3.2 【实验】预测美国人口.docx

【实验】预测美国人口

3.2.1预测美国人口

应用该模型的逻辑：根据Malthus人口模型理论，指数增长的数据满足模型关系：

注意，t-t0只是表示相对时间，取t0=0也是一样的：

通过数据拟合出唯一参数r的最优估计，则得到可适用于数据的具体模型，从而可以用于预测和决策。

以美国人口数据为例，以10年为间隔，可获得图3-3。

3-3美国1790年-1930年人口数据

首先，根据数据给出散点图。MATLAB代码：

【例s3_1】：

%美国1790-1930年人口数据(10年为间隔)

P=[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];

year=1790:10:1930;

plot(year,P,bo)

3-4美国1790年-1930年人口散点图

这里所运用的处理技巧是对数据做变换，以简化函数关系。对于指数增长的数据，可以通过取对数法，转化为线性函数关系。

做一次对数变换，看下效果如何，MATLAB代码如下。

【例s3_1】：

figure

plot(year,log(P),bo)

3-5对数变换之后的散点图

可见，取对数后大致是“直线”关系。下面对数据做如下变换：

注：将年份转化为第几年，可避免回归系数过小。

利用MATLAB按式(3.5)对数据做变换，再用自带函数fitlm()拟合线性关系，MATLAB代码如下。

【例s3_1】：

%对数据做变换，拟合线性关系

X=year-1789;

y=log(P);

mdl=fitlm(X,y)

3-6运行结果

发现拟合效果非常好（拟合优度R2=0.988），就得到线性模型：

代换回原来的变量：

lnP=0.025215*(year-1789)+1.4962

再变形得到想要的具体模型：

下面来看预测效果：

【例s3_1】：

%用匿名函数方式来定义预测函数

f=@(t)exp(0.025215*(t-1789)+1.4962);

Pm=f(year);%计算预测值

errs=100*abs(Pm-P)./P;

result=array2table([year;P;Pm;errs],VariableNames,{Year,P,Pm,Error})

3-7运行结果

接下来考察预测结果如何。利用如下代码可以直观看到真实值与预测值的接近程度。

【例s3_1】：

figure

plot(year,P,bo,year,Pm,r*)

legend(真实值,预测值)

3-8运行结果

可见，指数增长模型在早期的预测效果还是挺好的，后期开始展现爆炸式增长趋势。