tr-nufus

English summary. tr-nufus implements the population projection methods used in Turkish development-plan reports (plan açıklama raporu), İller Bankası infrastructure projects and planning education: arithmetic, geometric, exponential, logistic (three-point and least squares), the İller Bankası method, least-squares trends, the ratio (share) method and a two-sex cohort-component projection with Leslie matrices. It also computes TÜİK's annual growth rate in per mille, doubling times, back-tests methods against held-out census years (MAPE) and writes Turkish Markdown tables, from Python or from the Turkish-language tr-nufus command line tool.

Türkçe. tr-nufus, imar planı açıklama raporlarında, İller Bankası içmesuyu/kanalizasyon projelerinde ve şehir planlama derslerinde kullanılan nüfus projeksiyonu yöntemlerini tek bir küçük Python paketinde toplar:

• Aritmetik (doğrusal) artış, geometrik artış, üstel (eksponansiyel) artış
• İller Bankası yöntemi (çoğalma katsayısı %1-%3 aralığına sınırlanır; kaynağı aşağıda)
• Lojistik eğri: eşit aralıklı üç sayımdan (Pearl-Reed) ve en küçük kareler ile
• En küçük kareler doğrusal / polinom trendi
• Oran (pay) yöntemi: ilçenin il (ya da bölge) projeksiyonundaki payı
• Kohort bileşenler yöntemi: yaş grubu × cinsiyet, hayatta kalma oranları, doğurganlık, net göç; Leslie matrisi
• TÜİK tanımıyla yıllık nüfus artış hızı (‰), ikiye katlanma süresi
• Son sayım(lar)ı dışarıda bırakarak yöntem karşılaştırması (MAPE)
• Plan raporuna doğrudan yapıştırılabilen Türkçe Markdown / CSV tablolar

Tek bağımlılık numpy'dir. Python 3.9 ve üzeri gerekir.

Veri notu. Paket TÜİK verisi içermez. ADNKS (Adrese Dayalı Nüfus Kayıt Sistemi) ve genel nüfus sayımı rakamlarını kendiniz TÜİK Veri Portalı'ndan alıp verirsiniz. Örneklerde kullanılan "Örnekkent" verileri tamamen varsayımsaldır.

Kurulum

pip install tr-nufus

Hızlı başlangıç (komut satırı)

Girdi, iki sütunlu bir CSV dosyasıdır (;, , veya sekme ile ayrılmış; yil;nufus, Yıl;Nüfus, year,population gibi başlıklar tanınır; 1.234.567 biçimindeki binlik ayraçları okunur):

yil;nufus
1990;38400
2000;46900
2010;55300
2015;59800
2020;63900
2023;66100

tr-nufus ornek > ornekkent.csv            # varsayımsal örnek veri
tr-nufus hiz ornekkent.csv                # dönemlik yıllık artış hızı (‰)
tr-nufus projeksiyon ornekkent.csv --hedef 2030 2040 2058
tr-nufus karsilastir ornekkent.csv --test 1
tr-nufus projeksiyon ornekkent.csv --rapor --test 1 -o nufus_bolumu.md
tr-nufus hiz --seri "2017=80810525,2018=82003882,2019=83154997"

tr-nufus projeksiyon ornekkent.csv --hedef 2030 2040 2058 çıktısı:

tr-nufus karsilastir ornekkent.csv --test 1 (yöntemler 1990-2020 verisiyle kurulur, 2023 değeriyle sınanır):

Komutlar:

Önemli seçenekler: --yontem aritmetik iller_bankasi lojistik ..., --hedef 2030 2035, --ufuk 35 --adim 5 (hedef verilmezse son sayımdan sonraki 35 yıl, 5'er yıllık), --ilbank-mod endpoints|mean_consecutive, --sinirsiz (İller Bankası %1-%3 sınırını kaldırır), --doygunluk K (lojistik doygunluk nüfusu), --derece 2, --bicim markdown|text|csv, -o dosya.

Python API

from tr_nufus import (
    CensusSeries, fit, fit_iller_bankasi, fit_logistic_three_point, fit_ratio,
    annual_growth_rate_permille, doubling_time, compare_methods,
    projection_table, plan_report,
)

s = CensusSeries.from_csv("ornekkent.csv", name="Örnekkent")
# ya da: CensusSeries.from_mapping({2000: 46_900, 2010: 55_300, 2023: 66_100})

annual_growth_rate_permille(82_003_882, 83_154_997, 1)   # 13.94 (TÜİK: binde 13,9)
doubling_time(16.46)                                     # 42.1 yıl

ib = fit_iller_bankasi(s)                 # İller Bankası 2013: ilk ve son sayım
ib.params                                 # {'k': 1.659, 's': 1.659, 't_s': 2023.0, 'P_s': 66100.0}
ib.at(2058)                               # 117 589
fit_iller_bankasi(s, mode="mean_consecutive")   # ÇŞB 2018: ardışık oranların ortalaması
fit_iller_bankasi(s, bounds=None)               # sınırsız (geometrik)

lojistik = fit_logistic_three_point(s)    # eşit aralıklı 2000-2010-2020
lojistik.params["K"]                      # doygunluk nüfusu

models = [fit(s, k) for k in ("aritmetik", "geometrik", "iller_bankasi", "lojistik")]
print(projection_table(models, [2030, 2040, 2050]))

comp = compare_methods(s, n_test=1)       # son sayımı dışarıda bırak, MAPE
comp.best.label, comp.best.mape
print(plan_report(s, models, [2030, 2040, 2050], comp))

Oran yöntemi (ilçenin il projeksiyonundaki payı); büyük alanın gelecekteki nüfusu bir sözlük (örneğin TÜİK il projeksiyonu) ya da başka bir modeldir:

ilce = CensusSeries.from_mapping({2010: 52_000, 2020: 61_000})
il = CensusSeries.from_mapping({2010: 1_050_000, 2020: 1_160_000})
m = fit_ratio(ilce, il, {2030: 1_260_000, 2040: 1_330_000}, trend="linear")
m.predict([2030, 2040])

Kohort bileşenler yöntemi:

from tr_nufus import CohortComponentModel, example_cohort_config, leslie_matrix, dominant_growth

model = CohortComponentModel(
    base_female=[...], base_male=[...],            # 0-4, 5-9, ..., 65+ (n grup)
    survival_female=[...], survival_male=[...],    # S[i] = nL(i+1)/nL(i); son değer açık grup
    fertility=[...],                               # yaşa özel yıllık doğurganlık hızları
    birth_survival_female=0.992, birth_survival_male=0.990,   # 5L0 / (5·l0)
    srb=1.05,                                      # doğumda cinsiyet oranı (erkek/kız)
    net_migration_female=[...], net_migration_male=[...],     # 5 yıllık net göç
    base_year=2023, timing="end",                  # göç dönem sonunda ya da "half"
)
proj = model.project(steps=4)                      # 2023, 2028, ..., 2043
proj.as_dict(); proj.age_table(2033)
lam, r = dominant_growth(model.leslie_female)      # kapalı nüfusun içsel artış hızı

Hayat tablosundan hayatta kalma oranları: survival_ratios_from_Lx(nLx). Örnek yapılandırma: tr-nufus ornek --kohort ya da example_cohort_config() (varsayımsal).

API özeti

Yöntem anahtarları: aritmetik, geometrik, ustel, iller_bankasi, lojistik, lojistik_3nokta, dogrusal_trend, polinom (İngilizce takma adlar da kabul edilir: arithmetic, geometric, exponential, logistic, logistic3, linear_trend, polynomial). fit(s, "ustel") en küçük kareler üstel eğrisini verir; iki uç sayıma dayalı üstel model fit_exponential(s) ile alınır ve geometrik modelle aynı projeksiyonu üretir.

Yöntemler, formüller ve kaynaklar

Gösterim: NS, tS son sayım; NE, tE ilk sayım; NG hedef yıl tG nüfusu. Sayım temelli yöntemler (aritmetik, geometrik, üstel, İller Bankası) son sayımdan başlar; en küçük kareler yöntemleri eğrinin kendisini kullanır.

TÜİK yıllık nüfus artış hızı (‰). r = ln(Pt / P0) / t × 1000. TÜİK ADNKS haber bültenlerinde yayımlanan değerlerle sınandı (testlerde): Türkiye nüfusu 2017→2018 binde 14,7; 2018→2019 binde 13,9; 2022→2023 binde 1,1; 2023→2024 binde 3,4; 2024→2025 binde 5,0. 2018→2019 için basit yüzde değişim binde 14,0 verirdi; yayımlanan 13,9 logaritmik tanımı doğrular. İkiye katlanma süresi T = ln 2 / (r/1000).

Aritmetik artış. ka = (NS − NE) / (tS − tE), NG = NS + ka (tG − tS) (İller Bankası 2013, Ek-1). mode="mean_consecutive": ardışık dönemlerin yıllık artışlarının ortalaması (ÇŞB 2018, Ek-1 md. 1.3.2.1.1).

Geometrik / üstel artış. r = [(NS/NE)^(1/(tS−tE)) − 1], NG = NS (1 + r)^(tG−tS); üstel: r = (ln NS − ln NE)/(tS − tE), NG = NS e^(r (tG−tS)) (İller Bankası 2013, Ek-1 "Geometrik Artış (Eksponansiyel) Yöntemi"; ÇŞB 2018 denklem 1.3.b-c ardışık hızların ortalamasıyla). İki uç noktadan kurulduğunda iki model aynı sonucu verir.

İller Bankası yöntemi. Geometrik artışın sınırlandırılmış biçimidir:

Ç  = [ (NS / NE)^(1 / (tS − tE)) − 1 ] × 100        (çoğalma katsayısı, %)
Ç < 1 ise Ç = 1;   1 ≤ Ç ≤ 3 ise Ç;   Ç > 3 ise Ç = 3
NG = NS × (1 + Ç/100)^(tG − tS)

• İller Bankası A.Ş., İçmesuyu Tesisleri Etüt, Fizibilite ve Projelerinin Hazırlanmasına Ait Teknik Şartname (2013), md. 4.4.2 ve Ek-1 "Nüfus Projeksiyonu Yöntemleri": Ç ilk (NE) ve son (NS) sayımdan hesaplanır; nüfus projeksiyonunda biri İller Bankası yöntemi olmak üzere en az üç yöntem kullanılır; inşaat bitiminden sonra 30 yıl + işletmeye alınmaya kadar 5 yıl = 5'er yıllık aralıklarla 35 yıllık projeksiyon (NG = NS (1+Ç/100)^(n+5+30)). jmo.org.tr kopyası
• T.C. Çevre ve Şehircilik Bakanlığı, Kanalizasyon Sistemlerinin Etüt, Planlama ve Projelendirilmesine İlişkin Teknik Esaslar, Ek-1 (2018), md. 1.3.2.1.2, denklem 1.2.b-d: ardışık sayımlar için s değerlerinin aritmetik ortalaması alınır ve k = 1 (s̄ < 1), k = s̄ (1 ≤ s̄ ≤ 3), k = 3 (s̄ > 3) uygulanır. csb.gov.tr

fit_iller_bankasi(mode="endpoints") (varsayılan) İller Bankası 2013 şartnamesini, mode="mean_consecutive" ÇŞB 2018 esaslarını izler. Sınırlar bounds= ile değiştirilebilir ya da kaldırılabilir.

Lojistik eğri. P(t) = K / (1 + m e^(−r (t − t0))) (Pearl & Reed 1920). Eşit aralıklı (n yıl) üç sayım P0, P1, P2 için: K = (2 P0 P1 P2 − P1² (P0 + P2)) / (P0 P2 − P1²), m = (K − P0)/P0, r = (1/n) ln[P1 (K − P0) / (P0 (K − P1))]. Yalnızca artış yavaşlıyorsa (P1² > P0 P2) doygunluk nüfusu vardır; aksi halde hata verilir. En küçük kareler sürümü (fit_logistic) herhangi sayıda ve aralıkta sayım kullanır: K taraması ve altın oran araması ile başlangıç değerleri bulunur, ardından (K, m, r) Levenberg-Marquardt ile nüfus biriminde hata kareleri toplamını en aza indirecek biçimde iyileştirilir. Doygunluk nüfusu plandan biliniyorsa saturation= ile verilebilir.

En küçük kareler trendi. numpy.polyfit ile yıllar ortalamaya göre merkezlenerek doğrusal ya da polinom eğri. Yüksek dereceler dışa kestirimde kararsızdır; 1. veya 2. derece önerilir.

Oran (pay) yöntemi. P(t) = s(t) × P_büyük(t), s = P_küçük / P_büyük; pay sabit (son pay), ortalama ya da doğrusal eğilimle sürdürülür (Smith, Tayman & Swanson 2013, A Practitioner's Guide to State and Local Population Projections, Springer).

Kohort bileşenler yöntemi. Preston, Heuveline & Guillot (2001), Demography: Measuring and Modeling Population Processes, böl. 6; Leslie (1945), Biometrika 33(3). Bir adım = yaş grubu genişliği (genellikle 5 yıl):

W(i+1, t+5) = S(i) · W(i, t)                      (son grup: S(n−2)·W(n−2) + S(n−1)·W(n−1))
Doğumlar    = 5/2 · Σ [ f(i) + f(i+1) · S(i) ] · W(i, t)
Kız 0-4     = Doğumlar · bs_k / (1 + SRB),  Erkek 0-4 = Doğumlar · bs_e · SRB / (1 + SRB)

Net göç dönem sonunda eklenir (timing="end") ya da yarısı dönem başında, yarısı sonunda (timing="half"). Kadın Leslie matrisinin baskın özdeğeri λ kapalı nüfusun 5 yıllık artış çarpanıdır (dominant_growth).

MAPE. 100/n × Σ |Gerçek − Tahmin| / Gerçek. compare_methods modeli son n_test gözlem dışarıda bırakılarak kurar ve bu gözlemlerle sınar.

Sınırlar ve uyarılar

• Matematiksel yöntemler geçmiş eğilimi sürdürür; göç, imar planı kararları, afet sonrası yer değiştirme, üniversite / askeri nüfus ve mevsimlik nüfus ayrıca değerlendirilmelidir (İller Bankası 2013, md. 4.4.2 de bunu ister).
• İller Bankası yöntemi varsayılan sınırlarla nüfusu azalan bir yerleşimi bile yılda %1 artırır; bu yöntemin özelliğidir, raporda belirtin.
• 2007 öncesi genel nüfus sayımları (Ekim ayı, de facto) ile ADNKS (31 Aralık, ikamet esaslı) sonuçları doğrudan karşılaştırılabilir değildir; kesirli yıl (örn. 2000,79) girilebilir ama tanım farkını paket düzeltmez.
• Kohort modeli sabit oranlar kullanır (oranları dönem dönem değiştirmez); açık yaş grubu için Preston ve ark. (2001) yaklaşımı uygulanır.
• srb=1.05 (100 kıza 105 erkek) genel biyolojik varsayılandır; bölgesel değer için TÜİK doğum istatistiklerini kullanın. Örnek kohort verileri uydurmadır.
• Lojistik en küçük kareler çözümü sayısaldır; doygunluk eğilimi zayıf verilerde K çok belirsizdir, sonucu fiziksel kapasiteyle (plan nüfusu) karşılaştırın.

Geliştirme

pip install -e ".[dev]"
pytest --cov=tr_nufus
ruff check . && ruff format --check src tests && mypy src

Testler ağ kullanmaz; elle hesaplanmış örnekler, tam lojistik / üstel / ikinci derece eğrilerin geri elde edilmesi ve TÜİK bültenlerindeki artış hızlarıyla doğrulama içerir.

Lisans

MIT © 2026 Yusuf Eminoğlu. Bkz. LICENSE. Atıf için CITATION.cff.

Academic citation

@software{eminoglu_tr_nufus,
  author  = {Eminoğlu, Yusuf},
  title   = {tr-nufus},
  year    = {2026},
  version = {0.1.1},
  url     = {https://github.com/YusufEminoglu/tr_nufus_sdk}
}

İletişim: geospacephilo@gmail.com