PyramidDiff
модель для анализа и генерации демографических пирамид
2 мин чтенияобновлено
PyramidDiff — это компактная условная диффузионная модель (1D UNet (одномерная нейросеть для работы с последовательностями), около 7.3 миллиона параметров) на базе данных ООН World Population Prospects 2024. Модель предназначена для генерации и исправления половозрастной структуры населения стран по полу и возрасту. Она помогает сглаживать возрастные искажения в статистике, заполнять пропущенные данные и проверять правдоподобность демографических пирамид. Инструмент будет полезен демографам, исследователям данных и разработчикам статистических систем.
Ключевые особенности
- Обучена на данных ООН (World Population Prospects 2024) по странам мира с 1950 по 2023 год.
- Использует архитектуру 1D UNet размером около 7.3M параметров для работы с распределением по возрастам.
- Поддерживает исправление возрастных искажений и артефактов округления в статистике.
- Умеет генерировать правдоподобные пирамиды по сводным условиям (медианный возраст, соотношение полов).
Что можно сделать
- Сгенерировать синтетические возрастные пирамиды населения для конкретного года и заданных демографических параметров.
- Устранить ошибки округления возраста (age heaping) в статистических наборах данных.
- Выявить аномалии и неправдоподобные распределения в демографических отчетах с помощью оценки ошибки деноизинга.
Пример
from huggingface_hub import snapshot_download
import importlib.util, os
p = snapshot_download("SallySims/pyramiddiff-wpp2024")
spec = importlib.util.spec_from_file_location("pyramiddiff", os.path.join(p, "pyramiddiff.py"))
P = importlib.util.module_from_spec(spec); spec.loader.exec_module(P)
model, diff, norm = P.load_pretrained(p)
samples = P.generate(model, diff, norm, median_age=20, u15=0.42, p65=0.03, sex_ratio=99, year=2005)
Подробнее
• Архитектура: 1D UNet, ~7.3M параметров• Оценка MAE: лучший результат метода с PCHIP-старом составляет 0.103
• Ограничения: исследовательский прототип, обученный на сглаженных оценках ООН, не для официальной статистики
• Датасет: UN World Population Prospects 2024 (1950–2023)










Комментарии