人口规模预测指标体系的构建方法、预测方法、装置及系统

1.本发明属于城市规划和地理学技术领域，具体涉及一种人口规模预测指标体系的构建方法、预测方法、装置及系统。


背景技术：

2.人口规模的大小是城乡居民点重要的特征之一，而区域内各单元的人口规模所形成的空间分布则鲜明地反映着该地区的内部特征与差异。建国以来，由于政策调整和地区差异，我国各地区的人口规模也经历了复杂的变化历程且长期处于动态变化中。
3.目前，研究多集中于宏观尺度的人口规模讨论，而对于我国数量大、分布广的镇/街层面人口规模的研究和探讨仍不够深入。同时历来各地区为发展而编制的人口规模预测大多基于普查数据，此类数据大多呈现出长期处于横向上的市镇间不可比、省市之间不可比，纵向上时间前后不可比，统计口径不可比的窘境，因此存在着人口概念不清晰、范畴不确定、数值不客观等问题。在预测方法上局限于单类型指标预测，也导致镇/街尺度人口规模预测的科学性与可推广性不足等问题。
4.长远发展来看，镇/街人口规模的研究是不可忽略的重要议题，人口规模预测作为村镇体系规划过程中的基础性环节，其结果的准确性直接决定了指标配套的合理与否，摸查清楚县域村镇人口规模的演变特征并探索其未来的发展趋势具有深刻的意义。在经历了变革时期和转型发展期，要求我们越来越多去探索镇/街人口规模内在发展规律，从规划变革方面来说，与国土空间规划有较强的关联性，从转型发展角度来说，规模发展方面的规律探寻对接下来的规划研究有较好的指导作用。客观科学的预测方法和智慧、高效、系统的系统平台，对于提升镇/街地区人口规模预测的效率具有重要意义。


技术实现要素：

5.为了解决上述现有技术的不足，本发明提供了一种人口规模预测指标体系的构建方法、预测方法、装置及系统，其提供多元线性回归的人口分布预测方法进行镇/街人口规模预测，旨在解决现有技术中人口预测指标过于单一，时空基础数据统计口径不一，忽略了自然和发展条件中的多元要素对于人口规模的影响；并运用大数据技术平台实现对不同地区各类型镇/街指标数据与权重的专业化收集、分析及处理，获得不同镇/街人口规模的预测结果，进而挖掘各地区的人口规模空间分布特征和发展趋势，有助于提升国内镇/街尺度的规模预测效率与科学性，深化推进人口规模发展体系的构筑与完善。
6.本发明的第一个目的在于提供一种人口规模预测指标体系的构建方法。
7.本发明的第二个目的在于提供一种人口规模预测方法。
8.本发明的第三个目的在于提供一种人口规模预测装置。
9.本发明的第四个目的在于提供一种人口规模预测系统。
10.本发明的第五个目的在于提供一种存储介质。
11.本发明的第一个目的可以通过采取如下技术方案达到：
12.一种人口规模预测指标体系的构建方法，所述方法包括：
13.基于城乡聚落体系人口规模影响因素的相关研究，对影响人口规模变化的因素进行准则层分类与筛选，得到预测指标体系的准则层；
14.对所述预测指标体系的准则层进行指标选取，获取镇/街人口规模预测的指标体系。
15.进一步的，所述对影响人口规模变化的因素进行准则层分类与筛选，得到预测指标体系的准则层，具体包括：
16.将影响人口规模变化的因素分类为一级准则层和二级准则层；其中：
17.一级准则层包括自然条件和发展条件；
18.对一级准则层中的自然条件和发展条件进行筛选，选取自然条件的用地规模以及发展条件中的人口规模与经济规模作为预测指标体系的二级准则层，即为预测指标体系的准则层。
19.进一步的，所述对所述预测指标体系的准则层进行指标选取，获取镇/街人口规模预测的指标体系，具体包括：
20.基于可获取性与科学性，用地规模准则层选取建设用地面积以及耕地面积作为预测指标；
21.基于镇/街范围内人口规模的整体性、预测过程的科学性、参考数据的可获取性，人口规模准则层选取用户籍与流动之和的人口规模作为预测指标；
22.基于可获取性与可行性，经济规模准则层选取工业产值、农业产值、一般公共预算、固定资产投资额作为预测指标。
23.本发明的第二个目的可以通过采取如下技术方案达到：
24.一种人口规模预测方法，所述方法包括：
25.获取历年镇/街人口规模预测所需的基础数据；其中，所述基础数据包括上述指标体系中的预测指标；
26.对历年基础数据中的各指标进行时间趋势外推分析和人口规模回归分析，得到各指标的预测值；
27.对历年基础数据中的各指标采用主客观综合权重法，利用ahp层次分析法和主成分分析法对各指标的权重进行测算，得到各指标的综合权重；
28.将所述各指标的预测值和所述各指标的综合权重输入人口规模测算模型，得到人口规模的值，作为人口规模预测的结果。
29.进一步的，所述基础数据包括人口规模、经济规模准则层的农业产值、工业产值、一般公共预算和固定资产投资额指标以及用地规模准则层的建设用地面积和耕地面积七个指标；
30.所述对历年基础数据中的各指标进行时间趋势外推分析和人口规模回归分析，得到各指标的预测值，具体包括：
31.对历年基础数据中的各指标进行时间趋势外推分析，得到预测方程；
32.将预测年份输入所述预测方程，得到预测年份各指标的预测值；
33.对历年基础数据中的各指标进行人口规模回归分析，得到回归方程；
34.将所述预测值中的经济规模准则层的农业产值、工业产值、一般公共预算和固定
资产投资额指标以及用地规模准则层的建设用地面积和耕地面积六个指标的预测值输入所述回归方程，得到预测年份的人口规模的预测值。
35.进一步的，所述对历年基础数据中的各指标进行时间趋势外推分析，得到预测方程，具体包括：
36.将历年基础数据中的七个指标作为因变量，时间作为自变量；
37.根据所述因变量和所述自变量进行曲线回归分析，选定预测模型；
38.通过所述预测模型补齐各因变量空缺年份数据，得到历年各因变量完整的基础数据；
39.将历年各因变量完整的基础数据作为因变量，时间作为自变量；
40.根据所述因变量和所述自变量进行曲线回归分析，选定预测模型；
41.根据所述预测模型，生成对应的预测方程。
42.进一步的，所述对历年基础数据中的各指标进行人口规模回归分析，得到回归方程，具体包括：
43.以历年基础数据中的人口规模作为因变量，以历年基础数据中的经济规模准则层的农业产值、工业产值、一般公共预算和固定资产投资额指标以及用地规模准则层的建设用地面积和耕地面积六个指标为自变量；
44.根据所述因变量和所述自变量进行曲线回归分析，选定预测模型；
45.根据所述预测模型，生成对应的回归方程。
46.进一步的，所述根据所述因变量和所述自变量进行曲线回归分析，选定预测模型，具体为：
47.基于拟合度与客观性作为选取依据，根据因变量与自变量的相关系数与显著性p值，筛选具有显著相关性、且散点图具有一定的回归趋势的预测模型。
48.进一步的，所述对历年基础数据中的各指标采用主客观综合权重法，利用ahp层次分析法和主成分分析法对各指标的权重进行测算，得到各指标的综合权重，具体包括：
49.使用历年基础数据进行因子分析，提取主成分分析结果中的成份矩阵信息；指标权重等于以主成分的方差贡献率为权重，对该指标在各主成分线性组合中的系数的加权平均的归一化，最终得到各指标的客观权重值；
50.根据历年基础数据各指标之间的相互关联影响以及隶属关系将各指标按不同层次聚集组合，形成一个多层次的分析结构模型，确定相对重要的权值或相对优劣次序的排定，并根据现实情况实时调整结果；从而得到各指标的主观权重值；
51.根据不同类型镇/街的不同特征，综合各指标的主、客观权重值，得出各指标的综合权重值。
52.本发明的第三个目的可以通过采取如下技术方案达到：
53.一种人口规模预测装置，所述装置包括：
54.历年基础数据获取模块，用于获取历年镇/街人口规模预测所需的基础数据；其中，所述基础数据包括上述的指标体系中的预测指标；
55.各指标预测模块，用于对历年基础数据中的各指标进行时间趋势外推分析和人口规模回归分析，得到各指标的预测值；
56.各指标权重测算模块，用于对历年基础数据中的各指标采用主客观综合权重法，
利用ahp层次分析法和主成分分析法对各指标的权重进行测算，得到各指标的综合权重；
57.人口规模预测模块，用于将所述各指标的预测值和所述各指标的综合权重输入人口规模测算模型，得到人口规模的值，作为人口规模预测的结果。
58.本发明的第四个目的可以通过采取如下技术方案达到：
59.一种人口规模预测系统，所述系统包括：
60.系统显示与管理功能模块，用于实现数据库中的基础数据表管理，以及预测结果数据表管理；
61.规模预测功能模块，用于实现基础数据缺失的补全与数据预处理，以及模型预测指标的拟合方程的更新与选择；
62.预测结果空间可视化模块，用于实现矢量数据的渲染、地图底图加载、基础数据图表展示、模型参数设定、预测结果可视化及用户与系统的交互界面；
63.数据导入导出功能模块，用于将数据导入数据库，为模型预测提供基础数据支撑，同时实现预测结果在地图中的动态展示。
64.本发明的第五个目的可以通过采取如下技术方案达到：
65.一种存储介质，存储有程序，所述程序被处理器执行时，实现上述的人口规模预测方法。
66.本发明相对于现有技术具有如下的有益效果：
67.1、本发明通过逐层分类筛选出影响城乡聚落体系人口规模变化的相关因素，作为进行人口规模预测的具体分析指标，挖掘镇/街人口规模发展的内在规律，可用于辅助规划从业者进行镇/街人口规模测算及其他规划决策。
68.2、本发明通过不同类型镇/街的不同特征，综合各指标的主客观权重，得到各指标最终影响该镇/街人口规模的权重值，为提升人口规模预测结果的准确性与科学性提供指引路径；通过采用多元线性回归模型进行镇/街人口规模预测，可反映人口规模受多种因素共同影响时的综合情况，为人口规模预测提供测算载体。
69.3、本发明提供的系统能够通过多层、多源回归的数学模型及研究区域多维度的指标体系，能够对镇/街长期发展情况进行快速的分析，得出相对客观的预测结果，同时借助该系统对人口综合规模预测结果进行多种可视化，能够为镇/街规模绩效评价和优化指引提供有效的支持，指导镇/街的发展规划。
附图说明
70.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
71.图1为本发明实施例1的镇/街规模预测指标体系示意图。
72.图2为本发明实施例2的人口规模预测方法的流程图。
73.图3为本发明实施例2的镇/街历年人口规模预测示意图。
74.图4为本发明实施例3的人口规模预测系统的结构框图。
75.图5为本发明实施例3的人口规模预测系统中数据管理模块的示意图。
76.图6为本发明实施例3的人口规模预测系统中规模预测功能模块的示意图。
77.图7为本发明实施例3的人口规模预测系统中预测结果空间可视化模块的示意图。
78.图8为本发明实施例4的人口规模预测装置的结构框图。
具体实施方式
79.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。应当理解，描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
80.实施例1：
81.本实施例提供了一种人口规模预测指标体系的构建方法，该方法基于影响城乡聚落体系人口规模变化的相关因素，包括一级准则层的自然条件和发展条件，自然条件中包括用地规模和环境资源两大影响层面，发展条件中则包括人口条件、区位条件、经济规模、行政管理和服务水平五大层面。各层面均包含一定数量的具体影响要素，其中用地规模涵盖耕地面积、建设用地面积以及宅基地面积在内的几大要素，环境资源涵盖地形地貌、自然资源以及水域面积等自然要素，人口条件涵盖常住人口、户籍人口以及流动人口等人口要素，区位条件涵盖交通区位以及经济区位两要素，经济规模涵盖gdp、产业产值、人均收入、一般公共预算等要素，行政管理涵盖行政等级、政府政策以及管理手段等要素，服务水平则涵盖教育医疗及文体设施等要素。通过对以上各相关要素的逐层筛选，获得镇/街人口规模预测的最终指标体系，如图1所示。
82.该方法包括以下步骤：
83.(1)基于城乡聚落体系人口规模影响因素的相关研究，对影响人口规模变化的因素进行准则层分类与筛选，得到预测指标体系的准则层。
84.将影响人口规模变化的因素分类为一级准则层和二级准则层：
85.(1-1)一级准则层。
86.一级准则层包括自然条件和发展条件。
87.城乡聚落体系是复杂开放的地域系统，不同等级的居民点彼此之间相互依存、联系密切，具有整体性、等级性、动态性三大特征，其形成、发展与演变受到多方面因素的影响，且不同因素的影响方式不同。影响城乡聚落体系空间规模变化的因素分为自然条件以及发展条件两大类，即第一自然(the first nature)和第二自然(the second nature)。
88.自然条件部分包括了环境资源、用地规模。生态环境是镇/街发展的硬性约束，土地规模也决定了镇/街未来的发展上限，优良、富有特色的生态环境以及土地是影响镇/街地区系统发展的核心要素。
89.发展条件包括人口规模、区位条件、经济规模、行政治理以及服务水平等要素。现状人口规模是人口未来发展的基础基数，直接决定人口变化的起点，能以客观的历史人口数据外推情况，对镇村规模预测起到较大的指引校正作用。区位反映了聚落交通可达性的强弱，便捷发达的交通网络为人口和物质流动提供机会，从而成为影响镇/街发展潜力和方向的决定性因素。经济水平和治理能力是镇、村发展的核心驱动力，是其规模变迁的内在驱
动力，同时公共服务体系的完善程度和服务水平也一定程度上反应镇/街人口的发展趋势。
90.(1-2)二级准则层。
91.通过相关学者对于各类准则层的相关研究和实践，对一级准则层自然条件和发展条件中的各类二级准则层进行筛选。自然条件中的环境资源准则层由于大量研究都是从资源供给的角度来确定区域适度人口，仅代表在一定假设条件和目标前提下的理想人口，与本研究中的现实人口规模预测存在差异，因此自然条件层面的自然环境因素不纳入镇/街未来规模预测的指标筛选范围，仅选取自然条件的用地规模作为预测指标体系的二级准则层。
92.发展条件中的区位条件由于地区的交通或经济区位难以在短时间发生显著的变化；行政管理准则层中的行政等级、政府政策以及管理手段存在着不稳定的变化方式；而服务水平层面的基础设施大多根据理想状态下土地所能承载的居住人口为参照口径来统筹配置，因此公共服务设施的配置存在滞后性、阶段性、间隔性等特点，可能出现研究时间段内二者相关性不足的情况，使结果出现较大的偏差。基于以上三类准则层的研究综述分析与考虑，此类准则层在人口规模预测中不仅难以形成规律，且对于通过特定模型寻求规律的规模预测可操作性较差，很难梳理其与镇/街人口规模的变化关系，因此发展条件层面的区位条件、行政管理、社会服务因素等将不纳入镇/街未来规模预测的指标筛选范围，仅选取发展条件中的人口规模与经济规模作为预测指标体系的二级准则层。二级准则层即为预测指标体系的准则层。
93.综上所述，对影响人口规模变化的因素进行准则层分类与筛选，得到预测指标体系的准则层包括用地规模、人口规模和经济规模。
94.(2)对预测指标体系的准则层进行指标选取，获取镇/街人口规模预测的最终指标体系。
95.(2-1)对用地规模准则层指标选取。
96.耕地面积以及耕地所达的范围间接影响着人口规模的变化，同样建设用地面积也是影响村镇规模的重要指标。因此用地规模准则层选定建设用地面积以及耕地面积比重作为参照指标。
97.(2-2)人口规模准则层指标选取。
98.户籍人口和常住人口都是表征地区实际人口规模最显著的指标，随着城市化的发展，大量镇/街出现了人口流失、空心化等现象，同时外来人口的增加也使得流动人口成为又一关键的人口指标。考虑到县域范围内人口规模的整体性、预测过程的科学性、参考数据的可获取性，因此在镇/街尺度统一选用户籍与流动之和的人口规模作为研究对象。
99.(2-3)经济规模准则层指标选取。
100.城镇化过程中，经济增长带来的人口分布变化是最为关键的作用力。gdp、地方财政支出水平、固定资产投资水平和城乡居民储蓄水平等指标往往能反映最关键的信息，根据各镇/街政府年报的统计情况，增加选取一般公共预算作为指标，共选取农业产值、工业产值、固定资产投资额以及一般公共预算四个指标，对于部分农业产值缺失的镇/街采用服务业产值进行指标替代。
101.实施例2：
102.如图2所示，本实施例提供了一种人口规模预测方法，该方法包括基础数据的收集
处理、对基础数据中各指标的回归分析以及综合权重分析、通过人口规模测算模型对各指标分析结果和综合权重进行计算，得到最终预测结果。具体包括以下步骤：
103.s201、获取历史年份镇/街人口规模预测所需的基础数据。
104.各镇/街2010-2020年数据来源于相应年份的《中国县(市)社会经济统计年鉴》与《中国统计年鉴》，并从《中国农村统计年鉴》、《广东省农村统计年鉴》、《广州市统计年鉴》、《增城市(区)统计年鉴》等进行适当补充和完善。涉及各镇/街的发展信息来自政府信息网中的相关经济发展资料与政府工作报告，以及各镇/街政府部门的实地踏勘采集所得电子信息图集、统计年报，镇政府公开数据等。
105.表1增城区镇/街人口规模预测指标体系
[0106][0107]
基础数据包括人口规模准则层、经济规模准则层以及用地规模准则层中的各指标数据，人口规模准则层、经济规模准则层以及用地规模准则层中的各指标数据具体为人口规模、经济规模准则层的农业产值、工业产值、一般公共预算和固定资产投资额指标以及用地规模准则层的建设用地面积和耕地面积等数据。
[0108]
s202、对历年基础数据中的各指标进行时间趋势外推分析和人口规模回归分析，得到各指标的预测值。
[0109]
进一步地，该步骤s202具体包括：
[0110]
s2021、对历年基础数据中的各指标进行时间趋势外推分析，得到各指标的预测值。
[0111]
(1)首先，基于所收集的2010-2020年份各因变量基础数据，以人口规模、经济规模准则层的农业产值、工业产值、一般公共预算和固定资产投资额指标以及用地规模准则层的建设用地面积和耕地面积七个指标作为因变量，时间作为自变量，进行曲线拟合。
[0112]
根据相关性分析，部分现阶段拟合状态较好的函数类型，如指数函数等爆炸增长型函数，不符合未来的规模发展趋势。因此在各指标的时间趋势外推模型选择中，不仅要考虑现阶段的拟合度，还需要满足未来发展的客观性。基于拟合度与客观性两个作为选取依据，根据七个不同因变量与年份自变量的相关系数与显著性p值，筛选具有显著相关性，且散点图具有一定的回归趋势的函数模型作为预测模型。不同镇/街中的不同因变量与年份这一自变量的回归情况各有差异，因此所选取的预测模型也各有差异，但都遵循拟合度较
好与客观性较强两大原则。
[0113]
(2)其次，根据步骤(1)中选定的预测模型，补齐各因变量空缺年份数据，得到2010-2020年份各因变量完整的基础数据。进而在spss软件内选取因变量与年份进行曲线回归分析，分别选择线性回归模型、对数模型、幂函数模型、logistics函数模型、二次函数模型等，根据r2及因变量增长趋势判断并选定预测模型预测模型。
[0114]
(3)最后，通过步骤(2)中所选定的预测模型，在spss软件中生成对应的预测方程和回归曲线图，将预测年份代入所生成的预测方程中，得到对应年份因变量的预测值。
[0115]
基于预测模型指导下的各因变量预测数据，包括人口规模预测值、工农业产值预测值、一般公共预算以及固定资产投资预测值、建设用地与耕地面积预测值，均与其各自的历史数据情况进行复核对比，预测数据与历史数据的整体误差控制在合理范围内。通过对比误差的反馈，验证本研究中各指标层预测值的合理性与可行性。
[0116]
s2022、对历年基础数据中的各指标进行人口规模回归分析，得到人口规模的预测值。
[0117]
在指标体系时间趋势外推分析的基础上，针对经济规模准则层的农业产值、工业产值、一般公共预算和固定资产投资额，以及用地规模准则层的建设用地面积和耕地面积，六个指标构建与人口规模的回归方程。以人口规模作为因变量，以上所述指标体系中的各具体指标作为自变量，进行曲线拟合。
[0118]
(1)首先选取2010-2020年份各具体指标数据与人口规模数据进行回归分析，同样在spss软件内选择线性回归模型、对数模型、幂函数模型、logistics函数模型、二次函数模型等多类模型，根据r2以及因变量增长趋势选取拟合度与客观程度最优的预测模型作为预测模型。在函数模型选择时，虽然2010-2020年份拟合度均好，进一步考虑到未来人口规模的增长趋势以及模型的自身特征进行校准后，删去了短期拟合好但与实际长期发展情况不符合的模型，通过其他函数模型得到较为理想的预测结果。另一方面，存在具体镇/街规模预测中部分指标显著性较差的情况，通过主观打分的方法能降低其权重，进而减小了自身不显著相关(r2大于0.5)所造成的影响。因为不同镇街不同要素基础数据存在差异，所选取的最优预测模型也会存在差异。
[0119]
(2)其次，通过s2021中各指标与时间回归的预测方程，得到预测年份(如2035年)的各指标数值。
[0120]
(3)将步骤(2)得到的各指标数值代入选定的回归方程中，得到预测年份的人口规模数值。
[0121]
规模预测的结果经检验后的实际偏差值较小。大部分指标对多元线性回归模型、对数函数模型、s形函数模型、逻辑回归模型拟合较好，土地指标与逻辑回归模型拟合较好。
[0122]
s203、对历年基础数据中的各指标采用主客观综合权重法，利用ahp层次分析法和主成分分析法对各指标的权重进行测算，得到各指标的综合权重。
[0123]
进一步地，该步骤s203具体包括：
[0124]
s2031、利用主成分分析法对基础数据中的各指标进行客观赋权。
[0125]
在spss软件中，对2010-2020年份的各指标体系数值与人口规模数值进行因子分析，将各指标变量与人口规模添加到“变量中”，抽取方法为主成分，选取相关性矩阵分析与最大方差法，得分模块选择“显示因子得分系数矩阵”，设置结束之后，点击“确定”，就可以
得到主成分分析结果，其判断结果不依赖于人的主观判断，有较强的数学理论依据，较为客观。
[0126]
本实施例使用2010-2020年份镇/街人口规模及其各指标的基础数据进行因子分析，提取主成分分析结果中的成份矩阵信息。指标权重等于以主成分的方差贡献率为权重，对该指标在各主成分线性组合中的系数的加权平均的归一化，最终得到各指标对应的主成分分析权重值。
[0127]
s2032、利用ahp层次分析法对基础数据中的各指标进行主观赋权。
[0128]
按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合，形成一个多层次的分析结构模型，确定相对重要的权值或相对优劣次序的排定，可以根据现实情况实时调整结果。
[0129]
s2033、综合各指标两类主客观权重，得出各指标的综合权重值。
[0130]
根据不同类型镇/街的不同特征，综合各指标两类主客观权重，对各指标主观下的ahp层次分析法权重赋值与客观的主成分分析法权重赋值取平均值，得出各指标最终影响该镇/街人口规模的综合权重。
[0131]
s204、将各指标的预测值和各指标的综合权重输入人口规模测算模型，得到人口规模的值，作为人口规模预测的结果。
[0132]
本实施例综合考虑了传统增长率法、单一要素的相关预测思路、环境资源承载力测度以及系统力学中多维度要素的分析办法，最后采用综合上述特征的多元线性回归模型进行镇/街人口规模预测，即将多元线性回归模型作为人口规模测算模型。
[0133]
多元线性模型是研究一个因变量与两个或两个以上自变量的回归分析方法，能够反映一种现象或事物的数量依多种现象或事物的数量的变动而相应地变动的规律。当被解释变量受多种影响因素共同影响时，为了更好的判断不同影响要素的作用强度，采用多元线性回归模型进行分析。
[0134]
由于镇/街人口规模的变化是多变量共同影响的综合结果，因此，需要通过权重的差异化打分以调整不同因子对人口规模的影响程度。
[0135]
多元线性回归模型的计算公式为：
[0136]
y＝β1x
1i
β2x
2i

…
βkx
ki i＝(1，2，
…
，k)
[0137]
其中，k为自变量的个数，y为因变量，即镇/街人口规模；x为自变量，即表示人口、经济及土地三大准则层的各指标预测人口数；β1、β2、β3...βk为由主成分分析法和ahp层次分析法得到的各指标的综合权重。
[0138]
当回归系数β为正值时，即通过相关方法的权重分配为正值，说明影响因素对镇/街人口集聚具有正向促进作用，系数的大小用来解释影响因素的作用效果。回归系数的绝对值越大，即通过相关方法的权重分配绝对值越大，说明要素对因变量的影响程度越大。
[0139]
根据多元线性回归模型，对应得到人口规模测算模型的计算公式为：
[0140]
即镇/街人口规模＝人口规模综合权重*人口规模自预测值 农业产值综合权重值*农业产值预测人口规模值 工业产值综合权重值*工业产值预测人口规模值 一般公共预算综合权重值*一般公共预算预测人口规模值 固定资产投资综合权重值*固定资产投资预测人口规模值 建设用地综合权重值*建设用地预测人口规模值 耕地综合权重值*耕地预测人口规模值。
[0141]
如图3所示，将各指标分析结果与综合权重应用于人口规模测算模型，得到最终人口规模预测结果。
[0142]
实施例3：
[0143]
如图4所示，本实施例提供了一种人口规模预测系统，该系统融合了当前主流的地理数据空间技术，来实现镇/街人口规模预测及空间可视化。该系统采用c/s架构，包括应用层、模型与算法层以及数据层三个层面，具有较好的开放性及结构拓展性。同时该系统采用前后端低耦合设计，之间通过数据接口访问，系统采用开源组件构建，具有较高的灵活性，各个模块的具体说明如下：
[0144]
一、系统显示与管理功能模块。
[0145]
如图5所示，数据管理模块是文件及数据库统一读写、基础数据表管理、预测模型数据访问以及预测结果可视化数据访问的接口，该模块主要实现数据库中的基础数据表管理，预测结果数据表管理。提供统一的数据读写接口，为模型预测及数据可视化提供数据访问接口，作为整个系统的基础模块。
[0146]
二、规模预测功能模块。
[0147]
如图6所示，该模块通过为基础数据扩样、函数模型方程初始化、模型方程优化，用来实现基础数据缺失的补全与数据预处理，模型预测指标的拟合方程的更新及选择。选取基础数据中的人口、土地、经济数据，多种函数模型，通过时间序列、主客观赋值打分，最后建立回归模型计算县域(街)的综合人口规模。
[0148]
三、预测结果空间可视化模块。
[0149]
如图7所示，该模块主要实现矢量数据的渲染、地图底图加载、基础数据图表展示、模型参数设定、预测结果可视化及用户与系统的交互界面。
[0150]
四、数据导入导出功能模块。
[0151]
数据导入功能模块实现给定csv表格文件，通过读取表头字段，将数据导入到数据库库中，包括镇/街基础数据、ahp打分数据等的导入，为模型预测提供基础数据支撑。
[0152]
数据导出功能模块主要实现预测结果在地图中的动态展示，包括镇/街预测结果数据展示，支持gif及网页形式的导出形式。
[0153]
此外，为了提供更好的数据访问及数据管理，对收集的各类型镇/街人口数据进行整理筛选和核验，建立并完善镇/街规模结构及相关影响因素数据库，有效整合县域村镇规模结构模拟过程中涉及到的数据，为系统进行规模预测及数据展示提供数据支撑，同时也为后续的数据管理及共享提供有力的保障，数据服务部分主要包括数据库来源、数据库结构及表结构三部分。
[0154]
(1)数据库来源。
[0155]
本系统采用功能强大postgresql开源关系数据库系统，空间数据由postgis提供管理及支持，系该数据库系统能够为县域村镇规模结构及相关影响因素数据库提供数据的存储、访问及管理服务。
[0156]
(2)数据库结构。
[0157]
县域村镇空间规模预测系统数据库主要包括基础数据、模型运行过程数据及预测结果数据，基础数据包括镇街基本信息表(人口规模数据、经济规模数据、用地规模数据)、镇域行政村发展潜力指标打分表，模型运行过程数据包括指标方程拟合表、镇/街权重计算
结果表、行政村权重计算结果表，预测结果数据表包括镇/街预测结果表、行政村预测结果表。
[0158]
(3)表结构。
[0159]
主要包括镇街基本信息表、镇/街权重计算结果表和镇/街预测结果表，其中：
[0160]
(3-1)镇街基本信息如表2所示：
[0161]
表2镇街基本信息表
[0162]
字段名字段信息字段类型zjm镇街名textczrk总人口intybggyssr一般公共预算float8nycz农业产值float8gsgycz规上工业产值float8fwycz工业总产值float8gsgdzctze固定资产投资额float8jzydmj建设用地float8gdmj耕地float8sjnf年份float8
[0163]
(3-2)镇/街权重计算结果如表3所示：
[0164]
表3镇/街权重计算结果表
[0165]
字段名字段信息字段类型zjm镇街名称varcharahp1ahp总人口权重float8ahp2ahp农业产值人口权重float8ahp3ahp工业产值人口权重float8ahp4ahp公共预算人口权重float8ahp5ahp固定资产投资人口权重float8ahp6ahp建设用地人口权重float8ahp7ahp耕地人口权重float8pca1pca总人口权重float8pca2pca农业产值人口权重float8pca3pca工业产值人口权重float8pca4pca公共预算人口权重float8pca5pca固定资产投资人口权重float8pca6pca建设用地人口权重float8pca7pca耕地人口权重float8z1综合总人口权重float8z2综合农业产值人口权重float8z3综合工业产值人口权重float8z4综合公共预算人口权重float8
z5综合固定资产投资人口权重float8z6综合建设用地人口权重float8z7综合耕地人口权重float8two1人口规模准则层权重float8two2经济规模准则层权重float8two3用地规模准则层权重float8one1发展条件准则层权重float8one2自然条件准则层权重float8
[0166]
(3-3)镇/街预测结果如表4所示：
[0167]
表4镇/街预测结果表(按照设置生成字段，默认为2035年)
[0168]
字段名字段信息字段类型czm镇街名textp20212021年预测人口int8p20222022年预测人口int8p20232023年预测人口int8p20242024年预测人口int8p20252025年预测人口int8p20262026年预测人口int8p20272027年预测人口int8p20282028年预测人口int8p20292029年预测人口int8p20302030年预测人口int8p20312031年预测人口int8p20322032年预测人口int8p20332033年预测人口int8p20342034年预测人口int8p20352035年预测人口int8
[0169]
由于采集到的数据结构各异，尤其是许多原始数据信息庞杂，需通过对各类数据、信息进行清洗、加工、处理，以充分挖掘数据价值。
[0170]
本实施例中的系统开发环境操作系统为window7及以上版本，软件运行环境需满足2核及其以上处理器、最低2gb内存以及最小20gb硬盘，数据库服务器硬件需求为1核及其以上处理器、最低1gb内存以及最小50gb硬盘。
[0171]
实施例4：
[0172]
如图8所示，本实施例提供了一种人口规模预测装置，该装置包括历年基础数据获取模块801、各指标预测模块802、各指标权重测算模块803和人口规模预测模块804，其中：
[0173]
历年基础数据获取模块801，用于获取历年镇/街人口规模预测所需的基础数据；其中，所述基础数据包括实施例1中所述指标体系中的预测指标；
[0174]
各指标预测模块802，用于对历年基础数据中的各指标进行时间趋势外推分析和人口规模回归分析，得到各指标的预测值；
[0175]
各指标权重测算模块803，用于对历年基础数据中的各指标采用主客观综合权重法，利用ahp层次分析法和主成分分析法对各指标的权重进行测算，得到各指标的综合权重；
[0176]
人口规模预测模块804，用于将所述各指标的预测值和所述各指标的综合权重输入人口规模测算模型，得到人口规模的值，作为人口规模预测的结果。
[0177]
本实施例中各个模块的具体实现可以参见上述实施例1，在此不再一一赘述；需要说明的是，本实施例提供的装置仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
[0178]
实施例5：
[0179]
本实施例提供了一种存储介质，该存储介质为计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时，实现上述实施例2的人口规模预测方法，如下：
[0180]
获取历年镇/街人口规模预测所需的基础数据；其中所述基础数据包括实施例1中所述指标体系中的预测指标；
[0181]
对历年基础数据中的各指标进行时间趋势外推分析和人口规模回归分析，得到各指标的预测值；
[0182]
对历年基础数据中的各指标采用主客观综合权重法，利用ahp层次分析法和主成分分析法对各指标的权重进行测算，得到各指标的综合权重；
[0183]
将所述各指标的预测值和所述各指标的综合权重输入人口规模测算模型，得到人口规模的值，作为人口规模预测的结果。
[0184]
需要说明的是，本实施例的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
[0185]
综上所述，本发明通过筛选人口规模测算模型，在获取镇/街人口规模准则层、经济规模准则层以及用地规模准则层数据的基础上，选择多元线性回归模型进行人口规模测算，同时采用主客观综合赋权法对结果进行校准，能够为规划职能部门根据不同地域、不同类型、不同的发展路径的县城因地制宜的模拟镇/街规模结构，为不同状况下的县城镇/街规模结构调整提供参考；通过镇/街人口规模预测系统建立，使多元回归的数学模型及研究区域多维度的指标体系能够快速地对镇/街长期发展情况进行快速分析，得出相对客观的预测结果，同时借助该系统对人口综合规模预测结果进行多种可视化，丰富预测模型的预测维度和预测变量，为县域村镇规模绩效评价和优化指引提供有效的支持。以上所述，仅为本发明专利较佳的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明构思加以等同替换或改变，都属于本发明专利的保护范围。