Logistics人口模型

以 Logistics 模型为基础的人口模型优化。

1 Logistics 增长模型

1.1 模型建立

传统的马尔萨斯人口增长模型将人口增长率 r 定为常数，从而人口数量 x 呈指数增长。但是现实中，人口增长受到自然资源和环境资源等的限制，存在一个上限，即最大人口容量 $x_{max}$。

从而，人口增长率 r 应该与人口数量 x 相关：

$$\{\begin{array}{l}\frac{dx}{dt}=r(x)x\\ x(0)=x_0\end{array}\text{\hspace{1em}(1)}$$

其中，收到人口容量的影响，r(x) 应该为减函数，假设：

$$r(x)=r_0-\alpha x\text{\hspace{1em}(2)}$$

$r_0$ 为固有增长率。

当人口达到最大容量 $x_{max}$ 时， $r(x_{max})=0$ ，可以得到 $\alpha =\frac{r_0}{x_{max}}$ ，从而方程 (1) 可以写成：

$$\{\begin{array}{l}\frac{dx}{dt}=(r_0-\frac{r_{0}x}{x_{max}})\\ x(0)=x_0\end{array}\text{\hspace{1em}(3)}$$

求解微分方程 (3)：

$$x(t)=\frac{x_{max}}{1+(\frac{x_{max}}{x_0}-1)e^{-r_{0}t}}\text{\hspace{1em}(4)}$$

1.2 参数估计与模型拟合

通过方程 (2) 和 $\alpha =\frac{r_0}{x_{max}}$ ，可以得到：

$$r(x)=r_0-\frac{r_0}{x_{max}}x\text{\hspace{1em}(5)}$$

使用真实人口数据对方程 (5) 进行拟合，来计算参数 $x_{max},r_0$。

将以上计算得到的参数代入方程 (4)，得到预测人口数据 x(t) 。利用 2-范数对模型拟合误差做估计：

$$Err=||x(t)-x|{|}_2$$

2 改进的 Logistics 增长模型

2.1 模型优化

人口增长率 r 不仅与人口数量 x 有关，同时也与时间 t 相关：

$$r(x,t)=\varphi (x)T(t)$$

将上式带入方程 (1)，得到优化的 Logistics 模型：

$$\{\begin{array}{l}\frac{dx}{dt}=\varphi (x)T(t)x\\ x(0)=x_0\end{array}\text{\hspace{1em}(6)}$$

2.2 $\varphi (x)$ 拟合分析

从最开始的 Logistics 模型分析，设 $\varphi (x)$ 为人口数量的一次函数：

$$\varphi (x)=r_0-\alpha x$$

其中， $r_0$ 为固有增长率。

当人口达到最大容量 $x_{max}$ 时， $\varphi (x_{max})=0$ ，可以得到 $\alpha =\frac{r_0}{x_{max}}$ ，从而方程 (6) 可以写成：

$$\{\begin{array}{l}\frac{dx}{dt}=(r_0-\frac{r_0}{r_{max}}x)T(t)x\\ x(0)=x_0\end{array}\text{\hspace{1em}(7)}$$

求解微分方程 (7)；

$$x(t)=\frac{x_{max}}{(\frac{x_{max}}{x_0}-1)e^{-{\int }_0^t{r}_{0}T(\tau )d\tau +1}}\text{\hspace{1em}(8)}$$

2.3 $T(t)$ 拟合分析

对方程 (8) 做整形：

$${\int }_0^t{r}_{0}T(\tau )d\tau =ln\frac{x(t)(x_{max}-x_0)}{x_0(x_{max}-x(t))}\text{\hspace{1em}(9)}$$

假设 $T(\tau )$ 为关于 t 的 n 次多项式：

$$T(t)=a_1{t}^n+a_2{t}^{t-1}+...+a_{n}t+a_{n+1}$$

将上式带入方程 (8)，得到：

$$k_1{t}^{n+1}+k_2{t}^n+...+k_{n+1}t=ln\frac{x(t)(x_m-x_0)}{x_0(x_m-x(t))}\text{\hspace{1em}(10)}$$

其中， $k_1=\frac{r_0{a}_1}{n+1}，k_2=\frac{r_0{a}_2}{n}，...，k_n=\frac{r_0{a}_n}{2}，k_{n+1}=r_0{a}_{n+1}$

通过真实人口数据对方程 (10) 进行拟合，得到系数：

$$k_1,k_2,...,k_{n+1}$$

根据 $T(t)$ 分别为为关于 t 的二、三、四次多项式时，估计拟合后的误差：

$$Err=||x(t)-x|{|}_2\text{\hspace{1em}(11)}$$

3 说明

改进的 Logistics 模型在 Logistics 模型的基础上，在考虑人口增长率的时候，加入了时间变量 t，即人口增长率为关于人口数 x 和时间 t 的函数。

改进的 Logistics 模型对人口数据的拟合误差更小，能够具有更高的拟合精度。

这里使用的 Logistics 模型和改进的 Logistics 模型都是比较粗糙的，没有考虑人口出生率、人口死亡率以及国家宏观调控、科技进步、国民生育率和生育期望的变化等诸多因素的影响，只是对人口数据的简单拟合。

对人口变化更加精确的模拟和预测需要考虑这些诸多因素，Logistics 模型还不具备这样的效果。