数学建模-人口模型Logistic模型与 Malthus模型-Toy模板网

这篇具有很好参考价值的文章主要介绍了数学建模-人口模型Logistic模型与 Malthus模型。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

一．问题及重述：下表是中国人口数据，请根据这些数据建立适当的数学模型对其进行描述，并预测2002、2003、2004年的中国人口数。

数学建模-人口模型Logistic模型与 Malthus模型
给出模型，求解代码及必要的图形，误差分析结果。

重述:

选取合适的模型预测2002,2003、2004年的中国人口数；

建立数学模型、给出求解代码及必要的图形，误差分析结果

二．问题的分析和假设：

2-1对于问题一的分析

根据题目中的数据只是一个粗略预报人口总数的模型，没有对人口的年龄、性别、地域结构进行预报，故采用Malthus模型或Logistic模型

2-2对问题二的分析

我们通过使用数学知识和matlab对以上数据进行计算，进而求解，从而得到模型以及图像。

2-3对Logistic模型的假设

(1)设r(x)为x(t)的线性单调减函数，即r(x)＝r-sx(s>0)；

(2)自然资源与环境条件所能容纳的最大人口数为Xm，即当x=时，增长率r()=0。

由（1）、（2）可得：

数学建模-人口模型Logistic模型与 Malthus模型

建模： 使用Logistic模型

数学建模-人口模型Logistic模型与 Malthus模型

上式是一个可分离变量性的微分方程，其解为：

数学建模-人口模型Logistic模型与 Malthus模型

以下对其进行拟合、求解以及绘图

求解的Matlab程序代码：

编写M文件如下：

Malthus模型:

首先对数据进行拟合：

>> year=1988:1:2001;

>>population=[11.1026,11.2074,11.4333,11.5823,11.7171,11.8517,11.9850 12.1121,12.2389,12.3626,12.4761,12.5786,12.6743,12.7627];

>> cftool

数学建模-人口模型Logistic模型与 Malthus模型

图一拟合数据图

Matlab自动生成的拟合代码：

function [fitresult, gof] = createFit2(year, population)

%CREATEFIT2(YEAR,POPULATION)

% Create a fit.

% Data for 'untitled fit 1' fit:

% X Input : year

% Y Output: population

% Output:

% fitresult : a fit object representing the fit.

% gof : structure with goodness-of fit info.

% 另请参阅 FIT, CFIT, SFIT.

% 由 MATLAB 于 06-Apr-2022 01:20:13 自动生成

%% Fit: 'untitled fit 1'.

[xData, yData] = prepareCurveData( year, population );

% Set up fittype and options.

ft = fittype( 'xm/(1+(xm/11.1026-1)*exp(-r*(t-1988)))', 'independent', 't', 'dependent', 'y' );

opts = fitoptions( 'Method', 'NonlinearLeastSquares' );

opts.Display = 'Off';

opts.StartPoint = [0.2 500];

% Fit model to data.

[fitresult, gof] = fit( xData, yData, ft, opts );

% Plot fit with data.

figure( 'Name', 'untitled fit 1' );

h = plot( fitresult, xData, yData );

legend( h, 'population vs. year', 'untitled fit 1', 'Location', 'NorthEast' );

% Label axes

xlabel year

ylabel population

grid on

将以上代码保存当前文件夹，并在新的文件夹中调用这个函数得到参数的拟合值和预测的效果。

计算结果与结论：

通过Matlab进行计算，得到如下答案：

>> year=1988:1:2001;

>>population=[11.1026,11.2074,11.4333,11.5823,11.7171,11.8517,11.9850 12.1121,12.2389,12.3626,12.4761,12.5786,12.6743,12.7627];

cftool

>>[fitresult, gof] = createFit1(year, population)

>>t = 2002:2004;

>>xm = 14.42;

>>r = 0.06451;

>>predictions = xm./(1+(xm./11.1026-1).*exp(-r.*(t-1988)));

>>figure(2)

>>plot(year,population,'o',t,predictions,'.')

>>disp(predictions)

fitresult =

General model:

fitresult(t) = xm/(1+(xm/11.1026-1)*exp(-r*(t-1988)))

Coefficients (with 95% confidence bounds):

r = 0.06451 (0.05625, 0.07277)

xm = 14.42 (14.03, 14.82)

gof =

sse: 0.0038

rsquare: 0.9990

dfe: 12

adjrsquare: 0.9989

rmse: 0.0179

12.8624 12.9498 13.0328

数学建模-人口模型Logistic模型与 Malthus模型

图二人口模型预测图

结论：当t=2002 时人口为12.8624亿、t=2003时人口为12.9498亿、t=2004时人口为13.0328亿。

误差分析：查询中国人口统计图表得出2002年为12.8亿、2003年为12.88亿、2004年为12.96亿，发现两者几乎完全一致，Logistic模型的缺点是模型中的参数r和人口总数上限xm很难准确得到，尤其是xm的值还会随着人口发展变化的情况而改变。

建模： Malthus模型: 根据假设人口的净增长率是一个常数，也就是单位时间内人口增长量与当时人口数成正比,建立Malthus模型。

设t时刻人口数为x(t) ，t=t0时， x(t0) =x0，则：

x(t + Dt) - x(t) = x(t) ×r × Dt

数学建模-人口模型Logistic模型与 Malthus模型

求解的Matlab程序代码：

Malthus模型:

首先对数据进行拟合：

>> year=1988:1:2001;

>>population=[11.1026,11.2074,11.4333,11.5823,11.7171,11.8517,11.9850 12.1121,12.2389,12.3626,12.4761,12.5786,12.6743,12.7627];

>> cftool

数学建模-人口模型Logistic模型与 Malthus模型

图一拟合数据图

Matlab自动生成的拟合代码：

function [fitresult, gof] = createFit(year, population)

%CREATEFIT(YEAR,POPULATION)

% Create a fit.

% Data for 'untitled fit 1' fit:

% X Input : year

% Y Output: population

% Output:

% fitresult : a fit object representing the fit.

% gof : structure with goodness-of fit info.

% 另请参阅 FIT, CFIT, SFIT.

% 由 MATLAB 于 05-Apr-2022 23:30:31 自动生成

%% Fit: 'untitled fit 1'.

[xData, yData] = prepareCurveData( year, population );

% Set up fittype and options.

ft = fittype( 'exp1' );

opts = fitoptions( 'Method', 'NonlinearLeastSquares' );

opts.Display = 'Off';

opts.StartPoint = [11.1026 0.0108];

% Fit model to data.

[fitresult, gof] = fit( xData, yData, ft, opts );

% Plot fit with data.

figure( 'Name', 'untitled fit 1' );

h = plot( fitresult, xData, yData );

legend( h, 'population vs. year', 'untitled fit 1', 'Location', 'NorthEast' );

% Label axes

xlabel year

ylabel population

grid on

将以上代码保存当前文件夹，并在新的文件夹中调用这个函数得到参数的拟合值和预测的效果。

计算结果与结论：

通过Matlab进行计算，得到如下答案：

t=2002:2004;

>> a = 6.16e-09 ;

>> b = 0.01072 ;

>> predictions=a*exp(b*t);

>> figure(2)

>> plot(year,population,'o',t, predictions,'.')

数学建模-人口模型Logistic模型与 Malthus模型

图二人口模型预测图

结论：当t=2002 时人口为12.89亿、t=2003时口为13.03亿、t=2004时人口为13.17亿。

误差分析：查询中国人口统计图表得出2002年为12.8亿、2003年为12.88亿、2004年为12.96亿，发现两者几乎完全一致，但是当t＝2060年时用这一模型进行预测的结果远高于实际人口的增长，误差的原因时对增长率r的估计过高。由此，可以对r是常数的假设提出疑问。实际上随着人口数量的增加，自然资源、环境因素，人口政策，年龄和性别结构、地域特征等因素对人口数量的阻滞作用越来越明显，增长率不应取为常数。文章来源地址https://www.toymoban.com/news/detail-455731.html

到了这里，关于数学建模-人口模型Logistic模型与 Malthus模型的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！