随着生活水平的提高和医疗卫生条件的改善,我国人口死亡率逐年下降,预期寿命逐步延长,人口老龄化程度不断加深,人口老龄化所带来的长寿风险成为一个不可忽略的社会问题。长寿风险加大了养老保险体系未来的偿付压力,是影响养老保险体系可持续发展的重要风险之一。构建合适的死亡率模型能够准确预测未来人口的死亡率是量化长寿风险的基础,对政府制定相关养老政策起着重要的作用。因此,人口死亡率研究在长寿风险管理和人口政策制定等领域具有重要意义。文章在Hainaut(2018)提出的神经网络死亡率模型的基础上,根据我国人口死亡率数据的特征,对模型的估计方法和预测方法进行调整,构建了适合我国人口的神经网络死亡率模型。在模型的估计方法上,文章采用降噪自编码神经网络来提取潜在时间因子,一方面增强了网络结构的鲁棒性,另一方面,使提取的潜在时间因子更加稳定,能够更准确的反映数据的变动模式和规律。在模型的预测方法上,应用ARIMA模型对潜在时间因子进行外推。采用我国1994年至2013年的分性别、分年龄人口死亡率数据作为训练集,应用该模型对训练集数据进行拟合,预测得到2014年至2030年的人口死亡率数据。利用2014年至2017年的观测数据作为评价模型预测效果的测试集,通过将模型的预测结果与Lee-Carter模型的预测结果进行对比,对模型的预测效果进行分析。结果表明,文章建立的神经网络死亡率模型的预测结果整体上优于Lee-Carter模型的预测结果,该模型可以较好地预测我国人口死亡率。最后,由于死亡率的改善,我国社会养老保险体系所承担的死亡率风险加大,文章根据预测得到的分年龄人口死亡率数据,构建了养老金个人账户收支平衡精算模型,分析了死亡率下降对养老金个人账户的影响,并给出了相关建议。