数学建模 |
您所在的位置:网站首页 › 人口增长计算公式数学模型 › 数学建模 |
文章目录
运行软件:MATLAB R2012a
实验数据
指数增长模型
指数增长模型:方法一
指数增长模型:方法二
改进的指数增长模型
逻辑斯蒂(logistic)模型
逻辑斯蒂(logistic)模型:方法一
逻辑斯蒂(logistic)模型:方法二
运行软件:MATLAB R2012a
实验数据
年份
1790
1800
1810
1820
1830
1840
1850
1860
人口/百万
3.9
5.3
7.2
9.6
12.9
17.1
23.2
31.4
增长率/10年
0.2949
0.3113
0.2986
0.2969
0.2907
0.3012
0.3082
0.2452
年份
1870
1880
1890
1900
1910
1920
1930
1940
人口/百万
38.6
50.2
62.9
76.0
92.0
105.7
122.8
131.7
增长率/10年
0.2435
0.2420
0.2051
0.1914
0.1614
0.1457
0.1059
0.1059
年份
1950
1960
1970
1980
1990
2000
2010
人口/百万
150.7
179.3
203.2
226.5
248.7
281.4
308.7
增长率/10年
0.1579
0.1464
0.1161
0.1004
0.1104
0.1349
指数增长模型
满足人口增长的微分方程和初始条件为: 利用函数dsolve()可得: 指数增长模型:方法一根据已知数据对模型的参数进行估计又称为数据拟合。 对下面的这个公式同时取对数 可得 t:代表年份1970取0,依次类推 x:人口数量,实验数据已知 根据求出的公式可以求出y;然后利用polyfit()函数求出r,a的值;当a求出来时,根据上面求出的公式,可以求出x0;将r,x0带入公式 可求出指数增长模型方法一的x值 代码如下: 使用的是matlb函数 12345678910111213function [ x1 ] = method_1( x ) %方法一:直接用人口数据和线性最小二乘法 % 利用函数polyfit(),dsolve()求解,r年增长率,返回x1模型的估计值 y=log(x); t=0:1:21; p=polyfit(t,y,1); r=p(1); a=p(2); x0=exp(a); s=dsolve('Dx=r*x','x(0)=x0','t'); x1=eval(s); x1=x1'; end运行代码: 12345x=[3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 38.6 50.2 62.9 76 92 105.7 122.8 131.7 150.7 179.3 203.2 226.5 248.7 281.4]; m=1790:10:2000; m=m'; m(:,2)=x'; m(:,3)=method_1(x);运行界面: 运行结果:第一列代表年份;第二列代表实际人口;第三列为指数增长模型:方法一的预估值 指数增长模型:方法二先对人口数据进行数值微分,再计算增长率并将其平均值作为 的估计; 直接取原始数据。 公式: 先求rk,再求出r,再根据公式 求出模型的预估值 代码如下: 我是以函数文件运行: 1234567891011121314151617181920function [ x2 ] = method_2( x ) %方法二:先对人口数据作数值微分,再计算增长率并将其平均值作为r的估计;x0直接采用原数据 n=length(x); t=0:1:n-1; rk=zeros(1,n); rk(1)=(-3*x(1)+4*x(2)-x(3))/2; rk(n)=(x(n-2)-4*x(n-1)+3*x(n))/2; for i=2:n-1 rk(i)=(x(i+1)-x(i-1))/2; end rk=rk./x; r=sum(rk)/n; x2=zeros(n,1); x2(1)=x(1); for i=1:n x2(i)=x2(1)*exp(r*t(i)); end end运行代码 123456 x=[3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 38.6 50.2 62.9 76 92 105.7 122.8 131.7 150.7 179.3 203.2 226.5 248.7 281.4]; m=1790:10:2000; m=m'; m(:,2)=x'; m(:,3)=method_1(x); m(:,4)=method_2(x);运行界面: 运行结果:第一列代表年份;第二列代表实际人口;第三列为指数增长模型:方法一的预估值;第四列为指数增长模型:方法二的预估值 改进的指数增长模型指数增长模型进行改进。改进为: 假设: 利用dsolve()函数可得: 已知t值,根据上面我们已经求过了rk,所以rk也是已知的,然后利用最小二乘法polyfit()函数计算出 中的r0和r1,x0=3.9,利用eval()函数求出结果 运行代码: 函数: 123456789101112131415161718192021function [ x3 ] =method_3( x ) %方法三:改进的指数增长模型 % Detailed explanation goes here n=length(x); t=0:1:n-1; rk=zeros(1,n); rk(1)=(-3*x(1)+4*x(2)-x(3))/2; rk(n)=(x(n-2)-4*x(n-1)+3*x(n))/2; for i=2:n-1 rk(i)=(x(i+1)-x(i-1))/2; end rk=rk./x; p=polyfit(t,rk,1); r0=p(2); r1=-p(1); s=dsolve('Dx=(r0-r1*t)*x','x(0)=x0','t'); x0=3.9; x3=zeros(n,1); x3=eval(s); x3=x3'; end运行代码: 1234567x=[3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 38.6 50.2 62.9 76 92 105.7 122.8 131.7 150.7 179.3 203.2 226.5 248.7 281.4]; m=1790:10:2000; m=m'; m(:,2)=x'; m(:,3)=method_1(x); m(:,4)=method_2(x); m(:,5)=method_3(x);运行界面: 运行结果:第一列代表年份;第二列代表实际人口;第三列为指数增长模型:方法一的预估值;第四列为指数增长模型:方法二的预估值;第五列改进指数模型的预估值 逻辑斯蒂(logistic)模型xm:表示人口容量 有了人口容量的限制,当人口数量增加时,增长率r减小,用 表示。 当x=0时,r(0)=r,则a=r 当x=xm时,此时人口不再增长,增长率r=0,于是:b=-r/x0 逻辑斯蒂(logistic)模型:方法一开勇函数dsolve()求解可得 代码如下:函数 12345678910111213141516171819202122function [ x4 ] = logistic_1( x ) %逻辑斯蒂模型方法一 n=length(x); t=0:1:n-1; rk=zeros(1,n); rk(1)=(-3*x(1)+4*x(2)-x(3))/2; rk(n)=(x(n-2)-4*x(n-1)+3*x(n))/2; for i=2:n-1 rk(i)=(x(i+1)-x(i-1))/2; end rk=rk./x; p=polyfit(x,rk,1); b=p(1); a=p(2); r=a; xm=-r/b; s=dsolve('Dx=r*x*(1-x/xm)','x(0)=x0','t'); x0=3.9; x4=eval(s); x4=x4'; x4=abs(x4); end运行代码: 12345678x=[3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 38.6 50.2 62.9 76 92 105.7 122.8 131.7 150.7 179.3 203.2 226.5 248.7 281.4]; m=1790:10:2000; m=m'; m(:,2)=x'; m(:,3)=method_1(x); m(:,4)=method_2(x); m(:,5)=method_3(x); m(:,6)=logistic_1(x);运行界面: 运行结果:第一列代表年份;第二列代表实际人口;第三列为指数增长模型:方法一的预估值;第四列为指数增长模型:方法二的预估值;第五列改进指数模型的预估值;第六列逻辑斯蒂方法一预估值 逻辑斯蒂(logistic)模型:方法二直接用数据和非线性最小而成估计参数: 运行代码: 1234567891011121314function [ x5 ] = logistic_2( x ) %逻辑斯蒂模型方法二 n=length(x); t=0:1:n-1; f=@(a,t)a(1)./(1+(a(1)./a(2)-1).*exp(-a(3).*t)); [A,cancha]=lsqcurvefit(f,[500,3.9,0.3],t,x); s=dsolve('Dx=r*x*(1-x/xm)','x(0)=x0','t'); r=A(3); x0=A(2); xm=A(1); x5=eval(s); x5=x5'; x5=abs(x5); end运行代码: 123456789x=[3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 38.6 50.2 62.9 76 92 105.7 122.8 131.7 150.7 179.3 203.2 226.5 248.7 281.4]; m=1790:10:2000; m=m'; m(:,2)=x'; m(:,3)=method_1(x); m(:,4)=method_2(x); m(:,5)=method_3(x); m(:,6)=logistic_1(x); m(:,7)=logistic_2(x);运行界面: 运行结果:第一列代表年份;第二列代表实际人口;第三列为指数增长模型:方法一的预估值;第四列为指数增长模型:方法二的预估值;第五列改进指数模型的预估值;第六列逻辑斯蒂方法一预估值;第七列逻辑斯蒂方法二预估值 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |