数学建模2.docVIP

人口模型 摘要：分析人口增长到一定数量后增长率下降的主要原因，人们注意到，自然资源，环境条件等因素对人口增长起着阻碍作用，并且随着人口的增加，阻滞作用越来越大。所谓的阻滞增长模型就剩 考虑到这个因素，对指数增长模型的基本假设进行修改后得到的。 问题重述： 根据近两个世纪的美国人口统计数据来做模型参数估计、检验和预报。 美国近两个世纪的人口统计数据 年 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 年 1870 1880 1890 1900 1910 1920 1930 1940 人口/百万 38.6 50.2 62.9 76.0 92.0 106.5 123.2 131.7 年 1950 1960 1970 1980 1990 2000 人口/百万 150.7 179.3 204.0 226.5 251.4 281.4 表（1） 模型假设 1. 所给的数据能反应美国人口变化的基本情况； 2. 一些重大事件，如战争，自然灾害等对人口预测的影响暂不考虑； 3.美国条件优越，不考虑移民、空间不足的问题； 4.生育模式不随时间变化。 模型分析 首先,我们运用 Matlab 软件编程,绘制出1790年到2000年美国的人口数据图，如图一。 程序为： x=1790:10:2000; y=[ 3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 38.6 50.2 62.9 76.0 92.0 106.5 123.2 131.7 150.7 179.3 204.0 226.5 251.4 281.4]; plot(x,y,r*); % 画点,红色 hold on; % 使得以下图形画在同一个窗口 p = polyfit(x,y,2) % 多项式拟合,返回系数p xn = 1790:5:2000; % 定义新的横坐标 yn = polyval(p,xn); % 估计多项式p 的函数值 plot(xn,yn) % 把(x,yn)定义的数据点依次连起来 % 给图形加上图例 xlabel(年份); ylabel(人口数); legend(原始数据,拟合函数,2); box on; grid on; x1=2000; y1 = polyval(p,x1) % 估计多项式p 在未知点的函数值 1790年到2000年美国的人口数据图 图1 从图 1 我们可以看出1800年到2000年的人口数是呈现增长的趋势的,而类似二次函数增长。所以我们可以建立了一个二次函数模型，并用最小二乘法对已有数据进行拟合得到模型的具体参数。 于是我们假设人口增长率是人口数的线性减函数，即随着人口数的增加，人口的增长速度会慢慢下降,从而我们可以建立一个阻滞增长模型。 模型建立 我们假设人口增长率r是人口数x的线性减函数，即随着人口数的增加，人口增长速度会慢慢下降： （1） 人口数量最终会达到饱和，且趋于一个常数，当时，增长率为0，即： （2） 由上面的关系式可得出： （3） 把上式代进指数增长模型的方程中，并利用初始条件 可以得到： （4） 解得： （5） 程序为：dsolve(Dx=r*x*(1-x/xm),x(0)=x0,t) 解答步骤为：由 得： 两边积分，得 其中为任意常数。化简得： 解得： 其中,将初值条件时，,代入得： 最后解得: 我们可以利用已有数据拟合： 对方程： （6） 程序为：dsolve(Dx=r*x*(1-x/xm),x(0)=x0,t) 、 利用最小二乘法对参数r和进行拟合 %参数拟合 %在命令文件main.m中调用函数文件curvefit_fun2.m % 定义向量（数组） x=1790:10:2000; y=[ 3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 38