数学建模:人口模型

@[toc]

Malthus指数增长模型

假设人口自然增长率 r 为常数,即单位时间内人口的增
长量与当时的人口呈正比。
\left\{\begin{array}{rcl}\frac{dx}{dt} = rx\\ x(0) = x_0 \end{array}\right.\\ x(t) = x_0e^{rt}

人口倍增时间:T = \frac{\ln2}{r}

参数估计
  1. 线性化后,利用线性最小二乘法
    x(t) = x_0e^{rt}\\ \ln x(t) = rt+\ln x_0\\ y = rt+a

  2. 先做数值微分,再计算增长率,将平均增长率作为增长率r的估计值,边界值x_0直接采用原始值。
    x'(t_0) = \frac{-3x_0+4x_1-x_2}{2\Delta t}\\ x'(t_k) = \frac{x_{k+1}-x_{k-1}}{2\Delta t}\\ x'(t_n) = \frac{3x_n-4x_{n-1}-x_{n-2}}{2\Delta t}

改进的指数增长模型

假设人口增长率r是线性可变的。
\left\{\begin{array}{rcl}\frac{dx}{dt} = rx\\ r = r_0 - r_1t\\ x(0) = x_0 \end{array}\right.\\ x(t) = x_0e^{}

logistic模型

自然资源和环境条件等因素对人口的增长起着阻滞作用,随着人口的增加,阻滞作用越明显。资源和环境所能容纳的最大人口数量是x_m。当达到这一最大值时,人口不再增长。因此,假设人口增长率 r是 t 时刻人口x的减函数:r(x) = r_0(1-\frac{x}{x_m})
\left\{\begin{array}{rcl}\frac{dx}{dt} = rx(1-\frac{x}{x_m})\\ x(0) = x_0 \end{array}\right.\\ x(t) = \frac{x_m}{1+\frac{x_m-x_0}{x_0}e^{-rt}}

logistic模型的参数估计
  1. 将logistic模型变形,对人口数据做数值微分后计算增长率,再利用线性最小二乘法估计。
    \left\{\begin{array}{rcl}\frac{\frac{dx}{dt}}{x} = r(1-\frac{x}{x_m})\\ x(0) = x_0 \end{array}\right.\\

  2. 直接利用原始数据和非线性最小二乘法估计。

两个模型比较

模型 优点 缺点
Malthus模型 短期预报比较准确 不适合中长期预报。预报时假设人口增长率 r 为常数。没有考虑环境对人口增长的制约作用。
Logistic模型 中期预报比较准确 理论上很好,实用性不强。预报时假设固有人口增长率 r 以及最大人口容量 x_m 为定值。实际上这两个参数(特别是 x_m)很难确定,而且会随着社会发展情况变化而变化。
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,922评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,591评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,546评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,467评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,553评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,580评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,588评论 3 414
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,334评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,780评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,092评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,270评论 1 344
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,925评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,573评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,194评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,437评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,154评论 2 366
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,127评论 2 352

推荐阅读更多精彩内容