含義
urbanpopulationforecast
對未來一定時期內城市人口數量和人口構成的發展趨勢所進行的測算。
背景
近年來,隨著經濟的發展,人民的物質和精神生活水平不斷提高,人口不斷向城市集聚,導致城市人口不斷增長。為了保證城市的可持續發展,城市人口分布和增長速度必須趨於合理。對城市本身來說,城市的用地規模、城市的布局以及城市基礎設施的組成和規模都與城市人口規模有著十分密切的關係。城市人口規模預測合理與否,將對城市的建設和發展產生重要的影響。
傳統人口預測方法
傳統的人口預測方法包括平均增長率法、帶眷係數法、剩餘勞動力轉化法和勞動平衡法等。
平均增長率法
在城市進行總體規劃時,對人口規模預測的常見方法之一為平均增長率法,計算時應分析近年來人口的變化情況,確定每年的人口增長率。人口規模預測公式為:P=P0(1+K1+K2)n。式中,P為規劃期末城市人口規模,P0為城市現狀人口規模,K1為城市年平
均自然增長率,K2為城市年平均機械增長率,n為規劃年限。這種方法適合初步經濟發展穩定的城市,人口增長會逐步增加,人口增長率變化不大。但是隨著人口基數的增大,人口結構逐步趨於老齡化,人口增長的速度將會越來越慢,不可能都以平均的速度增長。若要考慮到未來社會經濟發展等因素對人口變動的影響,則可按預見的趨勢改變人口增長率進行測算。該方法具有普遍的適用性,但它對人口增長率的精度要求較高。
帶眷係數法
帶眷係數法是根據新建工業項目的職工數及帶眷情況計算的。當建設項目已經落實,規劃期內人口機械增長穩定的情況下,宜按帶眷係數法計算人口發展規模。計算時應分析從業人員的來源、婚育、落戶等狀況以及城鎮的生活環境和建設條件等因素,確定增加的從業人員及其帶眷係數。
具體預測公式為:P=P1(1+a)+P2+P3。式中,P為規劃期末城鎮人口規模,P1為帶眷職工人數,a為帶眷係數,P2為單身職工人數,P3為規劃期末城鎮其他人口數。職工帶眷係數法主要用於新建工礦城鎮,有利於確定住戶居住形式,估算新建工業企業、小城鎮發展規模,但不適合對已經建好的整個城市人口規模進行預測。
剩餘勞動力轉化法
隨著農村經濟的發展,機械化程度和勞動生產效率的不斷提高,出現了大量的農村剩餘勞動力,具體預測公式為:P=P0(1+K)n+Z[f·P1(1+k)n-s/b]。
式中,P為規劃期末城鎮人口規模;P0為現狀城鎮人口規模;K為城鎮人口的綜合增長率;Z為農村剩餘勞動力進鎮比例;f為農業勞動力占周圍農村總人口的比例,一般為45%—50%;P1為城鎮周圍農村現狀人口總數;k為城鎮周圍農村的自然增長率;s為城鎮周圍農村的耕地面積;b為每個勞動力額定擔負的耕地數量,一般為1.4—1.7hm2;n為規劃年限。這種方法適合對具有剩餘勞動力的小城鎮人口規模進行預測,不適合對城市化水平很高的城市人口規模進行預測。
勞動平衡法
勞動平衡法的基本原理建立在“按一定比例分配社會勞動”、在社會經濟發展計畫以及相互平衡的原則基礎上,由社會經濟發展計畫的基本人口數和勞動構成比例的平衡關係來確定。計算公式為:P=P1/[1-(β+γ)]。式中,P為規劃期末城鎮人口規模,P1為規劃期末基本人口,β為服務人口的百分比,γ為被撫養人口的百分比。這種方法是原城市規劃中採用較多的方法,式中的被撫養人口百分比和服務人口百分比等不是一成不變的,而是隨著國民經濟的發展、勞動生產率不斷提高或城市性質的演變而變化的,因此主要適用於有較大發展、國民經濟發展計畫已具體落實、人口資料比較齊全的城市。
現代人口預測方法
常用人口預測方法及評價
線性回歸法
①一元線性回歸方程法。用一元線性回歸法預測的基本思想是:按照兩個變數X、Y的現有數據,把X、Y作為已知數,根據回歸方程尋求合理的a、b確定回歸曲線;再把a、b作為已知數來確定X、Y的未來演變。一元線性回歸方程為:Y=aX+b。一元回歸模型在短時期內精度最好,但對中長期外推預測,由於置信區間在擴大,誤差較大,尤其在轉折時期函式形式發生變化,誤差更大。一元線性回歸法一般適用於人口數據變動平穩、直線趨勢較明顯的預測。②多元線性回歸方程法。人類社會系統是由人口和其它多種要素組成的,同時各要素之間是相互聯繫、相互影響和相互制約的。因此,可根據人口與其它多種要素之間的定量關係,預測出未來不同發展階段的人口。模型為:Y=b0+b1x1+b2x2+…+bnxn,利用最小二乘法估計偏回歸係數b0,b1…,bn。多元回歸分析方法通過研究人口數量的變化與有關經濟社會變數的關係探討人口變化的規律,預測人口的變化趨勢。它的優點是考慮了人口發展與社會經濟的密切關係,通過探索它們之間的關係來間接推算人口走勢,比較符合實際;缺點是人口與社會經濟變數之間的關係並非直接的關係,而且各變數之間又相互關聯,選擇最佳的指標、模型都比較困難。
移動平均法
:移動平均法是在算術平均法基礎上
發展起來的一種預測方法。移動平均法是將一定歷史時期的人口規模數據,根據近期數據對預測值影響較大,而遠期數據對預測值影響較小的事實,把平均數逐期移動。移動平均法分為一次移動平均預測法和二次移動平均預測法。二次移動平均預測法是在經過一次移動平均形成新序列的基礎上再做一次移動平均,利用移動平均滯後偏差的規律建立直線趨勢預測模型。其中:①一次移動平均數法的計算公式為:Mt(1)=(Yt+Yt-1+…+Yt-n+1)/N。式中,Mt(1)為第t周期的一次移動平均數,Yt為第t周期的人口數據,N為計算移動平均數所選周期個數。一般而言,如果實際數據沒有明顯的周期變化和趨勢變化,則可用Mt(1)作為t+1周期預測值[4]。②二次移動平均數法。計算t周期二次移動平均數的計算公式為:Mt(2)=(Mt(1)+M(1)t-1+…+M(1)t-n+1)/N。在此基礎上可建立的線性模型為:Yt+T=a+bT。式中,t為當前時期數;T為由當前時期數t到預測期的時期數,即t以後模型外推的時間;Yt+T為第t+T期的預測值;a為截距;b為斜率;a、b又稱為平滑係數。根據移動平均值可得截距和斜率的計算公式為:a=2Mt(1)-Mt(2);2/(N-1)]×[Mt(1)-Mt(2)]。
一次移動平均數法適用於實際數據沒有明顯周期變化和趨勢變化的情況。二次移動平均數法補充了一次移動平均數法的不足。在實際套用移動平均法時,移動平均項數N的選擇十分關鍵,它取決於預測目標和實際數據的變化規律。如果N值(周期)選擇較大,則預測的結果較小;反之,預測值較大。在選擇N值時,要通過多個N值進行試算比較而定,哪個N值引起的預測誤差小就採用哪個。與該種預測方法接近的還有指數平滑預測法、移動平均法和指數平滑法適用於歷史人口數據較少,人口發展趨勢與過去相同的情形下的人口預測。
指數平滑法
:①一次指數平滑法。計算公式為:S(1)t=αYt+α(1-α)Yt-1+…=αYt+(1-α)×S(1)t-1。式中,S(1)t為第t周期的一次指數平滑值,Y為第t周期的實際值,α為平滑係數,0<α<1。②二次指數平滑法。第t周期的二次指數平滑值為:St(2=α×S1(1)+(1-α)St-1(2)。線性預測模型為:Yt+=a+bT。式中,T為預測超前周期數,a、b為模型的待定參數。其中a=2St(1)-St(2),b=α(St(1)-St(2×(1-α)。在指數平滑法中,預測成功的關鍵是a的選擇,a的大小規定了在新預測值中新數據和原預測值所占的比例。a值愈大,新數據所占的比重就愈大原預測值所占比重就愈小;反之亦然。從其方法原理上可見,指數平滑法適用於歷史人口數據較少,人口發展趨勢與過去相同的情況下的人口預測。
G M(1 ,1)灰色模型法
:灰色系統理論把客群多因素影響而又無法確定那些複雜關係的量,稱為“灰色量”。對灰色量進行預測,不必拼湊一堆數據不準確關係不清、變化不明的參數,而是從自身的時間序列中尋找有用信息建立和利用模型,發現和認識內在規律並進行預測。灰色系統預測模型是通過時序數據累加的生成模組建立起來的,濾去原始序列中可能混入的隨機量,從上下波動的時間序列中尋找某種隱含的規律性。在城市規劃中通常採用最簡單的灰色模型GM(1,1)來進行人口預測。設有原始數列:x(0)=X(0)(1),x(0)(2),…x(0)(n),X對x(0做一次累加,生成數列:x(1)=x(1)(1),x(1)(2),…x(1)(n)。式中,x(1)(i)=∑ij=1x(0)(j),i=1,2,3…n。GM(1,1)模型的計算公式為:x(1)(t+1)=(1-ea)(x(0)(1)-ua)e-at。式中,au為待估價的參數。灰色預測最大的特點在於不必追求大量歷史數據,也不苛求它的典型分布,而是對已掌握的部分信息進行合理的技術處理,通過建立模型在更高的層次上對系統動態過程進行科學的描述,甚至利用幾個數據即可建模進行預測。因此,當人口發展規律呈非線性、無規律可循或資料不全的情況下可用此方法進行預測。
其它人口預測方法及評價
馬爾薩斯(Malthus)模型:Malthus人口增長模型為:P(t)=P(t0)er(t-t0)。式中,P(t)t年預測人口數,P(t0)為基期年人口數,r為人口年增長率。顯然,這個模型不是很精確,因為它忽略了有限的生存資源及空間、生產力水平、文化水平、傳統意識等對出生率有重要影響的因素,簡單假定了與出生率有的時間是常量,所以有必要修正此模型。當然,若考慮因素過多,對所考慮因素的量化較複雜,則模型也就會十分複雜,使求解及分析模型極為困難甚至不可能,這樣的模型將失去意義。因此,必須精練地選取所考慮因素,並對諸因素做儘可能簡潔的數量化。在人口基數小,增長速度快的情況下運用馬爾薩斯(Malthus)模型一般比較合適。Logistic曲線模型:按指數增長公式推算出的人口增長過快,數量過大,不符合實際,人口不可能無限地按指數增長。一般地,隨人口總量的增長,口增長率往往會逐漸下降。在人口指數模型的基礎上增加一個與人口總量有關的衰減項,並對新得到的微分方程進行求解得到:Pt=Pm/(1+ea+bt)[2],這一曲線被稱之為ogistic曲線,a、b、Pm為特定係數。這一公式考慮到人口總數增長的有限性,且提出了人口總數增長的規律即隨著人口總數的增長,人口增長率逐漸下降。
缺點在於時間較長,人口數據變化大,式中參數值必然變化大,因此誤差較大且不穩定。系統動力學方法[7]:系統動力學的模型是按照系統動力學理論建立起來的數學模型,它採用專用語言,藉助計算機進行系統模擬,並通過運行得出由多項指標組合而成的預測值後,根據需要與可能選擇最優的預測值和相應的實施方案。系統動力學法是研究系統的動態行為和評價系統採用各種不同策略所產生的行動效果的行之有效的方法。它是預測人口的長期趨勢、確定人口政策定性與定量相結合最先進的模擬實驗技術,但也有缺點和困難之處。主要表現在:①分析問題、收集資料、建立模型和求證的過程都要消耗一定的財力、物力和人力,還需要占用大量的計算機工作時間。②建模人的專業水平直接影響到模型的質量和結果。由於人們對系統的基本結構缺乏足夠的了解,在建模過程中對系統的結構往往會做一些簡單化的假設。③很難驗證預測結果的真實性,因為建模者的主導思想和諸多變數都是影響預測結果的,而這些影響因素的正確性需經過實踐才能得到驗證。人工神經網路預測法:人工神經網路理論是一種人工智慧理論,它力圖模擬人腦的一些基本特徵,可以進行並行計算、分散式信息存儲,具有很強的自適應性和自組織性。人工神經網路預測法特別是能處理任意類數據,這是其它傳統方法所無法比擬的。它通過不斷的學習,能夠從未知模式的大量複雜數據中發現其規律,進行模擬、預測。
20世紀80年代以來,人們利用人工神經網路進行非線性複雜系統模擬一直是一種非常有效的手段,就方法和原理的本身來看是非常科學合理的。但是要使預測的結果合理可靠,因素的選取、隱含層的設計、原始數據選擇的可靠性都將對預測產生極大的影響。
對人口預測方法的展望
從實踐過程分析,任何預測方法的套用都不是絕對的,各種預測方法都存在一定的優點和局限性。這一方面表現在人口預測過程的技術處理方面,即基礎數據的處理、參數的選定、模型方法的適用性選用和創新以及對結果的檢驗等;另一方面主要表現在人口預測的理論研究方面還缺乏有力的創新,即預測方法的選用和創新、預測內涵的挖掘、預測結果的分析以及未來發展方向的探索等。因此,近年來預測科學中出現一種傾向,即將多種方法綜合集成,今後應該在分析各種預測方法特點及適用範圍的基礎上,有選擇地發展組合預測技術。上述介紹的大多預測方法所需的數據量都很大,如果採取傳統的人工計算的方法,必將耗費大量的人力、物力和時間,而且正確性也得不到保證。所以在今後的工作中,要進一步摸索運用計算機進行處理的方法。
