- Malthus指数增长模型
- 参数估计
- 改进的指数增长模型
- logistic模型
- logistic模型的参数估计
- 两个模型比较
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。
{
d
x
d
t
=
r
x
x
(
0
)
=
x
0
x
(
t
)
=
x
0
e
r
t
\left\{\begin{array}{rcl}\frac{dx}{dt} = rx\ x(0) = x_0 \end{array}\right.\ x(t) = x_0e^{rt}
{dtdx=rxx(0)=x0x(t)=x0ert
人口倍增时间: T = ln 2 r T = \frac{\ln2}{r} T=rln2
参数估计-
线性化后,利用线性最小二乘法
x ( t ) = x 0 e r t ln x ( t ) = r t + ln x 0 y = r t + a x(t) = x_0e^{rt}\ \ln x(t) = rt+\ln x_0\ y = rt+a x(t)=x0ertlnx(t)=rt+lnx0y=rt+a -
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 x_0 x0直接采用原始值。
x ′ ( t 0 ) = − 3 x 0 + 4 x 1 − x 2 2 Δ t x ′ ( t k ) = x k + 1 − x k − 1 2 Δ t x ′ ( t n ) = 3 x n − 4 x n − 1 − x n − 2 2 Δ t 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} x′(t0)=2Δt−3x0+4x1−x2x′(tk)=2Δtxk+1−xk−1x′(tn)=2Δt3xn−4xn−1−xn−2
假设人口增长率r是线性可变的。
{
d
x
d
t
=
r
x
r
=
r
0
−
r
1
t
x
(
0
)
=
x
0
x
(
t
)
=
x
0
e
\left\{\begin{array}{rcl}\frac{dx}{dt} = rx\ r = r_0 - r_1t\ x(0) = x_0 \end{array}\right.\ x(t) = x_0e^{}
⎩⎨⎧dtdx=rxr=r0−r1tx(0)=x0x(t)=x0e
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
x_m
xm。
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
−
x
x
m
)
r(x) = r_0(1-\frac{x}{x_m})
r(x)=r0(1−xmx)
{
d
x
d
t
=
r
x
(
1
−
x
x
m
)
x
(
0
)
=
x
0
x
(
t
)
=
x
m
1
+
x
m
−
x
0
x
0
e
−
r
t
\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}}
{dtdx=rx(1−xmx)x(0)=x0x(t)=1+x0xm−x0e−rtxm
-
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。
{ d x d t x = r ( 1 − x x m ) x ( 0 ) = x 0 \left\{\begin{array}{rcl}\frac{\frac{dx}{dt}}{x} = r(1-\frac{x}{x_m})\ x(0) = x_0 \end{array}\right.\ {xdtdx=r(1−xmx)x(0)=x0 -
直接利用原始数据和非线性最小二乘法估计。
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
x_m
xm 为定值。 实际上这两个参数(特别是
x
m
x_m
xm)很难确定,而且会随着社会发展情况变化而变化。 |
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)