计划生育政策的调整研究

2013年第四次暑假模拟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）：所属学校（请填写完整的全名：参赛队员（打印并签名）：1.23.指导教师或指导教师组负责人（打印并签名）：日期：2013年8赛区评阅编号（由赛区组委会评阅前进行编号）：

2013年第四次模拟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）：PAGE26计划生育政策的调整研究摘要针对我国人口红利逐渐消失、低生育率、人口老龄化日益加重、以及男女比例失调的现状，本文从人口增长的实际情况出发，运用GM(1,1)、最小二乘法拟合、BP神经网络、主成分分析等方法建立模型，针对如何调整计划生育政策做出相关的说明。对于问题一，我们从中国统计年鉴上查找了相关数据，用最小二乘法拟合出抚养比、生育率、人口老龄化、男女比四个指标的大致走向，并结合GM(1,1)模型对数据进行中长期预测。其中负担系数，呈上升趋势，到2020年为33.04%，预计在未来将超过50%。人口老龄化也呈上升趋势，到2020年为11.2%。而男女比，生育率呈下降趋势，到2020年分别为1.0452%，0.38%，综合这四个指标，得出我国有必要放开二胎政策。对于问题二，为了更全面地反映我国人口变化的具体情况，我们利用熵权法对负担系数、生育率、人口老龄化、男女性别比加以权重，求得权重系数分别为-0.2726，0.0119，1.0903，0.1705，然后根据这四个指标构建一个综合指标的函数。用BP神经网络预测模型对这个综合指标进行长期预测，画出趋势图。接着我们查询了四个指标的国际化标准，归一化后得出一条标准直线，选取两线相交最近的一点（2017，0.02）。最终，我们得出结论，国家应在2017年放开二胎政策。对于问题三，如何全面调整计划生育政策，我们用主成分分析法建立模型，将人口数，出生率，死亡率，增长率，男女比，以及城镇和乡村的人口数作为8个观测值，对31个省进行综合排序，然后划分成5个等级，对于排在一级的省份：贵州，重庆，广西，安徽，北京，天津应在2017年首先放开二胎政策，其他城市根据优先级别每隔2年，依次实行二胎政策。最后，我们根据模型的结论给出相关建议，并对模型做出了客观评价。关键字：二胎政策最小二乘法拟合GM(1,1)熵权法BP神经网络预测主成分分析一问题重述1、背景自1949年建国后，由于社会稳定，人民负担减小，以及社会对人口增长的问题缺乏充分的认识，为了弥补战后损失的人口，国家大力鼓励生育。于是到1995年2月15日零时，我国人口就已经达到12亿，约占世界人口的五分之一，人口问题越来越成为我国主要的问题。所以国家于20世纪70年代大力推行计划生育，多年来，计划生育在我国取得了举世瞩目的成就，中国自1971年到1998年，共计出生人口6.38亿，其中因计划生育因素所减少的出生人口数达3.38亿。计划生育政策对建设中国特色社会主义、实现国家富强和民族振兴产生了巨大影响，为促进世界人口与发展发挥了重大作用。但是随着计划生育政策在我国取得巨大成就的同时，也带来了一系列的社会问题。在经历了迅速从高生育率到低生育率的转变之后，我国人口的主要矛盾已经不再是增长过快，而是人口红利消失、临近超低生育率水平、人口老龄化、出生性别比失调等问题。如何调整我国的生育政策才能满足社会人口更替的需要，缓解20年之后的高度老龄化局面，使总人口变化更加平稳，再次获得人口红利成为目前讨论的一个热门话题。2、问题我国的人口新政策于2012年由国内20多位顶尖人口学者提出，他们指出我国应该在2015年全面放开二胎政策。但是倘若国家采纳了这个建议，则给我国带来的是“人口红利”还是“人口灾难”，目前尚未知晓。请你根据自己收集的资料，建立合适的数学模型，回答以下问题。（1）选择合适的角度，建立数学模型，评估我国目前有没有必要放开二胎政策？（2）建立数学模型，回答何时放开二胎政策比较合适。（3）建立数学模型，分析如何合理放开二胎政策才可以避免同时全部放开二胎带来的人口大起大落式的剧烈变动，也可避免放开“单独”（即夫妻双方一方是独生子的可生二胎）带来的花费时间较长、贻误时机等问题。二基本假设在进行人口统计的工作中，由于其工作难度大，费时长，国家财政支出多，因此国家统计的数据并不完整。而且在人口统计的过程中有很多不确定的因素，所以对于此题我们做了如下的假设：1、假设我们从网上查到的国家统计的数据真实、可靠；2、假设意外死亡的人数和港澳台同胞不计入统计范围；3、假设劳动人口的年龄范围为15—64岁；4、假设国内外人口的迁入、迁出不计入统计范围；5、假设在一年之内，处于育龄妇女的生育率不会改变。三符号说明：多项式的系数：多项式的项：最小二乘法拟合曲线：指标权重：指标权值：指标的差异系数：熵权法的权重：单位特征向量：主成分：综合指标：协方差矩阵：熵权法所求系数：四问题分析4.1问题一的分析对于问题一，首先，根据题目中的四个因素，作为国家是否需要放开二胎政策的指标，分别是人口红利指标、生育率指标、人口老龄化指标和性别比指标。通过中国统计年鉴和其他资料查出能反映上述指标的各种数据，利用这些数据，我们结合现阶段的实际情况和未来的发展情况来说明此问题。我们对现有的数据进行最小二乘法拟合，得到我国当前人口红利、生育率、人口老龄化、性别比的情况和大致的未来的趋势。然后，为了全面地反映我国未来人口的变化情况，我们建立了GM(1,1)模型，对以上四个指标进行预测。最后，将预测值与实际值进行比较，一方面验证预测效果的好坏，另一方面又说明了我国未来的人口变化情况，从而准确说明我国有没有必要放开二胎政策。4.2问题二的分析对于问题二，在问题一的基础上，建立出能够全面反映出我国未来人口变化的具体情况。因为在问题一中，人口红利、生育率、人口老龄化和性别比都只能反映人口变化的一个侧面，为了更全面地反映我国人口变化的具体情况。首先，拟定一个人口变化情况的综合指标，并利用熵权法得出四个指标的在综合指标中所占的权重，构建出综合指标的函数其次，将问题一中对于各指标的数值进行归一化后代入到综合指标中，得出这个综合指标在我国目前的情况，并用MATLAB程序拟合出我国现阶段综合指标的变化情况。然后，利用BP神经网络模型对综合指标进行预测，得出未来综合指标的变化情况。最后，我们从网上找出以上四个指标在国际上的标准，并于归一化后代入建立的函数中，求得综合指标在国际上应有的标准。根据标准，在预测图中作出一条作为标准的直线，其交点的横坐标即为应该放开二胎政策的时间。4.3问题三的分析问题三是建立在问题二的基础上分析如何合理放开二胎政策才可以避免同时全部放开二胎带来的人口大起大落式的剧烈变动，也可避免放开“单独”带来的花费时间较长、贻误时机等问题。这也就是说明，我国的人口新政策不是同时在我国的每个地区都实施的，所以这就需要我们根据我国各地区人口现状，将我国各地区分为几个部分，然后逐级放开二胎政策。所以我们根据人口数，出生率，死亡率，增长率，男女比，抚养比，城镇和乡村等8个与我国各地区与人口变化有关的观测指标，利用主成份分析法求出其中的主成份，并针对我国各省市的具体人口情况做一个合理的排名，将这31个省分成五个等级去逐级放开二胎政策。五模型的建立和求解5.1问题一模型的建立和求解5.1.1问题一模型的准备为了了解人口红利、生育率、人口老龄化和男女比随年份的变化趋势，以及提高数据拟合的准确度，利用SPSS软件作出四项指标的散点图如下：图1四项指标与年份关系的散点图根据散点图可以看出，抚养比随年份的变化和人口老龄化随年份的变化为一次函数关系，而综合生育率与男女比随年份的变化则与年份不成一次关系，而且关系较为复杂。对于这种情况的拟合，我们可以采用最小二乘法拟合对其分别进行一次、二次及多次的拟合，而且拟合效果比较好。然后再用GM(1,1)模型对其进行预测，得出我国未来人口的变化情况。但是通过我们阅读文献及从散点图的趋势可以知道，抚养比随年份有一个先减小而后增大的情况，通过GM(1,1)模型预测的数值都是单调函数，所以对于抚养比的预测就只能通过最小二乘法的拟合来实现。5.1.2问题一模型的建立1、曲线拟合的最小二乘法模型的建立1）由已知的离散数据点选择与实验点误差最小的曲线(1)式（1）中为多项式的系数，为多项式的项，则称为最小二乘法拟合的曲线。2）若记(2)(3)（2）式、（3）式可改写为(4)式（4）法方程，可写成距阵形式(5)式（5）中。它的平方误差为：(6)2、GM(1,1)模型的建立（以人口老龄化为例）选取2001~2011年11年的数据预测2012~2020年9年的数据。1)第一步,建立原始数据的GM(1,1)模型设原始数据为利用GM(1,1)的求解程序得a=-0.0298u=8871.3751时间响应式为：(7)求导还原得：(8)(9)(10)2)第二步，精度检验（后验差比值）C=0.1095表1后验差检验表级数后验差比值C准确率P一级（好）<0.35≥0.95二级（合格）<0.5≥0.8三级（勉强）<0.65≥0.7四级（不合格）≥0.65<0.7由上表知，其准确率达到95%以上，故其预测的结果非常准确。5.1.3问题一模型的求解1、人口红利指标的计算查阅资料得知，人口红利可以表示为人口负担系数，人口负担系数小于或等于50%称为人口机会窗口期，也可称为人口红利期。人口负担系数的计算公式如下：人口负担系数=（14岁及以下人口数+65岁及以上人口数）/（15～64岁人口数）×100%我们通过中国统计年鉴查到的人口负担系数的数据见附录1。利用最小二乘法对该数据拟合的图形如下：图2人口负担系数随年份的变化图具体程序代码见附录2其预测的数据如下：表2人口负担系数的预测年份201220132014201520162017201820192020系数33.9333.4233.0232.7232.5332.4632.5232.7133.04由以上结果可知，我国的人口负担系数在1995年到2017年成下降趋势，在2017年之后，人口负担系数将逐年上升，并大概于2030年上升到50%，则此时人口红利将会消失。2、生育率指标的计算查阅文献得知总和生育率一般作为国家计划生育的指标，而国际的标准为，总和生育率为2.1可以满足社会人口更替的需要。通过中国统计年鉴查到的总和生育率的数据见附录1。1）利用最小二乘法对该数据拟合的图形如下：图3总和生育率随年份的变化图2）利用GM(1,1)对总和生育率的预测结果如下：表3生育率的预测值年份201220132014201520162017201820192020预测值0.910.820.730.660.590.530.480.430.38得到的C=0.2193<0.35，所以预测数据很准确。具体算法程序见附录3由以上结果知，我国的总和生育率于2006年以后都成下降的趋势，而且总和生育率都在2.0以下，远远小于国际水平。随着时间的发展，我国的总和生育率将日趋减小，若干年后，我国的总和生育率将远远无法满足社会更替的需要。3、人口老龄化指标的计算利用时间响应函数模型预测出2012~2020年65岁以上人口数（单位：万）和2012~2020年65岁以上人口占总人口的比重（单位：%）。具体结果若下：表4人口老龄化的预测值年份201220132014201520162017201820192020预测值9.910.210.410.711.011.2图4人口老龄化随年份的变化图由以上结果可知,目前,中国65岁及以上老年人口数已达1.29亿,占总人口数的9.3%。2020年,65岁及以上老年人口数将达到1.59亿,比重从1982年的4.9%增长到11.2%。预计未来定会形成老龄人口高峰平台。由此可见中国的人口老年化速度和老年人口的绝对数增长都比较快,中国老年人规模比例在迅速的上升。因此国家应适当的放宽计划生育政策，以及时应对老龄化社会出现的各种问题。4、男女性别比指标的计算同理选取2001~2011年11年的数据用GM(1,1)预测2012~2020九年的男性人口数和女性人口数。做出的后验差比值均小于0.35，说明预测的精度非常好，不需要修正。然后计算出男女人口差值（单位：万）和性比（单位：%）。为了更好地反映人口增长的趋势，下表列出了1980~2020年的数据：表51980-2020年男女性别比的预测值198019851990199520002005201020152020男性507855472558904618086543767375687487056672273女性479205112655429593136130663381653436716969145性比1.05981.07041.06271.04211.06741.06301.05211.05061.0452图5男女性别比随年份的变化图由图可以看出我国男女数量处于不稳定状态，2000年达到了1.0674%。虽然未来几年我国男女性比逐渐减小，2020年为1.0452%，担仍大于国际通行安全标准（102：107），剩男居多，不利于社会稳定。因此国家应对计划生育政策做适当的调整。5、总结：由以上四个指标的计算结果可知，我国目前有必要放开二胎政策。5.2问题二模型的建立和求解5.2.1问题二模型的准备由于问题一中人口红利、生育率、人口老龄化和性别比都只能反映人口变化的一个侧面，为了更全面地反映人口变化的具体情况，我们需要拟定一个人口变化情况的综合指标。熵权法是一种决定指标的方法，综合指标取决于单个指标数的确定，熵权法使权重的确立具有科学的根据，具有说服力。所以对于这个综合指标我们利用熵权法来确定各指标的权重。为了求出我国需要放开二胎政策的具体年份，我们需要对人口情况做一个中长期的预测。GM(1,1)模型适用于中长期预测，最小二乘拟合预测限制性较强。对于长期综合指标的预测，我们采用BP神经网络。因为此模型只需以历史数据作为输入，通过抑制与激活神经结点，自动决定影响性能的参数及影响程度，自动形成模型，无需进行模型假设，再加上神经网络对复杂的非线性系统具有曲线拟核能力，预测能力强。最后根据BP神经网络来预测这个综合指标在我国未来的变化情况，并根据国际标准找出我国需要放开二胎政策的年份。5.2.2问题二模型的建立1、熵权法模型的建立1)计算第项指标小第个方案的指标比重：(11)2)计算指标的熵值：(12)3)计算第项指标的差异系数：(13)4)定义权重：(14)式（14）中就为熵权法确定的权重。2、BP神经网络预测模型的建立我们建立如下结构为17-20-17的BP神经网络，其结构图如下：……………输入层隐含层输出层……………图6BP神经网络结构图BP神经网络的预测算法模型包括BP神经网络构建、BP神经网络训练、BP神经网络分类三步，算法流程如图7所示：系统建模系统建模构建合适的BP神经网络BP神经网络分类测试数据BP神经网络初始化BP神经网络训练训练结束BP神经网络构建BP神经网络训练NYBP神经网络分类图7算法流程5.2.3问题二模型的求解1、熵权法模型的求解根据熵权法，分别对人口老龄化，男女比，总和生育率，抚养比分别加以权重最后得到系数，，，的值，如下表2所示表6四项指标的权重系数指标人口老龄化男女比总和生育率抚养比权重-0.27260.01191.09030.1705由四项指标的权重系数，我们得到了综合评价指标函数：(15)具体算法程序见附录42、BP神经网络模型的求解我们对得到的2001~2020年的综合指标进行预测，得到了2021~2035年的预测指标，下图蓝色的曲线是2001~2035年总指标趋势图。为了得到放宽二胎政策的最优年份，我们查询了我国四项指标的安全线，分别为：人口老龄化标准：65岁以上人口占总人口≥7%；男女比例标准：102：107；总和生育率标准：1.5%；抚养比标准：40%。根据综合指标的函数，我们求的综合指标的标准为0.02，然后我们利用MATLAB软件做出的结果如下：具体算法程序见附录5图8总指标趋势与标准线图将得到的一条平行于x轴的直线x=0.02与综合评价指标曲线相交于两点，最近的一点对应2017年，因此我们得到结论：国家应在2017年放开二胎政策，使人口、资源、环境相适应，社会稳定发展。5.3问题三模型的建立和求解5.3.1问题三模型的准备问题三让我们分析如何合理放开二胎政策才可以避免同时全部放开二胎带来的人口大起大落式的剧烈变动，也可避免放开“单独”（即夫妻双方一方是独生子的可生二胎）带来的花费时间较长、贻误时机等问题。这也就是说明，我国的人口新政策不是同时在我国的每个地区都实施的，所以这就需要我们根据各地区人口现状，将我国各地区分为几个部分，然后逐级放开二胎政策。于是这就引申出了一个分类问题，这就需要我们根据各地区人口变化的各种因素，对这些地区作出一个较为准确的排名，然后将他们分为若干类。由于影响各地区人口变化的因素有多种，所以我们可以利用主成份分析法，将影响各地人口变化的主成份找出来，根据这些主成份将我国各地区的排名逐级写出来。5.3.2问题三模型的建立1）有31个城市，每个城市观测8个指标，将原始数据写成矩阵形式，然后数据标准化：(16)2）建立变量的相关系数阵：或者协方差矩阵：(17)3）求的特征根及相应的单位特征向量：(18)4）写出主成份：(19)一般取累计贡献率达85-95%的特征值所对应的第一、第二，…第个主成分。5）根据特征值，确定各成分权重，进行综合指标，排序。(20)5.3.3问题三模型的求解主成分分析是一种通过降维技术把多个指标约化为少数几个综合指标的综合统计分析方法，而这些综合指标能够反映原始指标的绝大部分信息，它们通常表现为原始几个指标的线性组合。根据人口数，出生率，死亡率，增长率，男女比，抚养比，城镇和乡村等8个观测指标对31个城市进行综合排序，求得城镇和乡村人口数为主成份累计贡献率，达到85%以上。我们用主成份分析法计算出综合排序，将31个城市分为5个等级。具体算法程序见附录6具体主成份数据和运算结果见附录7表7城市划分等级情况级别一级城市二级城市三级城市四级城市五级城市城市贵州、重庆广州、安徽北京、天津江西、宁夏辽宁、福建新疆、河南四川、海南青海、广东湖南、山东浙江、西藏江西、山西云南、吉林湖北、内蒙古、上海、甘肃、陕西、黑龙江、湖北由问题二的求解可知，我国应该在2017年实行二胎政策，所以在2017年，一级城市应该开放实行二胎政策，之后，每个2年，分别让二级城市，三级城市……实行开放二胎政策。图91982-2005年我国家庭变化趋势根据图9，1982年第三次人口普查时，我国家庭户的平均人数为4.43人，到2010年第六次人口普查时，该数值降到3.10人，30年间家庭户的平均人口减少了近1.3人。在家庭规模不断缩小的同时，家庭规模缩小和独生子女增加使我国出现了大量的独生子女家庭。所以对于家庭规模比较小的城市，更应该实施二胎政策。六相关建议1、在2017年，国家应放宽二胎政策。人口老龄化加剧使社会负担加重，家庭养老功能减弱；男女比例失调早晨社会不稳定；低生育率影响我国未来人口的发展……为减少未来我国人口的不安定因素，计划生育政策的调整势在必行。如果在群众的生育意愿很低的情况下再去调整生育政策，就有可能导致生育水平不会反弹，此时的政策调整就失去意义了。2、逐步放开二胎政策不会造成人口数量的反弹。按照各省人口的综合情况，逐步拓宽，对于家庭规模比较小的城市，更应该实施二胎政策。3、为了实现男女性别比例平衡，应允许第一胎是女孩的夫妇可以生第二胎。七模型的评价优点：1、模型的的计算采用专业软件求解和作图，例如Matlab软件，spss软件等；2、模型一中，我们用GM(1,1)模型和最小二乘拟合对人口老龄化、性别比、生育率、抚养比进行了中长期预测并做出合理的分析；3、模型二中，我们利用熵权法对四项指标组合预测，得到了综合评价指标，大幅度提高了预测的准确度。在不同时期，建立起不同的模型，用BP神经网络做长期预测，使该模型具有很好的推广性和通用性；4、模型三中，根据城市的人口情况，我们用主成分分析法将其分为五个等级，在保留大部分信息的情况下用少数几个指标进行分析。缺点：1、由于是在假设的理想情况下求最优解，故它可能与实际的情形有一定的出入。其次，在选取样本时，由于数据有限，使得所求结果具有一定的局限性。2、人口的波动情况与很多动态因素有关，不可能面面俱到，使得模拟中存在误差。参考文献[1]曾毅.中国人口分析[M]．北京：北京大学出版社，2004年.[2]田雪原．中国人口政策60年[M]．北京：社会科学文献出版社，2009年.[3]顾宝昌,王丰主编.八百万人的实践—来自二孩生育政策地区的调研报告[M]．北京:社会科学文献出版社,2009年.[4]李建新.中国人口结构问题[M]．北京：社会科学文献出版社,2009年.[5]汤兆云.当代中国人口政策研究[M].北京:知识产权出版社,2005年.[6]国家计生委课题组.中国未来人口发展与生育政策研究[J].人口研究，2000年3月.[7]李建新.论生育政策与中国人口老龄化[J]．人口研究，2000年2月．[8]郭志刚,张二力,顾宝昌,王丰.从政策生育率看中国生育政策的多样性[J]．人口研究，2003年4月.[9]李建新．不同生育政策选择与中国未来人口[J]．人口研究，1997年1月．[10]陈友华．中国生育政策调整问题研究[J]．人口研究，1999年1月．[11]曾毅．试论二孩晚育政策软着陆的必要性与可行性[J]．中国社会科学，2006年2月．[12]中国统计年鉴.附录1年份（年）人口负担系数总和生育率老龄化（%）男女比19912.011.055119921.861.042919931.711.041619941.561.045199548.81.436.21.0421199648.81.566.41.0333199748.11.466.51.043719981.0513199947.71.456.91.058920001.06742001421.387.11.0602200242.21.397.31.06062003421.417.51.06192004411.597.61.0627200538.81.747.71.0631200638.31.877.91.062720071.0619200837.41.438.31.060620091.059320101.0521201134.41.049.11.0517附录2最小二乘拟合代码：clcclearx=[1995:1:2011];y=[48.848.848.147.947.7 42.642 42.242 4138.8 38.337.937.436.9 34.234.4]';plot(x,y)a3=polyfit(x,y,3)xi=1995:2044;y3=polyval(a3,xi)plot(x,y,'o',xi,y3,'k');title('人口负担系数');附录3clccleary=[2.52.422.171.431.221.141.180.660.38];n=length(y);D=y*[0;ones(n-1,1)];yy=ones(n,1);yy(1)=y(1);fori=2:nyy(i)=yy(i-1)+y(i);endB=ones(n-1,2);fori=1:(n-1)B(i,1)=-(yy(i)+yy(i+1))/2;B(i,2)=1;endBT=B';fori=1:(n-1)z(i,1)=(yy(i)+yy(i+1))/2;endC=ones(1,n-1)*z;E=y*[0;z];F=z'*z;forj=1:n-1YN(j)=y(j+1);endYN=YN';A=inv(BT*B)*BT*YN;a=A(1)u=A(2)t=u/at_test=10;i=1:t_test+n;yys(i+1)=(y(1)-t).*exp(-a.*i)+tyys(1)=y(1);xxs(i+1)=yys(i+1)-yys(i)xxs(1)=y(1)fori=1:nDet(i)=abs(xxs(i)-y(i))/y(i)endDET=Det*ones(n,1)/nforj=n+t_test:-1:2ys(j)=yys(j)-yys(j-1);endfori=1:nerror(i)=xxs(i)-y(i);endC=std(error)/std(y)x=1:n;xs=2:n+t_test;yn=ys(2:n+t_test);plot(x,y,'^r',xs,yn,'*-b');disp(['预测值为：',num2str(xxs(1:n+t_test))]);附录4熵权法测定各指标的权重的代码：clcclear%人口老龄化p1=[7.100 7.300 7.500 7.600 7.700 7.900 8.100 8.300 8.500 8.900 9.100 9.236 9.465 9.701 9.942 10.189 10.442 10.702 10.968 11.240];%性比p2=[1.060 1.061 1.062 1.063 1.063 1.063 1.062 1.061 1.059 1.052 1.052 1.054 1.053 1.052 1.051 1.050 1.048 1.047 1.046 1.045];%生育率p3=[1.380 1.390 1.410 1.590 1.740 1.870 1.600 1.430 1.170 1.180 1.040 0.910 0.820 0.730 0.660 0.590 0.530 0.480 0.430 0.380];%抚养比p4=[42.000 42.200 42.000 41.000 38.800 38.300 37.900 37.400 36.900 34.200 34.400 33.926 33.425 33.021 32.720 32.530 32.460 32.517 32.708 33.042];p11=p1./max(p1);p12=p2./max(p2);p13=p3./max(p3);p14=p4./max(p4);p21=p11./sum(p11)p22=p12./sum(p12)p23=p13./sum(p13)p24=p14./sum(p14)e1=-1/log(20)*sum(p21)*log(p21)e2=-1/log(20)*sum(p22)*log(p22)e3=-1/log(20)*sum(p23)*log(p23)e4=-1/log(20)*sum(p24)*log(p24)w1=1-e1w2=1-e2w3=1-e3w4=1-e4t1=w1/(w1+w2+w3+w4)t2=w2/(w1+w2+w3+w4)t3=w3/(w1+w2+w3+w4)t4=w4/(w1+w2+w3+w4)y=t1*p21+t2*p22+t3*p23+t4*p24m=y;附录5%BP神经网络预测至2035年的综合指标clcclearP=[-1.00 -0.95 -0.91 -0.86 -0.82 -0.77 -0.73 -0.68 -0.64 -0.59 -0.55 -0.50 -0.45 -0.41 -0.36 -0.32 -0.27];%输入样本归一化后的数据，T=[0.0700.0710.0710.0800.0870.0930.0790.0700.0560.0560.0480.0410.0360.0310.0270.0230.020];%输出样本观测值（对应人口归一化的数据）%创建初始的神经网络PR=minmax(P);r=size(T,1);net=newff(PR,[17,20,r],{'purelin','tansig','tansig'},'trainlm');%创建网络参数%设置神经网络训练参数net.trainFcn='trainlm';net.trainParam.Ir=0.05;net.trainParam.goal=0.0001;net.trainParam.epochs=2000;net.trainParam.epichs=1000;net=train(net,P,T);%检验P1=[-0.23 -0.18 -0.14];T1=[0.0170.0140.011];[net,tr]=train(net,P,T);%训练网络PN=sim(net,P1);%网络仿真E=T1-PN;%mse指标MSE=mse(E);%作图表示实测值和仿真值figure(1);m=size(PN);X=1:m(2);plot(X,PN,'r*',X,P1,'bo');title('o为真实值*为预测值');%预测mn1=[-0.09];mn2=[-0.05];mn3=[0.00];mn4=[0.05];mn5=[0.09];mn6=[0.14];mn7=[0.18];mn8=[0.23];mn9=[0.27];mn10=[0.32];mn11=[0.36];mn12=[0.41];mn13=[0.45];mn14=[0.5];mn15=[0.55];Yb1=sim(net,mn1)Yb2=sim(net,mn2)Yb3=sim(net,mn3)Yb4=sim(net,mn4)Yb5=sim(net,mn5)Yb6=sim(net,mn6)Yb7=sim(net,mn7)Yb8=sim(net,mn8)Yb9=sim(net,mn9)Yb10=sim(net,mn10)Yb11=sim(net,mn11)Yb12=sim(net,mn12)Yb13=sim(net,mn13)Yb14=sim(net,mn14)Yb15=sim(net,mn15)%YY=Yb'clcclear%总指标趋势图x1=2001:1:2035m=[0.07 0.0710.071 0.080.0870.0930.0790.07 0.0560.056 0.0480.04100.03600.03100.02700.02300.02000.01700.01400.01100.02300.02600.02900.03180.03380.03750.03670.03710.03680.03550.03380.03090.02790.02370.0189];x=2001:1:2035plot(x,m,'b-*')legend('总指标变化曲线')holdonx1=2001:1:2035y1=0.02plot(x1,y1,'r-*')legend('标准线')附录6主成份分析法代码：clcclearsj=xlsread('shuju.xls')sj1=zscore(sj)xfc1=cov(sj1)[t1t2]=eig(xfc1)fori=1:8w(i)=t2(i,i)/sum(sum(t2))endYY=sj1*(-t1)ZH=YY(:,1:2)*w(7:8)'YY附录7城市人口数出生率死亡率增长率男女比抚养比城镇乡村综合贵州346913.316.936.381.12049.8534.9665.040.175重庆29199.886.713.171.04039.7855.0244.980.154广西464513.716.047.671.10045.9941.8058.200.154安徽596812.235.916.321.02739.8544.8055.200.09北京20198.294.274.021.04121.3186.2013.800.078天津13558.586.082.500.98825.6680.5019.500.077江西448813.485.987.501.11241.0345.7054.300.064宁夏63913.654.688.971.11135.8749.8250.180.06辽宁43835.716.05-0.341.01328.4264.0535.950.054福建372011.47430.6058.1041.900.05新疆220914.994.4210.571.05336.1543.5456.460.046河南938811.566.624.941.07841.9140.5759.430.043四川80509.796.812.981.04439.3441.8358.170.039海南87714.725.758.971.08336.6150.5049.500.033青海56814.436.128.311.02636.0446.2253.780.024广东1050510.454.356.101.15231.2166.5033.500.013湖南659613.356.806.551.06039.6345.1054.900.008山东963711.506.405.101.00735.6550.9549.050.006浙江54639.475.404.070.95826.8762.3037.700.004西藏30315.395.1310.261.04438.7022.7177.29-0.01江苏78999.596.982.611.00931.2461.9038.10-0.01山西359310.475.614.861.04931.4549.6850.32-0.02云南463112.716.366.351.04137.4736.8063.20-0.03吉林27496.535.511.021.04527.2753.4046.60-0.03湖北575810.396.014.381.05732.3051.8348.17-0.03内蒙古24828.945.433.510.98825.8956.6243.38-0.03上海23476.975.101.871.13119.2789.3010.70-0.05甘肃256412.086.036.051.08234.7437.1562.85-0.06陕西37439.756.063.691.05430.7447.3052.70-0.07黑龙江38346.995.921.071.01324.5856.5043.50-0.09河北724113.026.526.501.07734.7245.6054.40-0.09

中国企业物流运作现状及发展战略探讨摘要：自从2001年中国加入WTO之后，市场竞争就更加激烈。每个企业为了提高自身的竞争力，努力提高物流水平，降低物流成本。本文将中国物流现状与发达的国家和地区的企业物流运作模式进行对比，提出了中国的企业物流发展战略关键词：企业物流现状；运行模式；发展战略一、中国企业物流的运作现状及弊端

物流战略是很多企业总体战略中必须考虑到的一个重要因素。为了在市场中提升自我竞争了，企业不断在降低物流成本和提高物流水平上下功夫。无论是在国内还是国际市场上，都能够最大程度上的降低成本，同时又不减低服务水平，获得竞争优势。企业物流的管理整体上来说还是处于不完善的阶段，大多停留在纸币时代。比较先进的企业已经配备了电脑，但是依旧没有形成系统的体系和网络。EDL、个人电脑、人工智能、专家系统、通信和扫描等先进的信息技术还未在物流运作中广泛地运用。但是物流是一种新型的管理技术，涉及领域宽广。因此物流管理人员要熟悉掌握企业内物流和因此延伸的整条供应链的管理知识，掌握整个工艺流程，精通物流管理技术。而我国现在十分缺乏具备综合物流知识的管理和技术人才，难以满足企业物流现代化的需求。二、中国企业物流的发展战略1990年以来，在国外，物流已经成为了该国一个重要的经济增长点。但是在中国，物流才刚刚起步。企业之间生产经营，市场运行的各个方面展开竞争。具体体现在技术、人才上包括了物流和供应链。在竞争如此激烈的背景之下，企业进入了一个微利时代，产品的成本和利润变得十分透明。而这用竞争还会不断加深，变得更加激烈，三、发展物流为当务之急

社会的经济环境在不断地发展变化之中，这就要求中小企业从战略发展的高度出发去思考物流的发展问题。在大企业实时物流战略的同时，作为灵活的反应者，中小企业在市场中，也积极采取了行动。希望通过积极的物流战略提升自身的竞争力。信息技术的发展前景大好，经济贸易的高速发展，物流业已经显示出了蓬勃的活力和蕴藏的无限商机，物流服务正逐渐成为中国企业之中最为经济合理的综合服务模式。中国进入WTO的时间还不算长，我国的中小企业应该及时把握住这一机会，在物流市场竞争比较不激烈时加入物流领域，迅速地占领一定的市场份额。但是如果中小企业不作为，等时间再长久一些，将会失去发展物流的优势。

四、从战略角度做物流

现下，我国的许多中小企业还未意识到物流战略以及控制物流成本的重要性。中小企业应当认识到物流战略是提升竞争力的重要手段，并且重视自身物流系统地建设，将物流系统的建设上升到战略高度。事实上，企业物流成本是除了原材料成本之外的最大成本项目。在国外发达国家，它们的物流成本一般控制在10％左右。而我国的现状就不太乐观。我国物流成本一般占总成本30％－40％，鲜活产品占60％左右甚至更多。我们应该看到的是系统完善的物流管理可以节省15％－30％物流成本，很大程度上减少库存和运输成本，对于中小企业来说，技术上和产品质量都比不上大企业。但不得不承认的是，中小企业产品价格更加受消费者青睐，市场需求反应更加灵活迅速。一旦中小企业将物流上升到战略高度，利用先进的物流管理模式，就可以大大的节省产品成本，进一步发挥自身的优势。想要在变幻莫测的市场中屹立不倒。谋求更加长远的发展，中小企业就要把物流放到企业经营管理的战略高度上进行思考。除了考虑要怎样解决仓储运输和商品配送这些物流的基本问题，还要思考怎样把采购、生产和销售过程中的物流活动的有机结合。做到以业务流程为基础，使得物流的一体化。最终达到加强企业的在瞬息万变的市场当中的竞争能力。

我国的中小企业只有突破地域限制、行业的局限，放眼于国内外，才能说真正意义上做好了战略制定，最大限度地把握住了机遇，有效规避风险。具体来的说，就是首先着眼于当前的地域市场的开拓，在获得了本地竞争的优势之后，辐射全国，放眼于全球。

五、重视物流系统的全面改造

发展物流并不是一蹴而就的，它需要一步步地前进。因此中小企业要注重制定详细的物流重组的长期实施计划和发展策略。物流重组需要从物流业务流程、组织机构、企业资源管理系统等方面展开，这样一来才有可能慢慢实现企业物流向供应链管理的“横向一体化”。达到降低生产、库存、运输等环节的成本，最终给客户带来更大的效益，给消费者带去更大的实惠。与此同时，企业的经营者应该打破传统的观念，不再只是局限于投入产出管理问题，如流程再造、压缩成本、加强培训以及有限资源的合理配置问题。企业的经营者应当认识到物流是企业市场营销的基础，从战略高度去思考物流运营成本与市场拓展需要、物流顾客服务的特殊要求之间的动态平衡，做到将物流系统与营销战略有机结合。现代化的物流在国际上又被称为一体化物流、供应链管理、销售链管理等等。不同于传统的物流，现代物流包括了运输、储存、装卸、搬运、包装、流通加工、配送、信息处理、回收等功能。对我国的中小企业来说，发展物流必须重视物流系统的全面改造。以物流供应链思想作为指导，注意对物流管理的强化，积极运用有效策略，全新打造物流的运作与管理体系。

六、从服务角度做物流

在国外，广泛认为物流业归属于服务业。但是现代物流在中国还是新兴产业。它的发展也就紧密伴随着企业经营管理理念而在发展。当代企业政府对物流管理的认识也逐渐提高到了企业和地区的战略理论的高度。当代企业经营管理理念的核心正在从产品制造转向产品销售再转向现代营销和客户服务。并且提出了“一切为客户创造价值”的现代经营理念。人们对于物流的认识早已经从企业自身的“功能性活动”上升为“以满足客户需求为目的”、“努力为客户创造价值，尽力增加顾客让渡价值”的“从供应到消费的运动、储存和配送的计划、执行和控制”的管理过程。消费者的需求不仅仅是商品。以企业的经营和发展的角度来看，物流就等同于服务。服务也是物流的物品之一。它是企业所提供的服务，“服务的实质上也是一种商品”，但是这一点却常常被人们所忽视。七、引进专业物流管理咨询公司中小企业自身的专业力量不足，因此要懂得借助相关的管理顾问公司以及相关研究机构来科学规划企业的物流战略、实施战略和管理体系。要去了解先进物流企业的作以及这样运作的原因所在。在这一过程之中，它们的物流服务理念是如何变化的，怎样做到满足客户需求和市场竞争，企业经营战略相衔接。这有这样，我国的中小企业才有可能成功地进入一个新的市场领域，在现有的市场基础上进一步地替身自身的服务水平，拓展市场份额。许多的企业在管理咨询方面下了许多的功夫，用以探索新管理方式和学习物流技术的运用。中小企想要全面提升企业的物流运作以及管理的水平，更加迅速地构建起一个先进的物流系统以及管理平台，就应当充分利用专业管理顾问公司的优势能力。结语：战略性的规划、投资以及技术开发是最近几年促进物流现代化发展的重要因素。企业亟需解决的不仅仅是仓促运输以及商品配送等最为基本的物流问题，最重要是为了解决怎么样才能在在变化莫测的市场竞争之中谋求生存与发展这一问题。因此企业必须做到将物流放在企业经营管理这一战略高度上去考虑怎样将采购、生产和销售则一系列过程与物流相结合。从而形成以业务流程为基础，形成物流一体化，达到增强企业市场竞争力的目的。物流已然是企业市场营销的基础。作业企业的经理，在物流决策方面应当从战略高度去考虑物流运营成本和市场拓展需要、物流顾客服务的特殊要求之间的动态平衡，仔细思考怎样才能把物流系统与营销战略以及企业的总体战略灵活结合。不再像传统上，只注重如何解决流程再造、压缩成本等投入产出的管理问题以及有限资源的合理配置问题。参考文献【1】孟祥茹

-中国企业物流运作现状及发展战略探讨\o"《山东交通学院学报》"《山东交通学院学报》

-

2013【2】刘铁钢

-

我国第三方物流的发展现状与运作模式探讨\o"《湖南经济管理干部学院学报》"《湖南经济管理干部学院学报》

-

2015【3】郑金花，HYPERLINK"/s?wd=authoruri:(13ac067f5d9fcc64)%20author:(%E4%BD%99%E6%B4%AA%E6%98%8E)%20%E6%AD%A6%E6%B1%89%01%E7%90%86%E5%B7%A5%01%E5%A4%A7%E5%AD%A6%01&tn=SE_baiduxueshu_c1gjeupa&ie=ut