摘要：人口政策的调整，给北京市各个领域或多或少带来了影响，准确预测不同生育政策下北京市人口规模，能够为本地区各项服务提供数据支撑。为了找到适合北京市人口预测的方法，对比分析现有的文献找出各种预测方法的优势和局限性，最终得出结论，以Leslie人口预测模型为基础，进行适当的改进，比较适用于北京市的人口预测。
关键词：北京人口；预测方法；对比分析
一、引言
人口规模作为反映一个地区基本情况的重要指标，与该地区的各项服务都有着密切的关系，北京作为国家首都，中国的大都市，积极地响应国家制定的各项生育政策，人口问题一直是重点关注也是专家学者一直在研究的问题。对北京市人口进行规模或是结构预测，可以为北京市的城市规划、教育资源配给、交通建设和住房等方面提供重要的理论支撑。
目前，该平台已着手组织各方力量，进行磷矿资源高效开发及可持续利用、磷资源高效利用农业服务、环境磷资源回收利用等方面的调研，并积极推动首批科技小院的设立。作为国家肥料产业绿色发展科技创新联盟的支撑单位，该平台将为实现长江经济带及农业绿色发展愿景持续贡献力量。
二、预测目的
无论是对于人口规模的预测还是人口结构的预测，都是希望为城市服务提供依据。截至目前通过人口预测希望解决的问题主要集中在以下几个方面：
教育资源配给。人口的变动自然引起教育资源的调整，人口结构的改变会导致教育资源配给的相应变动，为了能使教育资源得到合理充分的使用，人口结构的预测就显得非常重要。
人口老龄化。针对目前北京市老龄化严重的问题，准确预测人口老龄化的程度以及老年人口数量和分布，能够为政府解决养老问题提供重要数据支撑。
而对于北京市人口的预测，由于北京市人口密集，流动人口较多，能用的人口预测方法有限，目前用到的方法主要包括，系统动力学方法、GM(1，1)灰色模型法、动因分解法等。
归纳就是在个别中发现一般；演绎就是在一般中发现个别。人们对事物的认识往往从个别开始，然后扩展到一般，再从一般进一步认识个别。在科学发展过程中，任何一个理论的形成，都是建立在大量观察和实验基础上的。生物学重要概念的形成过程中，往往需要对多个经典的实验现象进行逻辑分析，通过对不同观点的归纳或演绎推理，得出的结论是学生形成相关概念的重要依据。一些概念的形成就是归纳的结果，而对这些概念进行检验和运用则体现了演绎的思维方法。
GM(1，1)灰色模型。柴小媚应用灰色模型和回归分析对北京市常住人口进行预测，通过对比分析得出结论，灰色预测适用于人口变化不大的情况，在人口变化较大时，选择组合回归模型分析。同样用灰色预测模型的还有郑洲顺等人，他们在文中提出，基于灰色预测模型对2008 年北京旅游人口进行预测分析。主要考虑到人口增长的过程会涉及到各种因素，整体呈现灰色性，针对许多无法定量的因素，想到采用灰色预测模型解决这个问题。但是灰色模型的使用缺乏大量的真实的历史数据，虽然是通过合理的技术处理得出结果，但是这一特点决定了，该方法适用于小样本数据即短期人口预测。
旅游人口。通过分析预测城市旅游人数的发展变化规律，为政府制定相应的人口政策提供相关依据。
三、预测方法
以同样的方法在新媒体样本中抽取出了168条微博数据，无论是从群体分类还是历史比较来看，“进行政策调整和变迁”的倾向始终强势，在2015年更是占据了完全压倒性的话语地位(见图4)。
劳动力人口。劳动力人口的预测，是人口预测的一大方面，对于城市的发展和建设离不开劳动力的支持，而对于劳动力的管控就需要对其人口数进行预测，已达到及早做好应对策略的目的。
系统动力学。例如王蓓[1]等人的系统动力学方法，系统动力学模型在人口预测中的应用，重点是将人口规模的变化作为一个系统的动态变化问题，考虑到众多相关因素，涉及经济水平、产业结构、水资源、能源消费、大气污染排放等，这些因素彼此联系，对人口规模的变化产生了整体性影响。系统动力学针对人口规模的动态行为建立因果分布图。因此作者认为预测未来人口规模非常适宜。系统动力学在模型中因素的确定以及系统范围的确定都具有相对的主观性，得出的结论不够客观。
目前为止，已有大量的模型和方法对人口进行预测，主要有Logistic 人口增长模型，Logistic 人口增长模型比较适用于样本量非常大的情况，该方法考虑到了环境对人口的承载力，但是由于没有考虑到人口的年龄结构，预测效果不佳，当人口出现负增长时，该模型无法预测；凯菲茨矩阵模型，该模型虽然能预测人的年龄结构，但是没有把人口迁移因素考虑在内，预测效果不理想；马尔科夫链预测模型，该模型主要用于处理随机事件的概率问题，不需要历史数据，但是对于存在变化的转移概率计算困难大；马尔萨斯人口预测模型，马尔萨斯人口预测模型早期应用的比较多，模型也是相对简单，计算起来也比较方便，但是它考虑的因素比较单一；CPPS 人口预测模型和Leslie 矩阵人口预测模型都考虑到年龄、生育率、存活率、生育率、育龄妇女数等因素，对于人口的预测更加精确。BP 神经网络由于具有人脑的记忆功能、并行处理能力和非线性转换的能力，不需要借助其他任何先验公式，自学习与自适应能力比较强，采用逼近的方式来解决问题，可以克服人口预测方法中的某些人为性的随机因素。
实例一:If people were always kind and obedient to those who are crueland unjust,the wicked people would have it all their own way,they would never feelafraid,and so they would never alter,but would worse and worse.
目前受大多数人口学学者喜欢的是CPPS 人口预测模型、人工神经网络模型和Leslie 人口预测模型等。
动因分解法。丁成日[2]等选择人口增长动因分解法对北京市城市人口进行预测，人口增长动因分解法的优势是能够区分城市人口增长的不同动因及其背后的机制，关注影响人口增长不同组分的不同影响因子，将人口增长不同组分与政策规划对接，能够为不同组分人口增长的管理提供规划和决策支持。这种方法需要的数据要求高，其中对于各动因的权重确定没有扎实的科学积累很难做出准确的判断。
CPPS 模型。洪秀敏等应用软件系统CPPS 对“全面二孩”政策下的北京市学龄人口进行了预测。CPPS 人口预测模型，考虑到年龄，生育率，存活率，但是生育率是一个常数，不适用于人口政策改变的人口预测。
BP 神经网络由于具有相当于人脑的记忆功能、并行处理能力、学习能力和非线性转换的能力，不需要借助其他任何先验公式，自学习与自适应能力比较强，采用逐渐逼近的方式来解决问题，可以克服人口预测方法中的某些人为性的随机因素。
进了门，在没有见到任何人之前，我就认定是在这里了。是空气告诉我们的。空气中弥漫着奇异的香气，让人有微微的麻醉和眩晕之感，但心的悸动就在这种奇特的香氛当中，平静到迟慢。
Leslie 矩阵人口预测模型。叶知远[3]通过对灰色预测模型和Leslie 矩阵模型对比的方法对“全面二孩”政策下的北京人口进行预测。分别用两种模型对北京人口进行预测，对比可知，Leslie 人口预测模型，考虑因素更加全面，包括出生率、死亡率、年龄结构、性别比、育龄妇女数、“全面二孩”政策等因素。灰度预测法的模型可能比之前用到的很多方法都要先进一些，该模型比较简单，但是该模型的结果，只是给出了人口规模与时间因素变化的关系，考虑影响人口的因素单一，结论精确度不够；而该文中的Leslie 矩阵模型，对灰度预测法进行了行之有效的多方面的改进，除具有基本的灰色关联外，还增加了出生率、死亡率、年龄结构、性别比、育龄妇女数、“全面二孩”政策等因素的研究。通过建立全方位的因素指标，对人口规模预测更加具有说服力。
四、结语
虽然人口预测的方法有很多，但是真正适用于北京市的并不多，这是由北京的繁华，人口密集，人口流动性大决定的，人口分布不均匀，一定程度上决定了，人口预测需要用到更加细致的方法，通过对比研究可知Leslie 矩阵模型，Leslie 矩阵模型相较于其他现有的人口预测模型而言，考虑到了出生率、死亡率、生育率、育龄妇女数、年龄结构、人口政策等更具有说服力的因素，易于理解和掌握，考虑因素全面，经过多方对比和分析，更适合像北京这样繁华和人口流动性大的大城市。该模型能同时解决人口规模和人口结构的问题，可以为城市的建设和经济发展提供多方面的理论支撑。
参考文献：
[1]王蓓,崔承印,唐志鹏,李晓烨.基于系统动力学模型的北京人口规模预测[J].北京规划建设,2015(2)：51-55.
[2]丁成日,石晓冬,牛毅,崔承印.城市人口预测及其城市规划意义——以北京为例[J].城市规划,2018,42(9)：21-27.
[3]叶知远,罗仁福.“全面二孩”政策下的北京人口预测[J].中国市场,2018(3)：87-89.
中图分类号：F123
文献识别码：A
文章编号：1001-828X(2019)024-0490-02
作者简介：石贤贤(1991-)，女，汉族，河南人，现就读于首都经济贸易大学研究生二年级，主要从事决策技术与优化研究。
标签：人口论文; 模型论文; 北京市论文; 因素论文; 方法论文; 社会科学总论论文; 人口学论文; 世界各国人口调查及其研究论文; 《现代经济信息》2019年第24期论文; 首都经济贸易大学论文;