文档介绍：基于BP神经网络和GM(1,1)灰色模型的中国人口预测分析
摘要
人口预测对国民经济的发展有着非常重要的作用. 如何用操作性强, 可信度高的方法来预测人口的变化, 这是一个值得探讨的问题.
本文主要根据《中国人口统计年鉴》上收集到的2001年到2005年部分数据, 在灰色预测的基础上, 引入BP神经网络模型, 建立了中国人口增长的GM(1,1)和BP神经网络组合模型, 并由此对中国人口增长的中短期和长期趋势做出预测.
我们通过输入原始数据资料, 应用灰色模型进行预测, 得到预测数列, 然后将预测值作为输入量, 原始数据作为期望值, 对BP神经网络进行训练, 得到相应的权值和阀值, 最后输入预测年份, 即可得到具有较高精度的预测量. 由此可以知道, 中国人口增长的中短期和长期趋势为:
人口总量在中短期内继续增长, 增速较为平稳, . 人口总量在未来30年还将净增2亿人左右, 总人口将于2010年, , , 之后人口总量缓慢下降.
我国育龄妇女( 15-49岁) 人数在短期内持续增加, 在2014年达到顶峰, 之后开始缓慢下降, 到2033年左右, 下降速度加快;我国生育旺盛期育龄妇女( 20-29岁) 人数在短期内持续下降, 在2015年达到低谷, 之后开始缓慢回升, 但是一段时期后, 又开始缓慢下降, 如此波动变化.
全( 维持在7‰以下) , 并缓慢下降, ‰‰, ;我国男性人口死亡率高于女性人口死亡率, 乡人口死亡率高于城镇人口死亡率.
-, 之后人口城镇化开始放慢增长速度, 2021-. 到本世纪中叶, 城镇化水平在75%左右.
2005年我国老年人口已超过1亿人, 到2020年, , %%. 预计2050年, , %. 老龄化进程加速. 老年人口数量多, 老龄化速度快, 高龄趋势明显.
出生人口性别比总体呈上升趋势. 中短期变化不大, 都在初始值附近波动;.
此组合模型兼有灰色预测和BP神经网络预测的优点, 既利用灰色系统理论具有所需要的样本数据少, 原理简单, 运算方便, 短期预测精度高, 可检验等优点, 也发挥神经网络并行计算, 容错能力强, 自适应能力强等优点, 模型既克服了原始数据少, 数据波动性大对预测精度的影响, 也增强了预测的自适应性.
关键词:BP神经网络 GM(1,1)灰色预测模型人口预测
一, 问题重述
, 问题背景
中国自古以来是一个人口大国. 新中国成立后, 我国人口进入飞速发展阶段. 1949年到1957年8年时间, 人口增长了1亿;1964年总人口超过7亿,1969年总人口超过8亿, 1974年总人口超过9亿. 这一时期每增长1亿人时间间隔为5年. 中国人口净增长率波动比较剧烈. 80年代以后, 由于我国实行了计划生育, 人口膨胀得到了有效的控制. 实行近30年来, 使我国少生了4亿多人, 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.
在我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, 而人口问题始终是制约我国发展的关键因素之一. 要发展, 必须进一步控制人口数量, 提高人口质量, 改善人口结构. 对中国未来人口的准确预测, 能够为中国经济和社会发展的重大决策提供科学依据, 这对加速推进我国现代化建设有着极为重要的现实意义. 因此, 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.
, 问题提出
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. 现在得到了《中国人口统计年鉴》上收集到的部分数据(见附录2). 其中包含2001至2005年的市, 镇和乡人口不同性别的人在该类人口中所占的百分比, 死亡率, 生育率, 每年人口抽样调查的样本容量( 人