中国人口数量的时间序列分析

本文运用时间序列模型（ARIMA模型）对中国人口进行分析与预测,应用Eviews6．0软件对1949～2007年中国人口数据进行拟合,建立ARIMA模型,运用2008～2010年的人口数据来验证模型,并对2011年的总人口数进行了预测。     

中国人口预测模型

针对近年来我国的人口总数仍持续增高,老龄化进程加速从而导致的抚养比不断提高,对社会保障体系和公共服务体系的压力加大,并影响到社会代际关系的和谐,根据高教杯全国大学生数模竞赛给出的数据,建立了一个关于中国人口预测的模型．该模型对未来我国总人口的变化趋势和老龄化结构做出了较好的分析,并对中短期内我国的城、镇、乡人口变化情况进行了比较和分析．利用灰色系统理论中的GM（1,1）模型对我国城、镇、乡人人口、总人口以及老龄化比例进行了中短期的预测,后又利用函数拟合方法对中国总人口和老龄化比例进行长期的预测．使用了Mathematica数学软件、EXCEL表格并辅以灰色系统软件进行计算求解验证,很好地实现了编程和一些数据的处理,得到了较高的准确度,并结合预测出的数据分析了中国未来人口的发展情况,提出了一些相应的控制人口数量,改善老龄化问题,乡村城镇化问题的建议．     

基于不同数学模型的天水市人口规模预测

人口规模对于未来国家和地区经济的发展具有重要的意义.本文综合运用GM(1,1)灰色模型、Logis-tic模型、Malthus人口模型、对数模型四种数学模型,对天水市2020年—2030年人口规模进行预测,旨在为政府有关部门制定社会经济发展规划提供参考依据.结果表明:未来20年内,天水市总人口将继续处于稳定增长状态,年平均人口增长率8.01‰,到2020年,天水市总人口将达到402.71万,到2030年,总人口将达到437.49万人.     

灰色模型在甘肃省人口预测中的应用

人口是一个国家和地区发展的重要因素,人口规模直接影响着区域的经济社会发展、资源利用和生态环境状况。采用合理的方法,模拟和预测城市总人口,可以在制定国民经济计划、城市土地利用总体规划、城市规划与设计、资源与环境保护和进行社会决策中起到非常重要的作用。以甘肃省2000~2008年近9年的人口数据为基础,采用灰色系统理论建立人口动态增长模型,用此模型预测甘肃省未来人口规模,并对人口增长状况进行分析。     

基于等维灰数递补动态模型的人口老龄化趋势预测

运用灰色系统中的等维灰数递补动态模型,根据人口普查中得到的老年人口占总人口的比例等数据建立了动态GM（1,1）模型.对今后几年老年人口占总人口的比率进行灰色预测,并对预测精度进行验证,结果显示拟和程度较高.     

改进的GM（1，1）模型在人口总量预测中的应用

应用一种新的动态GM（1,1）增量模型对中国未来人口总量进行了动态预测．实例表明,该模型具有较高的预测精度,结果符合实际．     

Logistic模型的参数估计及人口预测

用数值微分和线性拟合化技术对Logistics模型进行了参数估计,由此检验了2005~2007年中国总人口数的误差情况,其中2007年用相关参考文献的等差参数估算方法所得结果的相对误差为5.58%,而本文参数估算所得结果的相对误差为0.114‰,预测取得了理想的效果.     

S-clay1模型与剑桥模型的分析比较

土体的本构模型是高等土力学的重要内容,其中最经典的模型当属剑桥模型.英国剑桥大学的Roscoe于1963年提出了用于正常固结或者弱超固结粘土的剑桥模型,可以被视为现代土力学的开端.在此以后很多学者都在本构模型方面做出了很多研究,提出了很多新的模型,如拉德-邓肯模型、空间滑动面模型、S-clay1模型等.本文主要介绍S-clay1模型与剑桥模型的比较,并结合试验进行分析.本次试验采用的是GDS标准应力路径三轴试验系统,该系统测量精度高而且可以数字化操作,在测量精度和自动化程度上都比常规三轴试验先进很多.     

2012-2050年我国老龄人口预测研究

以我国老龄人口发展为研究对象,建立了GM(1,1)动态预测模型和灰色新陈代谢模型,对未来2012-2050年我国老龄人口进行了预测。预测结果显示:2020年我国老龄人口数达到1.717 4亿,2030年2.492 9亿,2040年3.618 7亿,2050年5.252 7亿、占我国总人口数的32%。     

雅鲁藏布江尼洋河流域洪水预报方法研究

针对尼洋河流域的水文特性和资料情况,利用基于混合线性回归模型的黑箱子模型方法建立了包括尼洋河流域工布江达、巴河桥、更张、八一等站的流域洪水预报模型,并采用1997～2002年汛期的水文观测资料分别率定各站相应的洪水预报模型,采用2003年汛期的水文观测资料分别验证率定的水预报模型．率定和验证结果表明,所提出的模型方法具有一定的精度,可以用于作业预报．     

基于K—S距离的GM（1，1）的机械设备剩余寿命预测

在工程应用中的振动信号大多为非线性非平稳信号,为了能充分利用工程中采集的振动信号中的信息．以kolmogorov—Smirnov检验为基础．提出了以K—S距离作为机械设备各退化状态退化指标的方法．根据经验设定机械设备完全失效对应的退化指标的阈值．用退化指标序列训练灰色模型,然后用训练好的模型预测退化指标的变化趋势．从而估计退化指标到达设定阈值时的时间并以此作为机械设备的剩余使用寿命．最后通过轴承的全寿命周期振动信号对其验证．结果表明所提出的预测方法可以有效地预测轴承的剩余寿命．     

等维灰数递补模型在人口预测中的应用——以浙江省为例

介绍了GM(1,1)灰色模型的建模过程,应用等维递补方法对其进行修正,得到等维灰数递补模型,采用该模型对2010- 2020年浙江省总人口进行了动态预测.精度检验结果表明,模型预测精度较高、预测结果可靠.     

交通事故预测的灰色GM（1，1）模型

通过对道路交通事故分析、预测方法的研究，指出了其缺陷．在分析道路交通事故的灰色性和中国道路交通安全数据库薄弱性的基础上，给出了灰色GM（1，1）模型，并对道路交通事故的死亡人数、交通事故数进行了预测，其结果是可信的．     

基于GM-PLS组合模型预测一次能源消费

为了预测一次能源消费量及其由此引起的污染物排放量,建立了偏最小二乘回归与GM(1,1)优化组合模型(GM—PLS)。用大连市历史年的一次能源数据分别建立了单项模型和优化组合模型并进行了验证比较。结果表明,组合预测的相对误差仅为1．70％,高于两种方法单独预测时的精度。选取了国内生产总值GDP、总人口数、第二产业占国民经济的比重及煤炭消费占一次能源消费的比重4个自变量用组合模型对大连市规划年的一次能源消费量进行了预测。结果表明,一次能源消费将会逐年增加。如果天然气的供给量能达到预测值,用其替代煤,则2020年由一次能源产生污染物的量将减少15．53万t。     

中国城市化过程的非线性动力学模型探讨

提出了刻画中国城市化过程的非线性动力学模型,并将该模型与描述美国城市化进程的模型在形式上进行了统一,得到城市化非线性动力学的一般模型。借助中国1949—2000年的城乡人口数据从经验上证实了模型的有效性,同时给出美国模型的数据拟合过程作为参照。中国的城市化动力学模型与生态学的Lotka-Volterra模型同构,但参数不同,由此可以解释城市演化的Holland问题。另一方面,中国的城市化动力学模型与西方的城市化模型参数性质不同,由此可以揭示中国城市化进程中存在的问题和优化的方向。     

中国城市化过程的非线性动力学模型探讨

提出了刻画中国城市化过程的非线性动力学模型,并将该模型与描述美国城市化进程的模型在形式上进行了统一,得到城市化非线性动力学的一般模型。借助中国1949?2000年的城乡人口数据从经验上证实了模型的有效性,同时给出美国模型的数据拟合过程作为参照。中国的城市化动力学模型与生态学的Lotka-Volterra模型同构,但参数不同,由此可以解释城市演化的Holland问题。另一方面,中国的城市化动力学模型与西方的城市化模型参数性质不同,由此可以揭示中国城市化进程中存在的问题和优化的方向。     

土地利用规划中的人口预测方法研究——以荥阳市为例

根据2002年至2009年荥阳市的人口数据,采用综合增长率法、回归分析法和GM（1,1）模型预测2020年的人口规模．并对3种方法的预测结果进行精度检验．结果表明,GM（1,1）模型预测精度最高,可以采用其预测值作为最终预测结果．     

中国能源需求长期均衡和短期波动的协整分析

为了研究经济增长与能源需求之间的波动关系,利用协整分析、误差修正模型等现代计量经济方法构造了中国能源需求的长期均衡模型和短期波动的误差修正模型,对我国能源需求的影响因素进行了深入分析,实证测算出影响能源需求的变量组成：国民生产总值、总人口敷、产业结构变化、能源消费结构变化,以及居民消费水平,这些解释变量能够解释能源需求变化的99．1%．     

中国人口预测的半参数自回归模型

提出建立中国人口预测的半参数自回归模型,基于线性回归选取的显著性变量,利用多项式样条估计得到了半参数自回归方程,并且对中国2004~2009年人口进行了预测比较,结果表明:半参数自回归模型优于一些传统的模型.此外,还对2010~2013年中国总人口数量进行了预报.     

基于GM（1，1）模型的某高校招生人数预测

分析了近年来我国高校招生人数的变化趋势，并利用GM（1，1）模型对某高校2008年的招生人数进行了预测．从而为高校招生人数决策提供了依据。