XJTUSE 数学建模自学笔记三：马尔萨斯人口论

数学建模自学笔记3——马尔萨斯人口论

---

---

课程内容

马尔萨斯模型

• 马尔萨斯人口模型是由经济学家托马斯·罗伯特·马尔萨斯于18世纪末提出的一种关于人口增长和资源供给之间关系的理论模型。
• 在不考虑资源的农耕社会中，资源是充足的，那么可以考虑$r$作为人口的自然增长率。
• 差分模型：
  $$P(t+\Delta t)-P(t)=rP(t)\Delta t$$
• 微分模型：
  $$\frac{dP(t)}{dt}=rP(t)$$ $$P(t_0)=P_0$$
• 计算得到：
  $$P(t)=P\cdot e^{(r\cdot (t-t_0))}$$
• 这里$ P(t) $表示时间$ t $时的人口数量，$P_0 $是初始人口数量，$r$是人口增长率，$e$ 是自然对数的底数，$t$ 是时间。
• 问题：$r$不一定是常数。

Logistic模型

• 马尔萨斯模型中$r$不一定是常数，而可能是一个随人口数量变化的值$ r(t) = r(P(t)) $。
• 在Logistic模型中，考虑到人口增长和资源供给之间关系，将$ r(t) $ 定义为$ r(1-\frac {P(t)}{K} )$。其中$K$表示所研究地区容纳的最大人口。
• 因此微分模型：
  $$r(t)=r(P(t))=r(1-\frac{P(t)}{K})$$ $$\frac{dP(t)}{dt}=rP(t)$$ $$P(t_0)=P_0$$
• 计算得到：
  $$N(t)=\frac{K}{1+C{e}^{-r\cdot (t-t_0)}}$$ $$C=\frac{K-P_0}{P_0}$$
• 这里$ P(t) $表示时间$ t $时的人口数量，$P_0 $是初始人口数量，$r$是人口增长率，$e$ 是自然对数的底数，$t$ 是时间,$K$表示所研究地区容纳的最大人口。
• 问题：没有考虑年龄分布。

Leslie模型

• 上述模型中$r$没有考虑年龄分布，但这确实是一个相对重要的因素。
• 在Leslie模型中，考虑到年龄分布，定义

$$N=\left(\begin{array}{c}{n}_0\\ n_1\\ ⋮\\ n_n\end{array}\right)$$

• 因此差分模型：
  $$n_{0,t+1}=F_0\ast n_{0,t}+F_1\ast n_{1,t}+\cdots +F_s\ast n_{s,t}$$ $$n_{1,t+1}=p_0\ast n_{0,t}$$ $$n_{2,t+1}=p_1\ast n_{1,t}$$ $$\cdots$$ $$n_{s,t+1}=p_{s-1}\ast n_{s-1,t}$$

• 也可以用Leslie矩阵表示：

$$L=\left(\begin{array}{ccccc}{F}_0& F_1& F_2& \cdots & F_s\\ p_0& 0& 0& \cdots & 0\\ 0& p_1& 0& \cdots & 0\\ ⋮& ⋮& ⋮& \ddots & ⋮\\ 0& 0& 0& p_{s-1}& 0\end{array}\right)$$

$$N_{t+1}=L{N}_t$$

• 特征值 $ \lambda_0,\lambda_1,\cdots \lambda_s$
• 特征向量 $ \nu_0,\nu_1,\cdots \nu_s$
• 结论：

$$如果:N_0=c_0{\nu }_0+\sum _{i=1}^s{c}_i{\nu }_i$$

$$则有:N_t=c_0({\lambda }_0{)}^t{\nu }_0+\sum _{i=1}^s{c}_i({\lambda }_i{)}^t{\nu }_i$$

$$如果:{\lambda }_0>|{\lambda }_i|,fori=1,2,\cdots ,s$$

$$则有:\underset{t\to \infty }{\lim }{N}_t\prec c_0({\lambda }_0{)}^t{\nu }_0$$

• 首特征值的大小和相应的特征向量决定了模型的渐进性质。

学习收获

• 一个问题可能有多种模型可供选择，而不是唯一的答案。在解决问题时，我们需要考虑问题所处的具体条件，并且没有一种模型比其他模型一定更好。
• 越复杂的模型需要更多的参数和数据支持。
• 我们需要根据问题的特定条件和可用的数据来选择适合的模型，并在模型的复杂性和解释能力之间进行权衡。

---

自己提出的问题

• 如何更加准确的预测一个地区的人口数量变化。
• 如何在没有先验知识的时候进行预测。

---

模型优化

• 深度学习：可以利用BP神经网络和LSTM等模型，在预测人口时模型不需要任何假设，而是根据已有的数据推算数据内部之间的关系，采取非线性的方法，利用已有数据推算出关系式，然后推算出下一年的人口，然后以下一年的人口为基础继续推算下下一年的人口。
• 人口分布模型：考虑人口迁移的规模、方向和特征，以了解人口在不同地区之间的流动情况；关注城市化过程中城市人口的增长和农村人口的减少，以及城市扩张和城市规模的变化；考虑区域之间的经济发展差异、政策影响和社会资源分配等因素，以预测未来人口在不同区域的分布变化。