达到。笔者通过研究发现, 如果把城市流动人口的变动看作一个系统的话, 那么影响其变动的因素中, 部分是已知的, 部分是未知的, 这正符合灰色系统的特征。基于灰色系统原理, 我们可以把城市人口迁入、迁出的变动过程看成是一个灰色系统, 应用灰色动态模型对流动人口未来发展态势进行预测。 2、建立流动人口的灰色预测模型GM（1,1） 建立过程如下：
第一步:往年的人口原始时间序列
作一次累加生成运算,用公式
kX(1)(k)??xi?1(0)(i)
得到一次累加生成序列
第二步:确定数据矩阵
和
代入B,YN,用最小二乘法估计参数
^
a?(a,?)T?(BB)T?1BYN
T第三步，建立人口预测模型，解一阶线性微分方程
dx(1)(t)dt?ax(1)??
得时间响应函数为： x?(0)?(1)^(1)(k?1)?(x(1)(1)?a?)e?ak??a
?(1)x(k?1)?x(k?1)?x(k)。
3、灰色模型的求解与分析
利用MATLAB R2011编程所得到的结果如下表六：
表六：未来十年深圳流动人口的发展趋势(单位：千万)
年份 2011 2012 2013 2014 2015 流动人口数 0.9541 1.0533 1.1627 1.2835 1.4168 年份 2016 2017 2018 2019 2020 流动人口数 1.5640 1.7265 1.9059 2.1039 2.3225 从表六中可以看出，未来十年，深圳流动人口的发展将逐年递增，预测到2020年流动人口将增加到2322.5万。庞大的流动人口规模会对深圳市人口的发展和计划生育，以及社会经济发展的各个方面都有极为重要的影响；另一方面，人口的不断涌入，使深圳这样一个人口数量本身很高的城市的人口结构带来巨大的压力。为此，应当以积极的态度对待人口流动的问题，
综上两种模型的结果，我们可以预测出深圳未来十年的总人口数如下表七所示：
表七：预测深圳2011-2020年的总人口数
2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 4、灰色模型的关联度检验 1、基本特征
（1）建立的模型属于非函数形式的序列模型； （2）计算方便易行；
（3）对样本数量多寡没有严格要求；
（4）不要求序列数据必须符合正态分布； （5）不会产生与定性分析大相径庭的结论 2、关联度的概念
对于两个系统或系统中两个因素之间，随时间或不同对象而变化的关联性大小的程度，成为关联度。在系统发展过程中，若两个因素的变化具有一致性，则两个的关联程度就高。反之，则低灰色关联分析方法是根据因素之间发展趋势的相似或相异程度，做为衡量两个因素关联程度的一种方法。 3、灰色关联度的数学模型
X0?{x0(j0)}|j0?1,2,...,n0}参考序列
X?{x1(j1)}|j1?1,2,...,n1}比较序列 1 X2?{x2(j2)}|j2?1,2,...,n2}比较序列?? ? Xi?{xi(ji)}|ji?1,2,...,ni}比较序列 ??? X?{x(j)}|j?1,2,...,n}比较序列(0)??mmmmmX0?k?Xi?k?
0设x0(k)为X0（为参考序列）的第k个数；xi(k) 为Xi（比较序列）的第k个数； 则比较序列Xi对参考序列X0的灰色关联度为： 1n ?(X0,Xi)??r(x0(k),x1(k))nk?1
其中 minmin|x0(k)?xj(k)|??maxmax|x0(k)?xj(k)|jkjk r(x0(k),xi(k))?|x0(k)?xi(k)|??maxmax|x0(k)?xj(k)| jk根据前面所述关联度的计算方法算出与原始序列X的关联系数，然后计算出关联度，根据经验，当ρ=0.5时，关联度大于0.6便可以了。
4.3 人口结构分析
通过以上的分析我们预测出了深圳未来10年的大致人口总数（详见表七），但由于每个年龄段的人患病的几率是不同的，因此想估计出该市医疗床位的需求还存在一定的难度，所以我们对深圳以前的人口结构进行分析对比。由于人口结构在一段时间内是不会发生大规模的变化的，因此我们选取2000、2005、2010三年个年龄段人口所占总人口的比例进行对比分析，得到下表八
表八：深圳市2000、2005、2010年人口年龄段所占百分比
2010年 2005年 2000年 2010年 2005年 2000年
30-34岁 0.129863
35-39岁 0.114126
40-44岁 0.087908
45-49岁 0.054381
50-54岁 0.025457
55-59岁 0.019327
60-64岁 0.011544
65-69岁 0.006881
男
女
0-4岁
5-9岁
10-14岁 0.027655 15-19岁 0.074585 20-24岁
25-29岁
0.541771 0.458229 0.041107 0.030039 0.509688 0.490312 0.032699 0.030954
0.190378 0.175881 0.227831 0.165585
0.027259 0.134334
0.492863 0.507137 0.033052 0.029017 0.022871 0.147168 0.249969 0.202308 0.142634 0.134844
0.098576 0.076689
0.058407 0.035475
0.025652 0.024489
0.019107 0.014609
0.012822 0.009097
0.008263 0.008152
0.006982 0.005525
70-74岁
75-79岁
80-84岁
85-89岁
90-94岁
95-99岁
100岁及以
上
2010年 2005年 2000年
0.005205 0.003095 0.001472 0.000668 0.000286 0.000137 6.75822E-06
0.004763 0.002182 0.001244 0.000446 0.0002 5.11E-05 9.28428E-06
0.003277 0.001841 0.000949 0.000459 0.000162 4.44E-05 5.27905E-06
根据已有数据运用matlab绘出2000年，2005年，2010年各年龄段人口数曲线图，由此可以看出各阶段年龄人口的变化趋势。
图4 深圳市各年龄段人口变化图
由这个图可以看出，这些年龄阶段人数大致吻合，由此得出的结论：
各年龄段人口变化基本不大，预测未来十年人口的年龄阶段人口变化图如下：
图5 深圳市2000~2020年年龄结构图
通过MATLAB计算得到2020年各年龄段所占百分比及人口数量如下表九和表十：
表九： 预测2020年各年龄段所占百分比
年龄段 百分0.049514 0.029124 0.028051 0.014836 0.152925 0.186178 0.117091 0.129677 0-4岁
5-9岁
10-14岁
15-19岁
20-24岁
25-29岁
30-34岁
35-39岁
相关推荐：
loading