数学建模作业6指数增长模型与Logistic模型.docVIP

数学建模作业6指数增长模型与Logistic模型.doc

  1. 1、本文档共14页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
数学建模作业6指数增长模型与Logistic模型

佛山科学技术学院 上 机 报 告 课程名称 数学建模 上机项目 指数增长模型和Logistic模型 专业班级 姓 名 学 号 ________ 问题提出 人口问题是当前世界上人们最关心的问题之一。认识人口数量的变化规律,作出较准确的预报,是有效控制人口增长的前提。 要求:分别建立并求解两个最基本的人口模型,即:指数增长模型和Logistic模型,并利用表1给出的近两百年的人口统计数据,画出图形拟合数据,对模型做出检验,最后用它预报2000年的人口。 表1 人口统计数据 年(公元) 人口(百万) 1790 3.9 1800 5.3 1810 7.2 1820 9.6 1830 12.9 1840 17.1 1850 23.2 年(公元) 人口(百万) 1860 31.4 1870 38.6 1880 50.2 1890 62.9 1900 76.0 1910 92.0 1920 106.5 年(公元) 人口(百万) 1930 123.2 1940 131.7 1950 150.7 1960 179.3 1970 204.0 1980 226.5 1990 251.4 模型一:指数增长(Malthus)模型: 模型假设 常用的计算公式:今年人口 x0, 年增长率 r,k年后人口为 假设:人口增长率r是常数(或单位时间内人口的增长量与当时的人口成正比)。 符号说明: ~t=0时的人口数,~时刻t的人口数 (2)模型建立 (显示模型函数的构造过程) 由于量大,可看作连续、可微函数,到时间内人口的增量为 于是满足微分方程 (1) (3)模型求解 (显示模型的求解方法、步骤及运算程序、结果) 解微分方程(1)得 (2) 当时,,即随着时间增加,人口按指数规律无限增长。 (4)模型的参数估计 要用模型的结果(2)式来预报人口,必须对常数r进行估计,可以用表1的数据通过拟合得到。取,通过(2)式以及表中1790-1990的数据进行最小二乘法拟合得r=0.2169.程序如下: 模型求解:取初始值x(0)=3.9 Matlab程序: 建立M文件volum.m,如下: function y=volum(beta,t) y=3.9*exp(beta(1)*t); 再建立r1.m程序,如下: t=0:1:20; x=[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]; beta0=[0.01]; [beta,r,J]=nlinfit(t,x,volum,beta0); beta 结果为beta =0.2169 (5)模型检验 先建立M文件renkou.m,如下: function x=renkou(beta,t) x=3.9*exp(beta*t); 再建立程序zhishu.m,如下: t=0:1:20; x=[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]; beta0=0.01; beta=nlinfit(t,x,renkou,beta0) y=3.9*exp(beta*t); y plot(t,x,*,t,y) error=abs(y-x) 结果为: beta = 0.2169 y = Columns 1 through 8 3.9000 4.8444 6.0176 7.4748 9.2849 11.5334 14.3264 17.7957 Columns 9 through 16 22.1051 27.4582 34.1075 42.3671 52.6268 65.3711 81.2015 100.8655 Columns 17 through 21 125.2914 155.6324 193.3208 240.1359 298.2879 error = Columns 1 through 8

您可能关注的文档

文档评论(0)

yan698698 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档