深圳市人口与医疗需求预测

答卷编号（竞赛组委会填写）：

论文题目：深圳市人口与医疗需求预测

参赛队员：

1.姓名：王如寒学院：土木工程学院学号：1208091710电话：186********

2.姓名：李杰学院：土木工程学院学号：1208091620电话：159********

3.姓名：王立林学院：土木工程学院学号：1208090521电话：152********

答卷编号（参赛报名号）：

答卷编号（竞赛组委会填写）：

评阅情况（评阅专家填写）：评阅1.

评阅2.

评阅3.

深圳市人口与医疗需求预测

摘要

本文首先在对附表一提供的深圳自2001至2010年常住人口数据处理中发现了较强的线性关系，在此基础上建立了灰色人口预测模型模型GM(1,1)。该模型中以0.0419775(1)17255.816531.3t X t e ×+=×?为拟合函数，以残差、相对误差、级比偏差为误差控制指标，通过对求解的结果分析发现此模型精度满足要求，进而使用该模型对深圳自2011至2020年常住人口进行了预测。

鉴于附录中没有给出深圳非常住人口的历史数据，本文将非常住人口Q 非细化为进入城镇务工、经商、和从事劳动服务的暂住人口总和Q 1、为探亲访友、旅游、求学、治病等而外出的人员总和Q 2和无职业、无收入、无暂住证的三无人员总和Q 3，并通过查阅相关资料（GDP、旅游数据等）分别对三类人口进行了量化处理得出非常住人口模型Q =()58.927GDP p W W p Q b ?+

++２非，进而预测

出深圳自2011至2020年非常住人口数量。通过对预测结果进行分析发现未来十年深圳总人口仍在增长，但增张速度平缓；总人口中的非常住人口数量一直多于常住人口数量。

接着在对附表二、三、四所提供数据处理的基础上对比分析发现：2000年、2005年、2010年深圳各年龄段人口百分率与性别比例近似为等差数列。因此本文通过建立等差数列模型2E B A =×?

，并利用附表所提供的数据预测出了自

2010至2020年各年龄段人口百分率与性别比例，通过对预测数据的分析得出十年深圳市人口结构的发展趋势：未来十年深圳地区人口比例中幼年及老年人口比例有增长，青壮年人口比例有所下降；男女性别比例有增长趋势。

在前期工作的基础上，本文通过基于人口结构的类比方法和建立基于eviews 求解的床位需求模型求解方法从不同角度对深圳未来全市和各区医疗床位需求进行了预测。基于人口结构的类比方法得出深圳全市床位需求与人口增长满足相似规律，至2020年深圳全市床位需求达3.85万个；床位需求模型

84.2403077131164.32++?=B A Y 求解得到至2020年深圳全市床位需求达3.89

万个。两种方法求解结果相近，这也间接说明了两种方法都是正确的。深圳各区医疗床位需求依人口数量按比例求解。

最后根据深圳市人口的年龄结构和患病情况及所收集的数据，预测了高血压病、小儿肺炎、胃癌、脑血管病不同类型医疗机构就医的医疗需求。在此过程中，对于高血压和小儿肺炎，本文建立了患病率与医疗需求模型

e K Y ××=674797.0126904.0,并利用eviews 软件进行求解得到了这两种病分别在综合医院、专科医院、街道医院就医的医疗需求；对于胃癌和脑血管病，本文通过对医患供需关系的逐层分析以及根据根据现有的医疗数据求解得出这两种疾病分别在省级医院、市级医院、县级医院就医的医疗需求。关键字：灰色人口预测模型模型非常住人口模型

等差数列eviews 求解

一、问题的重述

1.1问题的背景

深圳市是一个流动人口多，户籍人口少的城市，外来人口多导致深圳市青壮年劳动力多，由于青壮年劳动力身体健康程度要高于其它人群，因此深圳目前人均医疗设施虽然低于全国类似城市平均水平，但仍能满足现有人口的就医需求。

1.2已知的信息

随着时间推移和政策的调整，深圳老年人口比例会逐渐增加，产业结构的变化也会影响外来务工人员的数量。这些都可能导致深圳市未来的医疗需求与现在有较大的差异。

未来的医疗需求与人口结构、数量和经济发展等因素相关，合理预测能使医疗设施建设正确匹配未来人口健康保障需求，是保证深圳社会经济可持续发展的重要条件。然而，现有人口社会发展模型在面对深圳情况时，却难以满足人口和医疗预测的要求。

1.3待解决的问题

根据深圳人口发展变化态势以及全社会医疗卫生资源投入情况（医疗设施、医护人员结构等方面）收集数据、建立针对深圳具体情况的数学模型，预测深圳未来的人口增长和医疗需求，解决下面几个问题：

1.分析深圳近十年常住人口、非常住人口变化特征

2.预测未来十年深圳市人口数量和结构的发展趋势

3.以此为基础预测未来全市和各区医疗床位需求；

4.预测几种病在不同类型医疗机构就医的医疗需求

二、问题的分析

深圳人口分为常住人口与非常住人口（流动人口）两类，这两类人群的人口增长模式差异很大，应分别分析深圳近十年常住人口、非常住人口变化特征，并在此基础上预测未来十年深圳市人口数量和结构的发展趋势，进而预测未来十年全市和各区医疗床位需求。

深圳市人口特点是流动人口多，非户籍人口多，但户籍人口较少，针对这个情况，我们选取人口结构中的主要矛盾，即常住人口与非常住人口（即非户籍人口）进行研究。我们首先分析了深圳市近十年的人口年龄结构变化，发现其结构变化幅度很小，因此在短期内我们可以认为其年龄结构恒定。而对于人口结构，我们可以用非户籍人口与总人口的比例来表示。床位需求主要由各年龄段的人数以及与其相对应的住院率相对应，因此我们可以先分析出深圳市的年龄结构（可以分析2010年），然后查找与其相对应的住院率数据，至此，我们便可完成问题的第一问。而对于第二问，我们可以利用第一问得出的常住人口变化函数与人口年龄结构得出未来某一年深圳市的某一年龄段的人数。考虑到研究的实用性与可行性，我们可以以高血压病、小儿肺炎、胃癌、脑血管病作为研究对象，通过高血压病、小儿肺炎、胃癌、脑血管病的住院率与发病率，得出住院人数。同时我们需要考虑到不同类型的医疗机构的住院天数受医院设备、人员水平等因素影响，通过查找资料，我们可以得出不同类型的医疗机构治疗同一种病的住院天数。于是，整个问题便被简化。

三、基本假设

1.附表所给数据能够客观、真实反映深圳人口、医疗特点；

2.未来十年深圳地区不发生突发的、大规模的人口变动，如大规模的人口迁移、自然灾害造成的人口锐减等；

3.未来十年深圳地区人口死亡率、出生率不受人为干扰；

4.未来十年深圳地区的版图不变；

5.针对研究的问题，每个年龄段发病率住院率保持不变；

6.深圳市各区人口所占深圳市总人口比例保持不变；

7.深圳市现行的各种人口政策保持不变；

8.深圳可容纳人口数虽存在上限，但远超过现有人口数。

四、符号说明

(0)x ——n 个元素的数列；

()(1)

(0)1

()k

i x k x i ==∑；

()d k ——

)

1(的灰导数；

(1)z ——()1x 的紧邻均值数列；(1)(1)(1)()0.5()0.5(1)z k x k x k =+?；

a ——称为发展系数；

1()z k （）——称为白化背景值；

Q 非——非常住人口总和；

1Q ——进入城镇务工、经商、和从事劳动服务的暂住人口总和；

2Q ——为探亲访友、旅游、求学、治病等而外出的人员;3Q ——无职业、无收入、无暂住证的三无人员即盲流人口；

p ——比例因素；

tGDP X ——深圳市t当年GDP总量；

X ——常住人口GDP值；

b １——进入城镇务工、经商、和从事劳动服务的暂住人口总和的初始值

2p ——探亲访友人数的概率；

Q 旅——旅行人数；Q 学——外来学习人数；Q 医——外来求医人数；

2b ——其他人数。

五、模型的建立与求解

5.1常住人口分析5.1.1灰色模型简介

目前使用最广泛的灰色预测模型就是关于数列预测的一个变量、一阶微分的GM(1,1)模型.它是基于随机的原始时间序列，经按时间累加后所形成的新的时间序列呈现的规律可用一阶线性微分方程的解来逼近.经证明，经一阶线性微分方程的解逼近所揭示的原始时间序列呈指数变化规律.因此，当原始时间序列隐含着指数变化规律时，灰色模型GM(1,1)的预测是非常成功的.[1]

GM(1,1)的定义

设(0)x 为n 个元素的数列(0)(0)(0)(0)((1),(2),())x x x x n =?,，(0)x 的AGO 生成数列为

[]

(0)724.57746.62778.27954.28995.011037.2X =?，其中

()(1)

(0)1

()k

i x k x i ==∑()1,2,k n =?,.则定义()1x 的灰导数为

(0)(1)(1)()()()(1)d k x k x k x k ==??，令(1)z 为数列()1x 的紧邻均值数列，即

(1)(1)(1)()0.5()0.5(1)z k x k x k =+?，2,3,,k n

=…则(1)(1)(1)(1)((2),(3),())z z z z n =?,.于是定义GM(1,1)灰微分方程模型为

(1)()()d k az k b +=，

即

(0)(1)()()x k az k b +=(a)

其中(0)()x k 称为灰导数，a 称为发展系数，1()z k （）

称为白化背景值，b 称为

灰作用量.

将时刻2,3,k n =…,代入(a)式中有(0)(1)(0)(1)

(0)(1)(2)(2)(3)(3)()()x az b x az b x n az n b

?+=?+=??

??+=????令(0)(0)(0)((2),(3),())T Y x x x n =?,，(,)T u a b =，(1)(1)(1)(2)1(3)1()1z z B z n ??

??????=?????????

??，称Y 为数据向量，B 为数据矩阵，u 为参数向量，则GM(1,1)模型可以表示为矩阵方程Y Bu =.

由最小二乘法可以求得

1???(,)()T T T u

a b B B B Y ?==GM(1,1)的白化型

对于GM(1,1)的灰微分方程（7），如果将(0)()x k 的时刻2,3,k n =?视为连续的变量t ，则数列()1x 就可以视为时间t 的函数，记为(1)(1)()x x t =，并让灰导数

(0)

()x k 对应于导数(1)

dx dt

，背景值(1)()z k 对应于(1)()x t .于是得到GM(1,1)的灰微分

方程对应的白微分方程为

(1)

(1)dx ax b dt

+=称之为GM(1,1)的白化型.5.1.2常住人口模型的建立

1.建模背景

灰色模型适用于小样本、贫信息、内在规律未充分外露的系统，按适当办法处理原始数据后得到规律性较强的生成函数。本题给出的常住人口数据受到难以区分的多重因素影响，且数据量较小，适用于灰色模型。

2.模型的建立

由于常住人口数量受历史影响较大，不易发生较大变化，且在数据处理中发现了较强的线性关系，故可采用一元线性拟合以简化模型。

此预测模型是拟合参数模型，通过原始数据累加生成，得到规律性较强的序列，用函数曲线拟合得到预测值.

建立过程如下：

1)设原始数据序列(0)X 有n 个观察值，(0)(0)(0)(0){(1),(2),,()}X X X X n =?，通过累加生成新序列(0)(1)(1)(1){(1),(2),,()}X X X X n =?，利用新生成的序列(1)X 拟合函数曲线.

2)利用拟合出的函数求出新生序列(1)X 的预测值序列(1)X .

3)利用(0)(1)(1)()()(1)X k X k X k =??累减还原，得到灰色预测值序列

0000{(1),(2),,()}X X X X n m =+?（共n+m 个，m 个未来预测值）.将序列(0)X 分为0Y 和0Z ，其中0Y 反映(0)X 的确定性增长趋势，0Z 反映(0)X 的平稳周期变化趋势.

4）对(0)X 序列的确定增长趋势进行预测。

5.1.3模型的求解

利用附表一，整理得深圳市2001年~2010年常住人口数量，见表一。

表一：深圳市2001~2010年年末常住人口数

根据上述数据建立含有10个观察值的原始数据序列(0)X ：

[](0)724.57746.62778.27954.28995.011037.2X =?使用Matlab 软件对(0)X 进行一次累加，得到新数列(1)X ，见表二。

表二：GM(1,1)算法拟合值及误差

序号年份模型值残差相对误差级比偏差X (1)(2)2001724.5700.0000%0X (1)(3)2002739.770.00920.1230%-0.0121X (1)(4)2003771.490.00870.1120%-0.0004X (1)(5)2004804.56-0.00470.0590%-0.0135X (1)(6)2005839.06-0.01340.1650%0.0089X (1)(7)2006875.03-0.00450.0518%0.009X (1)(8)2007912.540.00270.0200%0.0043X (1)

(9)2008951.660.00270.0287%0.0029X (1)(10)2009992.460.00260.0257%-0.0002X (1)(11)

2010

1035.01

0.0021

0.0204%

-0.0005

其中，拟合函数为：0.0419775(1)17255.816531.3

t X t e ×+=×?分析上表发现，残差、相对误差、级比偏差数值非常小，因此此模型精度较高，满足精度要求，可用于预测。预测结果见下表.

表三：2011年~2020年深圳市常住人口预测人数

年份20112012201320142015常住人口1079.41125.71173.91224.21276.7年份20162017201820192020常住人口

1331.5

1338.5

1448.1

1510.1

1574.9

5.1.4模型的评价

本模型在对已有数据进行初步分析的基础上，选择合适的函数对数据进行拟合，在拟合的过程中设置了误差灵敏性指标（残差、相对误差、级比偏差），使得预测的结果真实可靠，故不必再进行结果的检验。5.2流动人口分析5.2.1流动人口定义：

流动人口是相对于某地的常住人口而言的,指离开常住户籍所在地,跨越一定的行政辖区范围,在某一地区滞留的人口.其包括:

1、进入城镇务工、经商、和从事劳动服务的暂住人口；

2、为探亲访友、旅游、求学、治病等而外出的人员;

3、无职业、无收入、无暂住证的三无人员即盲流人口。为此我们可得：

123Q Q Q Q =++非其中：

Q 非——非常住人口总和；

1Q ——进入城镇务工、经商、和从事劳动服务的暂住人口总和；2Q ——为探亲访友、旅游、求学、治病等而外出的人员;3Q ——无职业、无收入、无暂住证的三无人员即盲流人口。5.2.2求解进入城镇务工、经商、和从事劳动服务的暂住人口：

显然对于1Q ,它是深圳市经济发展主要的带动者，因此与深圳市GDP有很大的关系，GDP越多，则深圳市外来人口就越多。为此我们假设1Q 与外来人口所产生的GDP成正比例关系，由此我们可得：

1()tGDP Q p X X b =?+1（6）

其中：

p ——比例因素；

tGDP X ——深圳市t当年GDP总量；X ——常住人口GDP值；

b １

——进入城镇务工、经商、和从事劳动服务的暂住人口总和的初始值；对于一个非平稳序列来说，其数字特征，如均值，方差和协方差等是随着时间的变化而变化的。也就是说,非平稳序列在各个时间点上的随机规律是不同的，难以通过序列已知的信息去掌握序列整体上的随机性。而GDP时间序列都是非平稳的,为此我们采用ARIMA模型求解：ARIMA模型使用包括自回归项（AR 项）,单整项和MA移动平均项三种形式对扰动项进行建模分析,使模型同时综合考虑了预测变量的过去值,当前值和误差值,从而有效地提高了模型的预测精度。

（1）ARIMA 模型的形式：

考虑序列t y ,若其能通过d 次差分后变为平稳序列,即~()t y I d ,则

(1)d d t t t

u y B y =?=?（7）

t u 为平稳序列,即~(0)t u I ,于是可建立ARIMA (,)p q 模型：1111t t p t p t t q t q

u c u u φφεθεθε????=+++++++??（8）

经d 阶差分后的ARIMA (,)p q 模型称为ARIMA (,,)p d q 模型。其中p 为自回

归模型的阶数，q 为移动平均的阶数，t ε为一个白噪声过程。

（2）建立ARIMA 模型的一般方法：

1）傼っ检验的标准方法是单位根检验,若序列不满足平稳性条件,则可通过数学方法,如差分变换或者对数差分变换使其满足平稳性条件；

2）通过计算能够描述序列特征的一些统计量,如自相关（ACP）系数和偏自相关（PACP）系数来确定ARIMA (,)p q 模型的阶数

p 和q ，并根据一定的准则,

如ATC准则或SC准则等综合考虑来确定模型的参数；

3）估计模型的未知参数[2], ?? 统计量检验其显著性,以及模型的合理性；

4）进行诊断分析,检验模型的拟合值和实际值的残差序列是否为一个白噪声序列。

（3）数据的来源与描述：

从《深圳统计年鉴》各卷统计出1979至2006年深圳国内生产总值,见表5：

并按此数据作图1从中可以粗略地看出t X ,具有长期上升趋势,非水平平稳。

表5：1979——2006年深圳国内生产总值统计表（亿元）

图4

图5

（4）序列的平稳性处理：

对t X ,进行平稳性检验(ADF检验),结果如表2:

表6序列A D F 检验结果

由表7可知其不平稳。

为了消除原始数据序列的不平稳性,使数据更为平稳,本文采用对深圳国内生产总值序列取对数形式,记为ln t X ，序列ln t X 一阶差分后的序列记为

ln t X ?,二阶差分后的序列记为2ln t X ?，按二阶差分后数据作序列图2,可见

时间趋势基本消除,可认为是平稳序列但序列图只能粗略地判断序列具有平稳性,理论上应用单位根检验方法检验。

对2ln t X ?,进行平稳性检验(A D F 检验),结果如表3:

表7序列ADF检验结果

由表7可知其平稳,说明GDP序列为2阶单整序列,即2ln ~(2)t X I ?模型的识别与建立

由以上对序列ln ~(2)t X I ?,的A D F 检验,我们可确定

(,,)ARIMA p d q ,

模型中的d 应取为2为了确定模型中的

p 和q ,作出序列2ln t X ?直至滞后

16阶的自相关(ACP )图和偏自相关(PACP)图,分别见图3和图4.

由图7和图8可看出,少In Xt 序列的自相关图与偏自相关图都是拖尾的,因此可建立：

图7图8

ARIMA 模型。经反复计算比较,最终取

1p =，2q =,建立如下

(1,2,2)ARIMA 模型:(括号中的数据为对应估计值的T 检验统计量)

2ln (0.031188,(1)0.19417,(2) 2.087428)t X c AR MA ?==?==?( 6.899257)

?( 4.005350)

?( 4.247829)

?.0.050796

S E = 3.009846AIC =? 2.863581

SC =?（9）

即：

2212

ln 0.0311880.19417ln 2.087428t t t t X X εε???=???+?20.842R = 2.23

DW =（10）

由模型(1),对其进行回归拟合,模型中的残差序列(Residual)以及过

ln t X ?的实际值(Actual)和拟合值(Fitted )的序列图见图9：

图9

从图9可以看出,模型的拟合值和实际值的变动具有较好的一致性。其次,模型的残差值较小，消除了线性或者指数趋势,表现得较为平稳,说明模型通过了适应性检验,所以该模型还是比较理想的。为了进一步检验该模型的效果,记

?t u

为该模型的残差序列,对其进行DF检验,得：1??1.118299t t u u ??=?，DF的值为-5.3921而在1%显著水平下,DF的临界值为-2.6649，因此,残差序列?t u ,即误差项序列能在1%显著水平下被看作白噪声过程，这说明2ln t X ?的拟合值是实

际值的无偏估计,模型具有较好的拟合效果。作出残差序列?t u

前16阶的自相关(ACP)和偏自相关(PACP)图,分别见图10和图11。从两图我们也可看出,自相关函数和偏自相关函数均落在置信区间内,残差序列应为白噪声过程,这与上面D F 检验的结果一致。

图10:自相关(ACP)图

图11：偏自相关(PACP)图

（5）模型的预测：

由(1,2,2)ARIMA 模型得：

2212

ln 0.0311880.19417ln 2.087428t t t t X X εε???=???+?又因为：212ln ln 2ln ln t t t t X X X X ???=?+可得ln t X 的预测公式为：

21212

ln 2ln ln 0.0311880.19417ln 2.087428t t t t t t X X X X εε????=????+?因此得序列t X 的预测公式为：

21212

2ln ln 0.0311880.19417ln 2.087428t t t t t X X X t X e

εε????????+?=用(1,2,2)ARIMA 模型对深圳国内生产总值作预测,结果见表4

表4实际值与ARIMA模型预测值比较衰(亿元)

为此，我们可以求出p 和b １的值：由1()tGDP Q p X X b =

?+1可得：

()tGDP Q p X X b

=?+出通过1979年初始可知31.41b =,X 出几乎可以忽略不计，则：通过上面数据求出p 的平均值为：

=14.871%

p 由此可得：

14.871%31.41

tGDP Q X =+则：Q Q Q =?1常可得下表：

表8

Q 与时间关系表

5.2.3求解为探亲访友、旅游、求学、治病等而外出的人员：

对于2Q ，探亲访友与深圳市现有人口总数成正比，旅游人数可以通过深圳市旅游人口数情况可直接求的；求学人数同样可以通过深圳市教育机构统计数求解，但考虑到未来深圳市不断在发展，所以求学人数也不断在上升，然而整个国家已经入老龄化社会，而且据国家统计局统计年签表明，我国学生数量在不断下降，这两因素一综合，我们假设外来求学人数为恒定不变的；对于外来治病人数，显然与深圳市公有医院服务水平有很大关系，我们假设成正比关系，因此我们可得：

++Q Q Q Q Q b ++２医旅学＝p 其中：

2p ——探亲访友人数的概率；

Q 旅——旅行人数；Q 学——外来学习人数；Q 医——外来求医人数；

2b ——其他人数。

求解

2p ,对于探亲访友人数应该和在该地区中人口成正比，在1979年，深圳

刚开放，以此那时没有几乎没有其它外来人员，为此我们可得：

20.150.004236

31.41

p ==

可得：

表9：访友人数表

求解Q

旅，根据现有的资料，我们查的深圳市南山区2008年统计年签旅行

情况可得：如下表：

表10——09年6月旅游者接待情况统计

为此，根据上表我们求解出该区每天平均每天接待人数和同比增长率如下表所示：

表11——每天平均每天接待人数和同比增长率

由上表可知深圳近几年来旅游增长幅度不大，而且旅游是深圳非常住人口的一小部分，为了减少计算难度，我们忽略的这种增长。对于深圳共有7个区，为了简化计算，我们假设旅客到每一区去旅行都是随机的，去每区每年平均每天接待人数为3.425万可得：

7 3.42523.927Q =×=旅万

根据资料可得：目前深圳有35万左右的义务教育阶段非户籍学生。这数字占了深圳义务阶段学生的一半。同理可以求得：

35Q =学万

对于外来求医人数，深圳市公有医院服务水平有很大关系，我们假设与公有医院的等级成正比，与公有医院的总数成正比关系，因此我们可得：

2=Q p S

医其中：

2p ——公有医院等级因数；S ——公有医院总数；

但是根据题意：此深圳目前人均医疗设施虽然低于全国类似城市平均水平，但仍能满足现有人口的就医需求。可知，对于深圳医疗水平，相对于其它如上海、广州等一些大城市相比，医疗水平很弱，因此为了简化模型，我们将Q 医直接放到其它人口2b 中考虑。

5.2.4求解三无人口数目Q 三无：

三无人口定义：无职业、无收入、无暂住证的三无人员即盲流人口。由此我们可以得到该三无人口出现的概率非常小，几乎可以忽略不计，为此我们也将他归为其它人口内。

5.2.5非常住人口总数：

=p()++GDP Q W W b Q Q Q Q b Q ?+++++１２医旅学非p =()58.927

GDP p W W p Q b ?+++２综上所述求解Q 非可得：

表12：非常住人口表

5.3近十年人口变化特征及未来十年人口数量和结构的发展趋势

5.3.1近十年人口变化特征1.常住人口

由5.1中的分析可知，近十年来深圳常住人口几近成线性增长，相邻两

年的人口增长关系可用函数

0.0419775(1)17255.816531.3t

X t e ×+=×?表示。2.非常住人口

鉴于附表中没有给出过去30年的非常住人口数量（本文认为附表一中所

给的户籍人口和非户籍人口同属于常住人口），本文特对“非常住人口”进行了定义，并在查找相关数据的基础上，并利用自定义的“非常住人口”进行求解。深圳非常住人口可用函数Q =()58.927GDP p W W p Q b ?+++２非描述。5.3.2未来十年人口数量和结构的发展趋势

1.未来十年人口数量的发展趋势

由5.1和5.2可得到未来十年常住人口与非常住人口。常住人口表：年份20112012201320142015常住人口1079.41125.71173.91224.21276.7年份20162017201820192020常住人口

1331.5

1338.5

1448.1

1510.1

1574.9

非常住人口表：

年份20112012201320142015

非常住人

口

1167.8171439.6521430.4321532.261600.025年份20162017201820192020

非常住人

口

1681.0251767.0021824.7381886.3151949.222

总人口数量为常住人口与非常住人口之和，故未来十年深圳总人口数量可见下表：

年份20112012201320142015

常住人口1079.41125.71173.9

1224.

1276.7

非常住人口1167.81

1439.65

1430.43

1532.

1600.0

总人口2247.21

2565.35

2604.33

2756.

2876.7

年份20162017201820192020

常住人口1331.51338.51448.1

1510.

1574.9

非常住人口1681.02

1767.00

1824.73

1886.

315

1949.2

总人口3012.52

3105.50

3272.83

3396.

415

3524.1

总人口分布对应的折线图如下：

从上图标中可以得出，深圳未来十年人口总数持续增长，但最终没有突破4000万。

2.未来十年人口结构的发展趋势