SUN Liping,YUAN Hongjun,HU Lingyun.Combinational forecasting model of aging population from a regional perspective[J].Journal of Yanbian University,2023,(01):53-60.
区域视角下我国老龄化人口的组合预测模型
- Title:
- Combinational forecasting model of aging population from a regional perspective
- 文章编号:
- 1004-4353(2023)01-0053-08
- Keywords:
- ageing population; single - term forecasting model; IOWA operator; combinational forecasting model
- 分类号:
- F224
- 文献标志码:
- A
- 摘要:
- 为提高预测老龄人口的精度,以残差修正GM(1,1)模型、灰色-BP神经网络模型和Logistic预测模型作为单项模型,建立了一种基于相关系数的诱导有序加权平均(IOWA)算子组合预测模型.利用该模型对2000—2020年我国东部、中部、西部和东北部地区及全国老龄(≥65岁)人口数量进行预测显示,该组合预测模型的预测效果显著优于上述3个单项预测模型,表明该模型能够有效地提高老龄人口的预测精度.利用该组合预测模型对未来10年我国东部、中部、西部和东北部地区及全国老龄人口数进行预测显示:我国老龄人口数总体呈现逐步增长态势,同时区域间的老龄化进程差异也不断增大,其中东部地区老龄人口增长得相对较快,中部地区则增长得相对较慢.该预测结果可为我国老龄人口政策的制定提供参考.
- Abstract:
- In order to improve the predicting accuracy of the aging population, a combinational forecasting model which is based on induced ordered weighted averaging(IOWA)operators and correlation coefficient is established by using the residual modified GM(1,1)model, the gray - BP neural network model and the Logistic forecasting model as the single model.Using this model forecast the aging population(≥65 years old)of the eastern, central, western and northeastern regions and the whole country for 2000-2020 in China, the forecasting result shows that the predicting effect of the combinational forecasting model is significantly better than that of the above three single forecasting models, indicating the model can effectively improve the predicting accuracy of the aging population.Finally, the combinational forecasting model is used to predict the number of ageing population in the eastern, central, western and northeastern parts of China and the whole country in the next 10 years: the number of ageing population in China generally shows a gradual growth trend, and the differences in the aging process between regions are also increasing, of which the ageing population in the east grows relatively fast and the growth in the central region is relatively slow.The forecasting result can provide a reference for the formulation of Chinese aging population policy.
参考文献/References:
[1] 中华人民共和国国家统计局.中国统计年鉴[M].北京:中国统计出版社,2021.
[2] 张振华.基于灰色GM(1,1)模型的城市人口老龄化预测[J].统计与决策,2015,439(19):76 - 79.
[3] 王学保,蔡果兰.Logistic模型的参数估计及人口预测[J].北京工商大学学报(自然科学版),2009,27(6):75 - 78.
[4] 史佳,冀巨海.基于BP神经网络的黄河中下游人口预测研究[J].科技管理研究,2014,34(6):245 - 250.
[5] 李爱华,王迪文.队列要素法在人口预测中的应用[J].统计与决策,2021,37(22):36 - 40.
[6] 徐翔燕,侯瑞环.基于GM(1,1)- SVM组合模型的中长期人口预测研究[J].计算机科学,2020,47(S1):485 - 487.
[7] 龙会典,严广乐.基于改进的GM(1,1)- Markov链组合模型广东省单位GDP能耗预测[J].数理统计与管理,2017,36(2):200 - 207.
[8] 袁宏俊,胡凌云.基于连续区间有序几何加权平均Power算子的区间型组合预测模型[J].数理统计与管理,2019,38(2):270 - 280.
[9] 袁宏俊,陈华友,胡凌云.基于指数支撑度的最优组合预测模型及其性质研究[J].应用概率统计,2012,28(2):150 - 160.
[10] 袁宏俊,胡凌云,张敏.基于广义诱导连续区间有序函数比例加权平均算子的区间型组合预测模型[J].延边大学学报(自然科学版),2018,44(4):315 - 321.
[11] 刘思峰,杨英杰,吴利丰.灰色系统理论及其应用[M].北京:科学出版社,1999:113 - 116.
[12] 张新生,赵梦旭,王小完.尾段残差修正GM(1,1)模型在管道腐蚀预测中的应用[J].中国安全科学学报,2017,27(1):65 - 70.
[13] 陈强.机器学习及R应用[M].北京:高等教育出版社,2020.
[14] 王守相,张娜.基于灰色神经网络组合模型的光伏短期出力预测[J].电力系统自动化,2012,36(19):37 - 41.
[15] 陈华友,程蕾,张倩.基于相关系数的IOWA算子最优组合预测模型[C]//第四届中国不确定系统年会论文集.桂林:中国运筹学会,2006:242 - 248.
[16] 刘磊.逻辑增长曲线模型的一种参数估计方法[J].湖北工业大学学报,2008,23(1):83 - 84.
备注/Memo
收稿日期: 2022-07-12
基金项目: 安徽省哲学社会科学规划项目(AHSKY2020D42); 安徽财经大学重大科研基金(ACKYA21004); 安徽财经大学研究生科研创新基金(ACYC2021400)
第一作者: 孙丽苹(1996—),女,硕士研究生,研究方向为经济预测理论与方法.
通信作者: 袁宏俊(1978—),男,教授,研究方向为预测理论与方法.