پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 163 |
| تعداد شماره‌ها | 6,878 |
| تعداد مقالات | 74,135 |
| تعداد مشاهده مقاله | 137,878,820 |
| تعداد دریافت فایل اصل مقاله | 107,237,588 |
پیش‌بینی آینده تغییرات جمعیتی در ایران | ||
| مطالعات و تحقیقات اجتماعی در ایران | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 05 مهر 1404 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jisr.2025.395285.1622 | ||
| نویسنده | ||
| نصیبه اسمعیلی* | ||
| استاد یار جمعیت شناسی دانشکده علوم اجتماعی، دانشگاه تهران، تهران، ایران | ||
| چکیده | ||
| کشور ایران در دهه‌های اخیر تحولات جمعیتی منحصر به فردی را تجربه کرده است. هدف اصلی مقاله حاضر، پیش‌بینی میزان افزایش رشد طبیعی جمعیت در ایران طی ده سال آینده (1404-1413) با بهره‌گیری از روش مدلسازی هوشمند مبتنی بر شبکه عصبی عمیق است تا چشم‌اندازی جامع از آینده جمعیتی کشور ایران ارائه دهد. برای دستیابی به این هدف، به پیش‌بینی شاخص‌های کلیدی تغییرات جمعیتی شامل میزان خام ولادت، میزان خام مرگ و میر و زمان دو برابر شدن جمعیت پرداخته شده است. شبیهسازیها با استفاده از نرم‌افزار متلب و بر مبنای داده‌های مرکز آمار ایران انجام گردیده است. نتایج شبیه‌سازی نشان می‌دهد که میزان خام ولادت با روند کاهشی از 3/11در سال 1403 به 3/9 در سال 1413 در مقابل، میزان خام مرگ‌ومیر با روند افزایشی از 2/5 در سال ۱۴۰3 به 1/6 در سال ۱۴۱3 خواهد رسید. در نتیجه، میزان رشد طبیعی جمعیت با روند کاهشی از 1/6 در هزار در سال ۱۴۰3 به 2/3 در هزار در سال ۱۴۱3 می‌رسد. در نهایت، مدت زمان لازم برای دوبرابر شدن جمعیت با روند افزایشی از 114سال در سال ۱۴۰3 به 218 سال در سال ۱۴۱3 خواهد رسید. به این مهم باید توجه نمودکه در مدلسازی سیستم‌های انسانی و رفتاری، همواره روند تغییرات مد نظر بوده و پیش‌بینی دقیق به صورت اعداد مورد هدف نیست. نتایج حاصل از شبیهسازیها برنامه ریزی و اجرای سیاستهایی جامع و هدفمند در زمینه افزایش باروری و کاهش مرگ‌ومیر را به عنوان یک راهکار عملی جهت تحقق اهداف پایدار در حوزه های جمعیتی پیشنهاد می‌دهد. | ||
| کلیدواژه‌ها | ||
| ایران؛ تغییرات جمعیتی؛ پیش‌بینی؛ رشد طبیعی جمعیت؛ مدلسازی شبکه عصبی عمیق | ||
| عنوان مقاله [English] | ||
| Forecasting future demographic changes in Iran | ||
| نویسندگان [English] | ||
| Nasibeh Esmaeili | ||
| Assistant Professor, Department of Demography, Faculty of Social Sciences, University of Tehran | ||
| چکیده [English] | ||
| Iran has experienced significant and unique demographic changes in recent decades, influenced by social, economic, and cultural factors that have shifted population dynamics over time. The main aim of this study is to forecast the natural population growth rate—NPG—in Iran over the upcoming decade, from 2025 to 2034, utilizing advanced intelligent deep neural network—DNN—modeling techniques. The goal is to provide a comprehensive and insightful outlook on Iran’s future demographic trends, which can assist policymakers and planners in making informed decisions. To achieve this, key demographic indicators—such as the crude birth rate—CBR—, crude death rate—CDR—, and population doubling time—PDT—have been projected through robust modeling to understand potential future population growth or decline patterns. Simulations were conducted meticulously using MATLAB software, based on accurate data obtained from the Statistical Center of Iran, ensuring reliability and data accuracy. The results indicate that the CBR is expected to decrease from 11.3 per thousand in 2024 to 9.3 per thousand in 2034. Conversely, the CDR is projected to increase from 5.2 per thousand in 2024 to 6.1 per thousand in 2034. Additionally, the NPG is forecasted to decline from 6.1 per thousand in 2024 to 3.2 per thousand in 2034. Finally, the PDT is expected to increase from 114 years in 2024 to 218 years in 2034. However, it should be noted that, in modeling human and behavioral systems, change trends are considered, and precise numerical predictions have limitations. Based on these results, policymakers and planners are advised to implement comprehensive and targeted policies to promote higher fertility and reduce mortality rates, thereby achieving sustainable demographic goals for balanced population development. | ||
| کلیدواژه‌ها [English] | ||
| Iran, Forecasting, Deep neural network modeling-DNN, Demographic changes, Natural population growth | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 58 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب