2025年微分方程应用——人口增长模型

微分方程应用——人口增长模型目录 1 指数增长模型 Malthus 人口模型 模型假设 符号说明 模型建立 参数估计 误差原因分析 模型的优缺点 1 优点 2 缺点 3 修正方案 2 阻滞增长人口模型 Logistic 模型 模型假设 符号设置

大家好,我是讯享网,很高兴认识大家。

 

目录

1、指数增长模型(Malthus人口模型)

【模型假设】

【符号说明】

【模型建立】

【参数估计】 

【误差原因分析】

【模型的优缺点】

1、优点

2、缺点

3、修正方案 

 2、阻滞增长人口模型(Logistic模型)

【模型假设】

【符号设置】

【模型建立】

1、构造模型

 2、关于Logistic模型的特别分析

2.1 人口速度增长最快点

2.2 Logistic模型曲线

【模型求解】

【参数估计】


下表1给出了近两个世纪美国人口统计表(单位:百万),建立数学模型并检验,最后用它预报2010年美国的人口。

年

1790

1800

1810

1820

1830

1840

1850

1860

人口

3.9

5.3

7.2

9.6

12.9

17.1

23.2

31.4

年

1870

1880

1890

1900

1910

1920

1930

人口

38.6

50.2

62.9

76.0

92.0

106.5

123.2

年

1940

1950

1960

1970

1980

1990

2000


讯享网

人口

131.7

150.7

179.3

204.0

226.5

251.4

281.4

                                           表1 美国人口统计,单位:百万

1、指数增长模型(Malthus人口模型)

托马斯·罗伯特·马尔萨斯牧师(Thomas Robert Malthus,1766年2月13日-1834年12月23日)。英国教士、人口学家、经济学家。以其人口理论闻名于世。     在《人口论》(1798)中指出:人口按几何级数增长而生活资源只能按算术级数增长,所以不可避免地要导致饥馑、战争和疾病;呼吁采取果断措施,遏制人口出生率。其理论对李嘉图产生过影响 。

【模型假设】

  1. 人口增长率为常数
  2. 单位时间内人口的绝对增长与当前人口数量成正比
  3. 人口总数随时间连续变化

【符号说明】

【模型建立】

 t时刻人口总量为x(t),对一个地区或国家来说,x(t)数量很大,视为一个可微函数。 

  记初始时刻t=0时,人口总数为x0。根据假设(2),从t到t+Δt时间内,人口的增量正比于x(t)与Δt的乘积,即

令Δt→0,得到x(t)的微分方程【2.1】

变量分离容易求出【2.2】

【2.2】称为指数增长模型,也称Malthus人口模型。

【参数估计】 

为了更好利用表1的数据和线性拟合参数,对【2】两边取对数,有

设y=lnx,a=lnx0,则有y=a+rt【3】

 这类模型的目的是为了预报预测,预测准不准确不是模型本身可以完全决定的,需要用实际数据检验。所以,在数据拟合时,一般采用前2/3的数据来拟合参数(自找导师监督学习),用后1/3的数据来检验模型的可用性。如果数据本身较少,也说明可获取的信息太少,模型的可信度本来就低。

 用前12个数据,用matlab软件做直线拟合

clear A=xlsread('d:\Arenkou.xlsx'); A=A'; t=A(:,1);x=A(:,2); t1=t(1:12);y=log(x(1:12)); [b,bt,r,rt,st]=regress(y,[ones(length(y),1),t1]); x0=exp(b(1));r=b(2); 

讯享网

得到预报公式为: 

【4】

图2是前12个年份的理论值(线)与实际值(*)的对比。可以看出,这个模型基本上能够描述19世界以前美国人口增长。 这和假设(1),即人口增长率是常数基本吻合。

                        图2  指数增长模型拟合图 (1790-1900)

 图3是全部年份的理论值(线)与实际值(*)的对比。从图可以看出,进入20世纪后,美国人口明增长变慢了,模型不再适应。 

                              图3 指数增长模型拟合图(1790-2000) 

【误差原因分析】

利用差商的形式来定义增长率,即【5】

将表1中数据代入【5】,得到r(k),并绘制如图4。 

                              图4 时间-增长率散点图

由图4可以看出,虽然增长率是摆动的,但随着人口增长,增长率有明显的下降趋势。也可以看到,1930年左右增长率特别小(29年经济大萧条所致)。 

【模型的优缺点】

1、优点

  1. 模型简单,易于理解和计算
  2. 从第一张图可以看出,Malthus人口模型在短期内拟合较好,短期预测误差不是很大

2、缺点

  1. 从第二张图可以看出,Malthus模型不能做中长期的预测,误差较大
  2. 从看,这根本不可能,说明模型假设存在致命的缺陷。

3、修正方案 

把增长率是常数修改为增长率随人口增加而降低。 

 2、阻滞增长人口模型(Logistic模型)

由图4的结论知道,增长率会随着人口增长而下降,其真实的原因是自然资源、环境条件等人类赖以生存的条件阻滞着人口增长,随着人口增加,阻滞作用越大。

【模型假设】

  1. 人口数随时间连续变化
  2. 一定环境下人口总数有个上限,即最大人口数xm
  3. 单位时间内人口的增长量等于当前人口量×当前人口增长率
  4. 某时刻的人口增长率是该时刻人口数量的线性减函数
  5. 人口达到最大负荷时,增长率为0

【符号设置】

【模型建立】

1、构造模型

增长率随人口增加而减少,不妨设为r(x),是x的减函数,最简单直接的表达式就是线性函数

【6】

其中r称为固有增长率,当x=0时的最大增长率,s是阻滞系数,不妨设x=xm时,即人口达到最大负荷时,增长率为0,即【7】

将【7】代入【6】,则有【8】

根据假设【3】,有【9】

在【9】中,dx/dt表示人口的实际增长速度为两部分,rx随人口增加而增加,(1-x/xm)随人口增加而减少,即人口增长是两个因子共同作用的结果。【9】所反映的增长模型称为阻滞增长模型,也称Logistic模型。

 凡是资源有限的生物总群模型,大多可以用这个模型去描述总群数量的变化规律;很多产品的生产模型、营销模型也满足这个规律。

 2、关于Logistic模型的特别分析

2.1 人口速度增长最快点

既然人口增长速度(变量)随人口数量(变量)增加而减少,由两边对x求导,得

由此可见,在x<xm/2时单调递增;在x>xm/2时单调递减,x=xm/2时,人口变化速度达到最大。如图5所示。

                     图5 Logistic模型      dx/dt-x曲线

2.2 Logistic模型曲线

由知道,人口数量x(t)是时间t的单调递增函数,又由于

所以有

不妨设x(t0)=xm/2,则t<t0时x(t)是凹函数;t>t0时x(t)是凸函数。如图6所示。

                       图6 Logistic模型x-t曲线(又称s型曲线)

【模型求解】

【9】

【9】是变量分离的微分方程,求解得到特解为

【10】

由【10】的表达式可以得到如下结论:

(1)

(2)

 将x0的三种情况所得的曲线绘制在同一坐标系下,结果如图7所示

                     图7 人口曲线随初值x0不同而不同的示意图

【参数估计】

【10】

表1的原始数据中t较大,又是指数函数的自变量,容易造成极端计算,故作变换后变成如下模型

【11】

利用表1的前21个数据,在matlab里调用最小二乘曲线拟合,得到xm=397.2117;x0=7.1100;r=0.2255

预测2000年美国人口值为=268.08(百万)

预测相对误差达到4.63%。

图8 前21数据的Logistic模型 的x-t拟合                          图9 去掉前9个数据的Logistic模型的x-t拟合

 = 277.9145(按图9的预测)

预测相对误差1.23%,优于图8的预测。从图9可以看出,前期误差较大。这也说明,生物种群当前数据受到近期历史影响大,远期影响小。

小讯
上一篇 2025-04-04 12:39
下一篇 2025-04-10 21:00

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/115839.html