出生率和死亡率建立关于时间t的函数，分别表示为b(t)和d(t)，这样莱ii斯利矩阵就可以表示为b(t)0s(t)00b(t)10s(t)1b(t)m-100b(t)m00(t)m-1确定b(t)和d(t)可以采用对多点数据进行采样，然后再进行拟和。ii在将城，镇

40、，乡的数据处理为全国人口的数据后，我们忽略了城镇化进程对死亡率和生育率造成的影响，从而会产生一定的误差。6.2长期人口模型。6.2.1优点长期模型是在中短期模型的基础上建立的，但是长期模型考虑到了城镇化进程对人口发展趋势的影响，在模型中引入了迁移率(迁入人口与总人口的比)的概念，通过它来表示城镇化进程，使这三个系统之间的迁入迁出关系函数化。这样就将三个独立的人口子系统联系起来，可以使用莱斯利模型进行求解。6.2.2缺点长期人口模型默认现有的生育率保持不变，但在大时间尺度上，生育率可能会发生很大的变化。随着现代医学的发展，死亡率应该会持续降低，但没有可行的办法对它进行估计。对城镇化的函数描述也过

41、于理想化。七相关政策建议2 人口问题是我国的重要问题，有着鲜明的中国特色，通过合理得预测可以帮助我们对相关政策提出一些有价值的建议：1、坚持实施计划生育政策2、必须遏制男女性别比偏高的趋势3、积极应对老龄化进程参考文献谭永基，蔡志杰，愈文鱼此，数学模型，上海：复旦大学出版社，2005姜启源，谢金星，叶俊，数学模型（第三版），北京：高等教育出版社2005刘卫国，matlab程序设计教程北京：中国水利水电出版社赵静，但琦数学建模与数学实验（第2版）北京：高等教育出版社杨德清，王莲香，赵林坤人口统计学石家庄：河北人民出版社蒋正华人口分析与规划西安：陕西科学技术出版社洪毅，林毅良，陶志穗数学模型北京：

42、高等教育出版社中国政府网，中国人口现状网址： HYPERLINK / /，2007,9,232 2 附录文件附录(1)loadinit_data.txt;loadratio.txt;G;temp_a=zeros(50);p=zeros(50,1);temp=A*init_data;fori=1:50forj=1:91temp_a(i)=temp_a(i)+temp(j)*(1+ratio(j);endtemp_a(i)=temp_a(i)/1000;p(i)=13.0756*(temp_a(i);temp=A*temp;forpp=1:90ratio(92-pp)=ratio(91-pp);e

43、ndif(i16)ratio(1)=1.18-floor(i/3)*0.024;elseratio(1)=1.06;endendpx=1:1:50;plot(x,temp_a,g);holdon附录(2)loadinit_data.txt;loadratio.txt;G;temp_a=zeros(50);p=zeros(50,1);temp=A*init_data;fori=1:50u=0;forj=65:91u=u+temp(j)*(1+ratio(j);endtemp_a(i)=u/1000;p(i)=13.0756*(1+(temp_a(i)-1)*2.2);temp=A*temp;fo

44、rpp=1:90ratio(92-pp)=ratio(91-pp);endratio(1)=1.15;endpx=1:1:50;plot(x,temp_a,r);附录(3)loadinit_data.txt;loadratio.txt;G;temp_a=zeros(50);p=zeros(50,1);temp=A*init_data;fori=1:50forj=1:91temp_a(i)=temp_a(i)+temp(j)*(1+ratio(j);endtemp_a(i)=temp_a(i)/1000;p(i)=13.0756*(temp_a(i);temp=A*temp;2 2 forpp=

45、1:90ratio(92-pp)=ratio(91-pp);endratio(1)=1.18;endpx=1:1:50;plot(x,temp_a,r);loadinit_data.txt;loadratio.txt;G;temp_a=zeros(50);p=zeros(50,1);temp=A*init_data;fori=1:50forj=1:91temp_a(i)=temp_a(i)+temp(j)*(1+ratio(j);endtemp_a(i)=temp_a(i)/1000;p(i)=13.0756*(temp_a(i);temp=A*temp;forpp=1:90ratio(92-

46、pp)=ratio(91-pp);endif(i16)ratio(1)=1.18-floor(i/3)*0.024;elseratio(1)=1.06;endendpx=1:1:50;plot(x,temp_a,g);holdon附录（4）loadcity_death.txt;loadtown_death.txt;loadvillage_death.txt;loadcity_born.txt;loadtown_born.txt;loadvillage_born.txt;loadcity_ratio.txt;loadtown_ratio.txt;loadvillage_ratio.txt;loa

47、dcity_female.txt;loadtown_female.txt;loadvillage_female.txt;form=1:91forn=1:91city_A(m,n)=0;town_A(m,n)=0;village_A(m,n)=0;endendfori=1:91forj=1:91ifi=1city_A(i,j)=city_born(j,1)/1000+0.001;town_A(i,j)=town_born(j,1)/1000+0.001;village_A(i,j)=village_born(j,1)/1000+0.001;else2 2 city_A(i,i-1)=1-city

48、_death(i-1,1)/1000;town_A(i,i-1)=1-town_death(i-1,1)/1000;village_A(i,i-1)=1-village_death(i-1,1)/1000;endendendcity_temp_a=zeros(100,1);town_temp_a=zeros(100,1);village_temp_a=zeros(100,1);p=zeros(100,1);cityr=0.2798;townr=0.1719;villr=0.5483;city_temp=city_A*city_female;town_temp=town_A*town_femal

49、e;village_temp=village_A*village_female;fori=1:100cityr=cityr+villr*0.015/2.6;cityt=villr*0.015/(2.6*cityr);townr=townr+villr*0.011/2.6;townt=villr*0.015/(2.6*townr);villr=villr*0.99;forj=1:91city_temp_a(i)=city_temp_a(i)+city_temp(j)*(1+city_ratio(j);town_temp_a(i)=town_temp_a(i)+town_temp(j)*(1+to

50、wn_ratio(j);village_temp_a(i)=village_temp_a(i)+village_temp(j)*(1+village_ratio(j);endcity_temp_a(i)=city_temp_a(i)/1000;town_temp_a(i)=town_temp_a(i)/1000;village_temp_a(i)=village_temp_a(i)/1000;p(i)=13.0756*(city_temp_a(i)*cityr+town_temp_a(i)*townr+village_temp_a(i)*villr);%city_temp=city_A*cit

51、y_temp*(1+cityt);town_temp=town_A*town_temp*(1+townt);village_temp=village_A*village_temp*0.99;forpp=1:90city_ratio(92-pp)=city_ratio(91-pp);town_ratio(92-pp)=town_ratio(91-pp);village_ratio(92-pp)=village_ratio(91-pp);endif(i8)city_ratio(1)=1.13;town_ratio(1)=1.18;village_ratio(1)=1.21;elseif(i16)c

52、ity_ratio(1)=1.10;town_ratio(1)=1.13;village_ratio(1)=1.16;elsecity_ratio(1)=1.06;town_ratio(1)=1.06;village_ratio(1)=1.06;endendendpi=1:100;plot(i,p,r);2 2 附录（5）生育率处理后的数据生育率2005200420022001平滑处理后的生育率150.0454397750.1973080930.2432263290.0587706860.094332883160.293285880.4957963430.2860619160.29839574

53、90.337942351171.4035572951.3183324690.262356490.3485258611.261009814184.2882800563.4680660622.0654171671.0199160383.820303251912.197887929.4922607414.0723855544.93030156810.72557852032.7436911825.0591553914.1354590911.3223646528.864246532152.6667124548.1069975736.5743979833.6915342249.75863482259.53

54、17876161.3963930657.8298300758.2649759159.773154492363.4846051268.912635571.4823780774.8384317265.703773822462.7659312769.0200743578.3461528669.8274673865.571369712555.9484477164.441730963.0548193176.4047382559.119882262648.9871352859.1397014359.7377990167.3051473852.718051442742.1855539549.02744987

55、49.0573880952.4232026344.594172192836.5517399440.9727424741.8977970643.835961738.199975172931.5472133434.4672956334.9448711934.6120904932.561312843026.7901109228.57998828.5932257524.9125893627.251887613124.122243224.5676537722.9441881423.5461307924.112622493218.9566019519.7609828622.8330971218.56068

56、56319.407837483315.0562909414.5418308514.1515233214.7626282814.864070263411.5575736411.6372892110.6782932210.9757404811.48860695358.4480427197.9181207937.7953615817.0709482358.230932041366.3902583295.7348752575.6226462295.1616414226.142253161374.6122811564.0881813284.2991737313.5652685714.4338431413

57、83.1965278362.730624022.866974122.5738340393.045519535392.2599225822.1231542931.8969663492.4857147452.211006655401.5412197171.4721861811.7680712411.7773056911.551426672410.9856091610.953772431.006040771.7087715431.006831577420.7362862110.6695198760.7486228560.7114658050.721443799430.5560067350.41261

58、56890.4067585840.2504798350.501770828440.5902365160.4559689940.4808778470.4293395840.546339501450.4012493670.195997030.3364288090.4313973510.351952806460.3945494050.0904187680.0645707930.117352820.292255419470.2807428560.1707477540.2043923070.1935908990.247416053480.3529857910.2434403650.1329354070.

59、3944953850.313879727490.3441474720.2460099760.0995724590.2256218160.299832633死亡率处理后的数据年龄2005200420022001平滑处理的死亡率013.7269513.20752521.01025323.41694514.5099148511.3801420.6169261.2948010.66401318010230.9439320.6371822.1333690.86999033330.5376021.0218150.321710.7460860.63693451940.4914790

60、.07549100.3923640.35896044450.5193330.3743670.370270.7815890.48578981560.236750.1805420.6268230.0996480.24807577870.1729740.3542270.4069650.6582690.24855980.2253690.343590.109260.44810.25128896390.2387940.1752480.066770.0124560.203547259100.2236380.8338460.3086230.5637330.378131074110.2921440.564739