P＝0.9474 （好）
3、得到未来10年的预测值：
表3：深圳的非户籍人口统计未来10年预测值
年份 2011年 2012年 2013年 2014年 2015年 总人口 806.69 824.14 841.58 859.02 876.21 /万人 年份 2016年 2017年 2018年 2019年 2020年 总人口 893.08 911.21 928.13 930.25 926.50 /万人 模型（3）——熵权组合模型 深圳市总人口预测
1、熵权法的概念及基本步骤
熵权法是一种决定指标的方法，我们知道，综合指标取决于单个指标数的确定，一般情况下的权重是根据经验来确定的，但是这种确定权重的方法缺少科学根据，也不能保证确立的综合指标能反映原始指标的大部分信息，且权重的确立因人而异，所以其应用受到了限制，而熵权法就能够避免这些问题，使权重的确立具有科学的根据，具有说服力。熵权法的步骤确立如下： ① 计算第j项指标下第i个方案的指标比重pij?yijm
?i?1yij② 计算指标j的熵值 ej??k?pijlnpij （k?i?1m1lnm）
③ 计算第j项指标的差异系数 gj?1?ej ④ 定义权重wij?gjm
j?gi?1则 wij就为熵权法确定的权重。
2、误差指标的选举
为了能全面的各个预测方法以及组合预测的预测效果，必须制定一套切实可行的误差指标。按照预测效果的评价惯例，本文选取如下指标作为参考：
n2i（1）、平方和误差SSE??(yt?1??yi)
（2）、平均绝对值误差MAE?1n?nyi??yi
t?1
11
（3）、均方误差MSE?1nn?(yt?1i??yi)
（4）、平均绝对值百分比误差MAPE?1n?nt?1(yi??yi)yi
（5）、均方百分比误差MSPE?1nn?t?12(yi??yi)yi
3、组合模型权重的确定
设以选定m种个体预测方法，n个误差指标，m种个体预测方法对应n个误差指标构成了评价指标值矩阵；
R?(rij)m?n
第j个指标下第i种个体方法的指标比重值Pij为
m Pij?rij/ 第j个指标的熵值为：
m?t?1rij
Ej???PijlnPij
t?1 记
ej?lnEj 第i个指标的权重为：
m ?j?(1?ej)/?(1?ej)
t?1 记矩阵R中每列最优值为rj?，对该矩阵所有元素做标准化处理，可得：
??r/r指标j的指标值越大越好ijj? dij???
r/r指标j的指标值越小越好?ij?j 这样，各个体预测方法的熵权评价值?i，可以表示为：
m ?i???t?1jdij(i?0,1,2,?,m)
12
将上式进行归一化处理，即可以得到各个个体的权重。 模型求解
本文利用Matlab软件对上述的模型、指标进行综合的运算处理，得到熵权系的基本数据资料，见下表：
加权系数为：0.235和0.765。
未来十年深圳市总人口的预测 年份 2011 2012 2013 2014 预测值（万人） 1067 1093.05 1118.59 1143.63 年份 2016 2017 2018 2019 预测值（万人） 1194.49 1226.42 1258.74 1280.86 深圳市人口结构的预测与分析: 对所给数据进行处理得到如下户籍人口与非户籍人口所占比例的表格和比重变化曲线：
户籍人口和非户籍人口的变化情况
非户
户籍籍人
总人口人口口所 户籍人口非户籍人（万所占占比 年份 （万人） 口（万人） 人） 比例 例
1998 114.6 465.73 580.33 20% 80%
1999 119.85 512.71 632.56 19% 81%
2000 124.92 576.32 701.24 18% 82% 2001 132.04 592.53 724.57 18% 82% 2002 139.45 607.17 746.62 19% 81% 2003 150.93 627.34 778.27 19% 81% 2004 165.13 635.67 800.8 21% 79%
2005 181.93 645.82 827.75 22% 78%
2006 196.83 674.27 871.1 23% 77%
2007 212.38 699.99 912.37 23% 77%
2008 228.07 726.21 954.28 24% 76%
2009 241.45 753.56 995.01 24% 76%
2010 251.03 786.17 1037.2 24% 76%
2015 1167.42 2020 1300.8 13
户籍人口与非户籍人口比例变化曲线 100% 80% 60% 系列1 40% 系列2 20% 0% 19981999 2000 2001 2002 2 0032004 2005 2006 2007 2 0082009 2010
通过以上数据分析可以发现，深圳的户籍人口比重在逐年增加；而非户籍人口比
例在逐年减少。
男女比例：从表中可以发现深圳的男女比例在逐年增大；男女比例失调。 年龄组成：青年人比重减少，老年人比重增大，人口老龄化加剧。
人口老龄化的模型预测：
（1）模型假设：
1.未来十年内死亡率为零。
2.在各年龄阶段内人数均匀分布。 3.预测期限不超过十年。
4.外来工作人员年龄主要集中在20-50之间。 5.以2000年的值作为基准。
（2）模型的建立
F60(t)表示t年60岁以上的人口。
F60-Y (t)表示t年60-Y（0= P60-Y(t)表示年龄在第（60-Y）岁到60岁的外来工作人员。 建立老年人口预测模型： 用动态规划法和指数平移法对数据进行处理分析得到 式 (1) F60(t+Y)=F60-Y (t)-[P60-Y(t)-P60-2Y(t)] ……式 (1) 有上述模型公式可以预测出2011-2020年的老龄人口数，见下表 2011-2020年的老龄人口数目预测表（修正前） 年份 2011 2012 2013 2014 2015 2016 2017 2018 2019 人数 330037 352216 385846 426674 461574 503245 543744 583421 632426 14 2020 673911 （3）模型的修正 由于没有将人口的死亡率考虑在内，所以得到的数据要比实际的数据值大。因此需要对模型进行修正。 模型2： 考虑死亡因素：需要在式（1）的基础上加上一个修正量。由于该模型对年龄的限制，所以不能用死亡率来加以修正。D2100-t(2000)表示2000年年龄在（2100-t）的人口。该模型是以2000为基准，所以以D2100-t(2000)作为修正量。 修正后的老年人口预测模型： F60(t+Y)=F60-Y (t)-[P60-Y(t)-P60-2Y(t)] -D2100-t(2000) 模型修正后的预测结果见下表： 2011-2020年的老龄人口数目预测表（修正后） 年份 2011 2012 2013 2014 2015 2016 2017 2018 2019 人数 32855 350091 383077 423261 457517 498544 538343 576690 624365 模型评价： 模型的优点： 1、该模型主要通过对过去十年的相关数据进行分析处理，利用动态规划化和指数平移的方法对深圳市未来十年内的老年人口进行了比较接近的预测。 2、利用该模型进行老龄人口预测操作简便，计算量小。 模型的缺点； 1、对外来工作人员在40-50岁人口之间的比例是采用时间序列作差的方法，精确度不是太高。 2、对短时间内人口的流失没有给出合理的修正。 模型（5） 多元线性回归模型 床位预测 （1）：模型的假设： 1：在预测期限内没有大的自然灾害或大规模的流行病发生，没有大量的人口迁入或迁出。 2：社会经济保持平稳发展。 3：以深圳市各区国有医疗机构参数表征本区的特征。 4：深圳市各区之间人口流动不大。 5：本区内的居民到本区的医疗机构就诊。 （2）：模型的建立与求解 1、床位的需求主要是有人口的总数、人口的结构决定，病床使用率、出院人口……等多个因素决定。所以对于床位的预测可以采用多元线性回归的方法。 床位需求的主要影响因素是人口数量、人口结构，平均住院日。 建立多元线性回归模型： y??0??1x1??2x2??3x3 15 2020 664520