当前位置:   article > 正文

阻滞增长模型--Logistic模型

阻滞增长模型


写在前面

做了一个作业,觉得挺有意思,有空就发上来了。

阻滞增长模型–Logistic模型的部分推导、思路,并给出参考代码。
参考书籍:《数学模型》第四版,姜启源 谢金星 叶俊 编
MATLAB版本2021b
点我下载源代码及原始数据
提取码:p3uu


一、思路

阻滞作用体现在对人口增长率r的影响上,使得r随着人口数量x的增加而下降。于是有:
在这里插入图片描述
对r(x)做假设,设r(x)是x的线性函数,即,
在这里插入图片描述这里r称固有增长率;引入人口容量xm,当x=xm时人口不在增长,于是有,
在这里插入图片描述
结合上述三式,有,
在这里插入图片描述
可解得,
在这里插入图片描述式5即为Logistic阻滞增长模型。
取数据得第一个时间点得值为x0,即x0=3.9。
由式4可得,
在这里插入图片描述
等号左边项可由实际数据计算得出,左端项与右端x呈线性关系,可通过线性拟合得r,s,进而求得x_m。
至此,式5中固有人口增长率r、人口容量x_m、人口初始值x_0均已求得。


二、原始数据

点我下载mat格式原始数据
提取码:75d5
数据在参考书P164
参考书P164


三、源代码

// function_xt.m
function output = function_xt(xm, x0, r, t )
%UNTITLED2 此处提供此函数的摘要
% Logistic模型
% 输入:
% xm:人口容量
% r :固有增长率
% x0:初始人口数
% t :时间点
% 输出
% x(t),时间点对应的人口数
output = xm / ( 1 + ( xm/x0 - 1 ) * exp(-r*t) );
end
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
// main
%%
% 运行环境:matlab2021b
%
% @94902022-3-29
%
clear
close all

%% 加载数据并进行 固有增长率、人口容量 的计算
% 加载原始数据
load('data.mat')
% 求微分
dxdt = diff(Data.value);
% 线性拟合中 y 的计算
y = dxdt./Data.value(1:end-1);
% 进行线性拟合
% 返回值p(1)为系数,p(2)为截距
p = polyfit(Data.value(1:end-1), y, 1);
% 对应赋值
s = -p(1);
r = p(2);
xm = r/s;
x0 = Data.value(1); % 取第一个数据点为x0

%% 获取模型关键值后进行计算
for t = 0:1:20
    yhat(t+1) = function_xt(xm,x0,r,t);
end
%% 画图,返回关键值
plot(Data.t(1:end-1), Data.value(1:end-1),'blue')
hold on
plot(Data.t(1:end-1), yhat, '*')
set(gca, 'XLim',[Data.t(1) Data.t(end)]);
xlabel('时间(年)','FontSize',24)
ylabel('人数(百万)','FontSize',24)
legend('原始数据','模型计算','FontSize',24)
title('阻滞增长模型拟合图形','FontSize',24)

fprintf('人口容量xm是:%f\n',xm)
fprintf('固有增长率r是:%f\n',r)
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41

四、结果

人口容量xm是:294.385993
固有增长率r是:0.324519

在这里插入图片描述


声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/Li_阴宅/article/detail/967219
推荐阅读
相关标签
  

闽ICP备14008679号

        
cppcmd=keepalive&