MATLAB 阻滞增长模型

✅作者简介：人工智能专业本科在读，喜欢计算机与编程，写博客记录自己的学习历程。
🍎个人主页：小嗷犬的个人主页
🍊个人网站：小嗷犬的技术小站
🥭个人信条：为天地立心，为生民立命，为往圣继绝学，为万世开太平。

---

---

人口增长模型

Malthus模型（指数模型）

最早的人口增长模型是 Malthus 于 1798 年提出的指数模型，基本假设是人口增长率 r 是常数。

$$N(t)=N_0{e}^{rt}$$

这个模型的问题在于，它没有考虑到人口增长的阻滞因素，即人口增长的上限。因此，当预测时间 t 较短时，模型的预测结果是合理的，但是当预测时间 t 较长时，模型的预测结果就会出现较大的误差。

Logistic模型（阻滞增长模型）

由于人口不可能无限制的增长，当人口达到一定数量后，那么增长率就会下降。因此， Verhulst 于 1838 年提出了阻滞增长模型，基本假设是人口增长率 r 随着人口数量 N 的增加而减小。

人口增长率 r 是一个关于人口数量 N 的线性函数：
$$\frac{dN}{dt}=r(N)N$$

人口增长率 r 的函数形式为：
$$r(N)=r-sN,(r,s>0)$$

其中， r 是人口增长率的最大值， s 是人口增长率的下降速率。

而人口增长率的下降速率与人口容量 K 有关，即：

$$s=\frac{r}{K}$$

结合上述公式，得到人口的增长速度：

$$\frac{dN}{dt}=rN(1-\frac{N}{K})$$

最后得出阻滞增长模型：

$$N(t)=\frac{K}{1+(\frac{K}{N_0}-1)e^{-rt}}$$

---

MATLAB 实现阻滞增长模型

function [t,N]=logistic(r,K,N0,t0,tf,dt)
    %LOGISTIC 阻滞增长模型
    %   [t,N]=logistic(r,K,N0,t0,tf,dt)
    %   r:人口增长率的最大值
    %   K:人口容量
    %   N0:初始人口数量
    %   t0:初始时间
    %   tf:终止时间
    %   dt:时间步长
    %   t:时间序列
    %   N:人口数量序列
    t=t0:dt:tf;
    N=zeros(1,length(t));
    N(1)=N0;
    for i=2:length(t)
        N(i)=N(i-1)+r*N(i-1)*(1-N(i-1)/K)*dt;
    end
end

例

根据美国人口数据进行预测，美国人口数据如下：

年份	1790	1800	1810	1820	1830	1840	1850	1860	1870	1880	1890
人口/百万	3.9	5.3	7.2	9.6	12.9	17.1	23.2	31.4	38.6	50.2	62.9

年份	1900	1910	1920	1930	1940	1950	1960	1970	1980	1990	2000
人口/百万	76.2	92.2	106.5	123.2	132.2	151.3	179.3	203.2	226.5	249.6	281.4

数据来源：美国人口数据

MATLAB 中提供了 nlinfit 函数，可以用来拟合非线性模型，其语法格式如下：

beta = nlinfit(X,Y,modelfun,beta0)

其中， X 是自变量， Y 是因变量， modelfun 是模型函数， beta0 是模型参数的初始值， beta 是模型参数的估计值。

使用 nlinfit 函数进行拟合：

% 原始数据
t=1790:10:2000;
N=[3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,38.6,50.2,62.9,76.2,92.2,106.5,123.2,132.2,151.3,179.3,203.2,226.5,249.6,281.4];
% 拟合
f=@(beta,t)beta(1)./(1+(beta(1)./N(1)-1).*exp(-beta(2).*t));
beta0=[300,0.5];
beta=nlinfit(t-t(1),N,f,beta0)
% 参数
K=beta(1)
r=beta(2)

得到参数估计值：

K =
  340.0598


r =
    0.0274

预测并绘图：

% 预测
[t_hat,N_hat]=logistic(r,K,N(1),t(1),t(end),1);
% 绘图
plot(t,N,'o',t_hat,N_hat,'-','LineWidth',2),grid on,legend('原始数据','预测结果'),xlabel('年份'),ylabel('人口/百万')

可以看出，预测结果与原始数据非常接近。

预测 2080 年的美国人口数量变化趋势：

% 预测
[t_hat,N_hat]=logistic(r,K,N(1),t(1),2080,1);
% 绘图
plot(t,N,'o',t_hat,N_hat,'-','LineWidth',2),grid on,legend('原始数据','预测结果'),xlabel('年份'),ylabel('人口/百万')