请用leslie模型预测中国未来30年的年龄结构并给出代码

由于Leslie模型假设人口的出生率和死亡率是稳定的，因此只能预测短期的人口变化趋势。长期的人口预测需要考虑更多的因素，例如经济、社会、文化等方面的变化。因此，我们可以使用Leslie模型来预测未来的人口年龄结构，但需要注意模型的局限性。

Leslie模型的公式如下：

$$ \begin{pmatrix} f_1(t+1) \ f_2(t+1) \ \vdots \ f_n(t+1) \end{pmatrix}= \begin{pmatrix} 0 & b_1 & 0 & \cdots & 0 \ a_2 & 0 & b_2 & \cdots & 0 \ 0 & a_3 & 0 & \cdots & 0 \ \vdots & \vdots & \vdots & \ddots & \vdots \ 0 & 0 & 0 & \cdots & b_n \end{pmatrix} \begin{pmatrix} f_1(t) \ f_2(t) \ \vdots \ f_n(t) \end{pmatrix} $$

其中，$f_i(t)$表示在时刻$t$时年龄为$i$的人口数量，$a_i$表示在时刻$t$时年龄为$i$的人口的生育率，$b_i$表示在时刻$t$时年龄为$i$的人口的存活率。模型的基本思想是将人口按年龄分组，然后根据不同年龄组的生育率和存活率计算每个年龄组在下一时刻的人口数量。

下面是使用Python实现Leslie模型的代码：

import numpy as np

# 初始化参数
a = np.array([0.025, 0.16, 0.3, 0.4, 0.5, 0.6, 0.5, 0.3, 0.15, 0.05])
b = np.array([0.95, 0.95, 0.95, 0.95, 0.95, 0.95, 0.95, 0.95, 0.95, 0.95])
f0 = np.array([100000, 0, 0, 0, 0, 0, 0, 0, 0, 0])
T = 30

# 计算转移矩阵
n = len(a)
A = np.zeros((n, n))
for i in range(n-1):
    A[i+1, i] = a[i+1]
A[:, -1] = b

# 迭代计算人口年龄结构
F = np.zeros((n, T+1))
F[:, 0] = f0
for i in range(T):
    F[:, i+1] = np.dot(A, F[:, i])

# 绘制人口金字塔
import matplotlib.pyplot as plt
plt.barh(range(n), F[:, -1], align='center')
plt.barh(range(n), -F[:, -1], align='center')
plt.show()

代码中，我们假设初始时刻年龄为0的人口有100000人，其他年龄组的人口为0。生育率和存活率分别为$a$和$b$，使用numpy库计算转移矩阵$A$，然后使用循环迭代计算未来30年的人口年龄结构$F$。最后，使用matplotlib库绘制人口金字塔。