马尔萨斯模型的分析和应用

1. 马尔萨斯模型

模型假设: 在独立存在的生物群体中，生物种群数量的变化率是一个保持不变的常数$\lambda$ [1]。

问题描述: 不妨令$x$表示时间，y表示生物种群的数量，生物种群的变化率为$\lambda$。根据马尔萨斯模型中变化率$\lambda$值不变的假设，有，任意给定时间段$\Delta x$，生物种群数量的变化量为，$y(x+\Delta x)-y(x)=\lambda y(x)\Delta x$。且当$x=0$时刻，$y=y_0$。试求生物种群的数量$y$和时间$x$的函数。

模型求解: 根据假设$y(x+\Delta x)-y(x)=\lambda y(x)\Delta x$，取${\lim }_{\Delta x\to 0}\Delta x$，根据牛顿差商法 [4] 得到微分方程，如下，

$dy=\lambda ydx$

根据生物种群的存在性的假设，即$y̸=0$，通过分离变量法 [5]，如下，

$\frac{1}{y}dy=\lambda dx$

对微分方程两边进行积分运算 [2]，如下，

$\int \frac{1}{y}dy=\int \lambda dx$

得到原函数 $\int \frac{1}{y}dy=lny+c_1$，$\int \lambda dx=\lambda x+c_2$，其中$c_1$，$c_2$为常数 [3]，如下，

$lny+c_1=\lambda x+c_2$

$lny=\lambda x+c_3$

其中$c_3=c_2-c_1$为常数。对方程两边取指数运算，如下，

$e^{lny}=e^{\lambda x+c_3}$

$y=e^{\lambda x}\cdot e^{c_3}$

根据$x=0$时刻，$y=y_0$的假设，代入上述方程，如下，

$y_0=e^0\cdot e^{c_3}$

$c_3=ln{y}_0$

求得微分方程的解，如下，

$y=e^{\lambda x}{e}^{ln{y}_0}$

$y=y_0{e}^{\lambda x}$

2. 小结和展望

马尔萨斯模型适合短期的种群数量的预测。但是把该模型应用到长期的种群数量预测中，预测结果可能存在较大误差/错误。为了解决模型本身局限性问题，进一步的工作主要是Logistic模型的学习和分析 [6]。计算方法上也可以采用Matlab在微分方程求解方法 [7]。

参考资料

[1] 常数$\lambda$ http://episte.math.ntu.edu.tw/applications/ap_population/index.html

[2] 微分方程求解 https://zhuanlan.zhihu.com/p/25514827

[3] 原函数 https://baike.baidu.com/item/原函数/2749968?fr=aladdin

[4] 牛顿差商法 https://zh.wikipedia.org/zh-hk/除法定则

[5] 微分方程之分离变量法 https://zhuanlan.zhihu.com/p/25514827

[6] Logistic模型的学习和分析 https://wenku.baidu.com/view/701fb024aaea998fcc220ecc.html

[7] Matlab在微分方程中的应用 https://www.mathworks.com/help/symbolic/solve-a-single-differential-equation.html