现代数字图像处理作业.docVIP

问题分析及建立模型 1790 到1980 年间美国人口数的统计数据如表所示 年份 1790 1800 1810 1820 1830 1840 1850 1860 1870 1880 人口 3.9 5.3 7.2 9.6 12.9 17.1 23.2 31.4 38.6 50.2 年份 1890 1900 1910 1920 1930 1940 1950 1960 1970 1980 人口 62.0 72.0 92.0 106.5 123.2 131.7 150.7 179.3 204.0 226.5 分别用malthus模型和Logistic模型方法预测2000 年，2010 年，2020 年美国人 口数量，并对不同方法的预测结果进行比较分析 malthus模型 假设美国的人口满足函数关系x=f(t), f(t)=ea+bt，a,b为待定常数，根据最小二乘拟合的原理，a,b是函数的最小值点。其中xi是ti时刻美国的人口数。这是第一种模型。 Logistic模型 上述模型可以在短时间内较好地拟合实际人口数量，但也存在问题。即人口是呈指数规律无止境地增长，此时人口的自然增长率随人口的增长而增长，这不可能。一般说来，当人口较少时增长得越来越快，即增长率在变大；人口增长到一定数量以后，增长就会慢下来，即增长率变小。这是因为自然资源环境条件等因素不允许人口无限制地增长，它们对人口的增长起着阻滞作用，而且随着人口的增加，阻滞作用越来越大。而且人口最终会饱和，趋于某一个常数x(，假设人口的静增长率为r(1-x(t)/x()，即人口的静增长率随着人口的增长而不断减小，当t((时，静增长率趋于零。 按照这个假设，得到 (1) 人口的变化规律为： (2) 具体实验中应使用这种模型进行拟合。 程序 （1）x=1790:10:1980; y=[3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,28.6,50.2,62.0,72.0,92.0,106.5,123.2,131.7,150.7,179.3,204.0,226.5]; plot(x,y,k.,markersize,25); axis([1790 1990 3 230]); p2=polyfit(x,y,2) p3=polyfit(x,y,3) t=1790:10:1980; s=polyval(p2,t); s1=polyval(p3,t); hold on plot(t,s,r-,linewidth,2) plot(t,s1,b-,linewidth,2) grid （2）function f=nihehanshu(x,xdata) f=exp(x(1)+x(2)*xdata); xdata=1790:10:1980; ydata=[3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,28.6,50.2,62.0,72.0,92.0,106.5,123.2,131.7,150.7,179.3,204.0,226.5]; x0=[0,0]; [x,resnorm]=lsqcurvefit(@nihehanshu3,x0,xdata,ydata) （3）function y=nihehanshu(x,xdata) y=1./(4.5^(-1)+exp(-x(1)-x(2)*xdata)) xdata=1790:10:1980; ydata=[3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,28.6,50.2,62.0,72.0,92.0,106.5,123.2,131.7,150.7,179.3,204.0,226.5]; x0=[0,0]; [x,resnorm]=lsqcurvefit(@nihehanshu,x0,xdata,ydata) （4）f=inline(1./(450^(-1)+exp(36.6468-0.0216*x))) fplot(f,[1790,2020]) hold on g=inline(exp( -25.5772+0.0157*x)); fplot(g,[1790,2020]) hold on f=inline( -1.0806 *x+0.0006*x^2) fplot(f,[1790,2020]) hold on grid 结果: （1） p2 = 1.0e+004 * 0.0000 -0.0024 2.1955 p3 = 1.0e+003 * 0.0000 -0.0000 0.0149 -2.6733 （2）x = -25.577