用模糊时间序列预测墨西哥人口:地平线2100

IF 0.2 4区 社会学 Q4 DEMOGRAPHY
Milenka Linneth Argote-Cusi, León Darío Parra-Bernal
{"title":"用模糊时间序列预测墨西哥人口:地平线2100","authors":"Milenka Linneth Argote-Cusi, León Darío Parra-Bernal","doi":"10.22185/24487147.2022.114.28","DOIUrl":null,"url":null,"abstract":"La proyección de la población es crucial para la planificación de recursos en todos los países. A diferencia de los métodos tradicionales, las series de tiempo difusas (STD) es una técnica de la IA que aprende de los datos, los modela incorporando la lógica difusa y proyecta considerando el comportamiento no lineal del fenómeno. Objetivo. Actualizar la proyección de la población mexicana con STD y realizar un análisis comparativo de resultados de 2018 versus 2022 así como con otras estimaciones disponibles en la literatura. Datos y Métodos. Se considera la serie de datos oficiales de la población total mexicana de 1895 a 2020 y los resultados de los autores en 2018 que se toman como referencia para al análisis de la precisión de las estimaciones; se generó un algoritmo en R que ejecuta los pasos de la metodología de STD invariantes en el tiempo. Resultados. Se comprueba que las STD permiten modelar de forma adecuada la dinámica de la población mexicana en la que los resultados son coherentes. El ejercicio de proyección en la etapa retrospectiva (1950 a 2020) tiene un menor error 0,03409 que en 2018 (0,04074) y la inclusión del dato de 2020 nos permite ampliar el horizonte de proyección a 2100. La validez y veracidad de los resultados se confirman con el análisis comparativo con otras proyecciones de la población mexicana.
","PeriodicalId":45043,"journal":{"name":"Papeles De Poblacion","volume":"44 1","pages":"0"},"PeriodicalIF":0.2000,"publicationDate":"2023-09-08","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Proyección de la población mexicana con Series de Tiempo Difusas: horizonte 2100\",\"authors\":\"Milenka Linneth Argote-Cusi, León Darío Parra-Bernal\",\"doi\":\"10.22185/24487147.2022.114.28\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"La proyección de la población es crucial para la planificación de recursos en todos los países. A diferencia de los métodos tradicionales, las series de tiempo difusas (STD) es una técnica de la IA que aprende de los datos, los modela incorporando la lógica difusa y proyecta considerando el comportamiento no lineal del fenómeno. Objetivo. Actualizar la proyección de la población mexicana con STD y realizar un análisis comparativo de resultados de 2018 versus 2022 así como con otras estimaciones disponibles en la literatura. Datos y Métodos. Se considera la serie de datos oficiales de la población total mexicana de 1895 a 2020 y los resultados de los autores en 2018 que se toman como referencia para al análisis de la precisión de las estimaciones; se generó un algoritmo en R que ejecuta los pasos de la metodología de STD invariantes en el tiempo. Resultados. Se comprueba que las STD permiten modelar de forma adecuada la dinámica de la población mexicana en la que los resultados son coherentes. El ejercicio de proyección en la etapa retrospectiva (1950 a 2020) tiene un menor error 0,03409 que en 2018 (0,04074) y la inclusión del dato de 2020 nos permite ampliar el horizonte de proyección a 2100. La validez y veracidad de los resultados se confirman con el análisis comparativo con otras proyecciones de la población mexicana.
\",\"PeriodicalId\":45043,\"journal\":{\"name\":\"Papeles De Poblacion\",\"volume\":\"44 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.2000,\"publicationDate\":\"2023-09-08\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Papeles De Poblacion\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.22185/24487147.2022.114.28\",\"RegionNum\":4,\"RegionCategory\":\"社会学\",\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"DEMOGRAPHY\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Papeles De Poblacion","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.22185/24487147.2022.114.28","RegionNum":4,"RegionCategory":"社会学","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"DEMOGRAPHY","Score":null,"Total":0}
引用次数: 0

摘要

人口预测对所有国家的资源规划都至关重要。与传统方法不同,模糊时间序列(dts)是一种人工智能技术,它从数据中学习,结合模糊逻辑对数据进行建模,并考虑现象的非线性行为进行预测。目标。更新墨西哥性病人口的预测,并对2018年和2022年的结果以及文献中可用的其他估计进行比较分析。数据和方法。考虑1895 - 2020年墨西哥总人口的一系列官方数据和作者2018年的结果,作为分析估计准确性的参考;在R中生成了执行时间不变STD方法步骤的算法。结果。本研究的目的是确定墨西哥人口的性别分布,并确定墨西哥人口的性别分布。回顾性阶段的预测练习(1950 - 2020)的误差比2018年(0.04074)小0.03409,包含2020年的数据允许我们将预测范围扩大到2100年。通过与其他墨西哥人口预测的比较分析,证实了结果的有效性和准确性。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Proyección de la población mexicana con Series de Tiempo Difusas: horizonte 2100
La proyección de la población es crucial para la planificación de recursos en todos los países. A diferencia de los métodos tradicionales, las series de tiempo difusas (STD) es una técnica de la IA que aprende de los datos, los modela incorporando la lógica difusa y proyecta considerando el comportamiento no lineal del fenómeno. Objetivo. Actualizar la proyección de la población mexicana con STD y realizar un análisis comparativo de resultados de 2018 versus 2022 así como con otras estimaciones disponibles en la literatura. Datos y Métodos. Se considera la serie de datos oficiales de la población total mexicana de 1895 a 2020 y los resultados de los autores en 2018 que se toman como referencia para al análisis de la precisión de las estimaciones; se generó un algoritmo en R que ejecuta los pasos de la metodología de STD invariantes en el tiempo. Resultados. Se comprueba que las STD permiten modelar de forma adecuada la dinámica de la población mexicana en la que los resultados son coherentes. El ejercicio de proyección en la etapa retrospectiva (1950 a 2020) tiene un menor error 0,03409 que en 2018 (0,04074) y la inclusión del dato de 2020 nos permite ampliar el horizonte de proyección a 2100. La validez y veracidad de los resultados se confirman con el análisis comparativo con otras proyecciones de la población mexicana.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
Papeles De Poblacion
Papeles De Poblacion DEMOGRAPHY-
CiteScore
0.50
自引率
0.00%
发文量
1
审稿时长
28 weeks
期刊介绍: PUBLICACIÓN TRIMESTRAL de carácter académico que incluye ensayos y resultados de investigaciones con contenido demográfico o de algún tópico relativo a los estudios de población. Se integra con artículos enfocados a problemáticas nacionales y regionales de amplio interés académico y oportunos en la redefinición de la agenda de políticas sociales.
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信