人口指数模型
数学建模在人口增长中的应用
数学建模在人口增长中的应用人口增长一直是全球面临的重要问题之一。
面对人口的迅速增加，我们需要寻找有效的方法来预测和控制人口的增长趋势。
数学建模作为一种重要的工具，可以帮助我们分析和理解人口增长的规律，并提供科学的解决方案。
1. 人口增长模型人口增长可以使用不同的数学模型来描述和预测。
其中，最常用的人口增长模型之一是指数增长模型。
指数增长模型假设人口增长的速度与当前人口数量成正比。
简单来说，人口数量每过一段时间就会翻倍。
这种模型可以用以下公式表示：N(t) = N(0) * e^(rt)其中，N(t)是时间t时刻的人口数量，N(0)是初始人口数量，r是人口增长率，e是自然对数的底数。
2. 人口增长趋势预测利用指数增长模型，我们可以根据过去的人口数据来预测未来的人口增长趋势。
通过对已有数据进行拟合和分析，可以确定合适的增长率，并利用该增长率来预测未来的人口数量。
除了指数增长模型，还有其他一些常用的人口增长模型，如Logistic模型和Gompertz模型。
这些模型考虑了人口增长的上限和减缓因素，更符合实际情况。
3. 人口政策制定数学建模不仅可以帮助我们预测人口增长趋势，还可以为人口政策的制定提供支持。
通过建立人口增长模型，我们可以模拟不同的政策措施对人口增长的影响。
例如，我们可以模拟采取计划生育政策后的人口增长情况，评估政策的有效性和可行性。
此外，数学建模还可以用于评估不同人口政策的长期影响。
通过引入更多因素，如医疗水平、经济发展和教育水平等，我们可以建立更为复杂的人口增长模型，从而更全面地评估政策的效果和潜在风险。
4. 人口分布和迁移模型除了人口增长模型，数学建模还可以用于研究人口分布和迁移的模型。
通过建立人口分布模型，我们可以分析不同地区人口的分布规律和变化趋势。
这些模型可以为城市规划、资源配置和社会发展提供重要参考。
在人口迁移方面，数学建模可以帮助我们研究人口的流动和迁移规律。
例如，我们可以建立迁移网络模型来描述不同地区之间的人口流动情况，从而预测人口迁移的趋势和影响因素。
人口预测的数学模型与预测方法分析
人口预测的数学模型与预测方法分析人口预测是对未来一定时期内人口数量和结构的变动进行估计和预测的过程。
人口预测在社会经济发展规划、城市规划、教育医疗资源配置等方面具有重要的参考价值。
为了准确预测人口的变动趋势，需要建立合理的数学模型和选择适当的预测方法。
人口预测的数学模型主要包括线性回归模型、指数模型、Logistic模型等。
线性回归模型是一种用来描述两个变量之间线性关系的统计模型，可以用来预测人口随时间的变化。
指数模型假设人口数量按照指数规律增长或减少，适用于人口增长较快的情况。
Logistic模型则适用于人口增长速度放缓后的情况，它是一种描述增长速度逐渐趋近于饱和的模型。
在选择数学模型时，需要综合考虑以下几个因素：人口历史变动趋势、人口自然增长率、人口迁移和流动情况、政策调控等因素。
同时，还需根据实际情况对模型的参数进行合理的设定和修正，以提高预测的准确性。
在预测方法上，常用的有趋势线法、复合增长率法、比较推理法、时间序列分析法和系统动力学方法等。
趋势线法是基于历史数据的发展趋势来进行预测，适用于人口变动趋势比较稳定的情况。
复合增长率法是将历史数据中的增长率按一定规则进行加权平均，再用来推算未来人口的增长率。
比较推理法通过对不同因素的比较和推理，来估计未来人口的变化。
时间序列分析法是根据时间序列数据的历史模式来预测未来的变化趋势。
系统动力学方法则是通过对不同因素的动态关系建立模型，用来探索人口变动的内在机制和规律。
在具体应用时，可以结合不同的数学模型和预测方法，进行多角度的分析和预测。
同时，还需要不断对模型进行修正和优化，以适应不断变化的人口变动趋势和社会经济背景。
此外，还应该注意对预测结果的不确定性进行评估和把握，提供多种可能性的预测结果，为决策者提供科学的参考依据。
数学应用典型案例模型1马尔萨斯人口增长(指数增长)模型
xc e hx
C
其中 C 为任意常数，可由初始条件确定。
捕食----被捕食模型有着广泛的应用。当一个包含两个群体的系统中，只要
两个群体相互依存、相互制约，均可用捕食----被捕食模型来描述。例如，鲨鱼
与食用鱼、寄生虫与其宿主、害虫与其天敌、肿瘤细胞与正常细胞等都可用该模
型来描述。下图表明了狐狸----野兔（数量）随着时间 t 所发生的周而复始的变
化，正是这种变化维持着该系统的生态平衡。
在狐狸----野兔生态系统中，生态系统的平衡点就是使 dx 0, dy 0 的点。 dt dt
即
a byx 0 c hxy 0
(3-2)
只求非零解，可知平衡点为： x c , y a 。也就是说，当野兔数量保持在 c ，
设人类生存空间及可利用资源（食物、水、空气）等环境因素所能容纳的最 大人口容量为 K（称为饱和系数）.人口数量 N（t）的增长速率不仅与现有人口 数量成正比，而且还与人口尚未实现的部分（相对最大容量 K 而言）所占比例 K N 成比例，比例系数为固有增长率 r.于是，修改后的模型为
K
dN
hb
h
狐狸数量保持在 a 时，就能维持狐狸----野兔生态系统的平衡。 b
图 3-2
例 狐狸----野兔模型为
dx dt
0.03x
0.001xy
dy dt
0.9 y 0.002xy
(3-3)
试问：狐狸、野兔的数目各为多少时，该系统才达到平衡？
解：由 dx 0 ，得 y狐狸 0.03 3（0 只）；
模型 3 捕食——被捕食模型 所用知识：微分方程组 内容介绍：
人口指数增长模型和Logistic模型
表1 美国人口统计数据指数增长模型：rt e x t x 0)(=Logistic 模型：()011mrtm x x t x e x -=⎛⎫+- ⎪⎝⎭解：模型一:指数增长模型。
Malthus 模型的基本假设下，人口的增长率为常数，记为r ，记时刻t 的人口为 )(t x ，（即)(t x 为模型的状态变量）且初始时刻的人口为0x ，因为⎪⎩⎪⎨⎧==0)0(x x rxdt dx由假设可知0()rt x t x e = 经拟合得到：}2120010120()ln ()ln ,ln (),,ln rt a y a t a x t x e x t x rt r a x ey x t a r a x =+=⇒=+⇒=====程序：t=1790:10:1980;x(t)=[ ]; y=log(x(t));a=polyfit(t,y,1) r=a(1),x0=exp(a(2)) x1=x0.*exp(r.*t);plot(t,x(t),'r',t,x1,'b') 结果：a =r= x0=所以得到人口关于时间的函数为：0.02140()t x t x e =，其中x0 = ， 输入：t=2010;x0 = ;x(t)=x0*exp*t)得到x(t)= 。
即在此模型下到2010年人口大约为 610⨯。
模型二：阻滞增长模型（或 Logistic 模型） 由于资源、环境等因素对人口增长的阻滞作用，人口增长到一定数量后，增长率会下降，假设人口的增长率为 x 的减函数，如设)/1()(m x x r x r -=，其中 r 为固有增长率 (x 很小时 ) ，m x 为人口容量（资源、环境能容纳的最大数量）， 于是得到如下微分方程：⎪⎩⎪⎨⎧=-=0)0()1(xx x x rx dt dxm 建立函数文件function f=curvefit_fun2 (a,t)f=a(1)./(1+(a(1)/*exp(-a(2)*(t-1790))); 在命令文件中调用函数文件 % 定义向量（数组） x=1790:10:1990; y=[ 76 ... 92 204 ];plot(x,y,'*',x,y); % 画点，并且画一直线把各点连起来 hold on;a0=[,1]; % 初值% 最重要的函数，第1个参数是函数名（一个同名的m 文件定义），第2个参数是初值，第3、4个参数是已知数据点 a=lsqcurvefit('curvefit_fun2',a0,x,y); disp(['a=' num2str(a)]); % 显示结果 % 画图检验结果 xi=1790:5:2020; yi=curvefit_fun2(a,xi); plot(xi,yi,'r'); % 预测2010年的数据 x1=2010;y1=curvefit_fun2(a,x1) hold off 运行结果： a= y1 =其中a(1)、a(2)分别表示()011mrtm x x t x e x -=⎛⎫+- ⎪⎝⎭中的m x 和r ，y1则是对美国美国2010年的人口的估计。
人口指数增长模型
《数学模型》实验报告实验名称：如何预报人口的增长成绩：___________实验日期：2009 年 4 月22 日实验报告日期：2009 年 4 月 26 日人类文明发展到今天,人们越来越意识到地球资源的有限性,我们感受到"地球在变小",人口与资源之间的矛盾日渐突出,人口问题已成为当前世界上被最普遍关注的问题之一,当然人口增长规律的发现以及人口增长的预测对一个国家制定比较长远的发展规划有着非常重要的意义.本节介绍几个经典的人口模型.模型I:人口指数增长模型(马尔萨斯Malthus,1766--1834)1) 模型假设时刻t人口增长的速率,即单位时间人口的增长量,与当时人口数成正比,即人口增长率为常数r.以P(t)表示时刻t某地区(或国家)的人口数,设人口数P(t)足够大,可以视做连续函数处理,且P(t)关于t连续可微.2) 模型建立及求解据模型假设,在t到时间内人口数的增长量为,两端除以,得到,即,单位时间人口的增长量与当时的人口数成正比.令,就可以写出下面的微分方程:,如果设时刻的人口数为,则满足初值问题:(1)下面进行求解,重新整理模型方程(1)的第一个表达式,可得,两端积分,并结合初值条件得.显然,当时,此时人口数随时间指数地增长,故模型称为指数增长模型(或Malthus模型).如下图3-2所示.3) 模型检验19世纪以前欧洲一些地区的人口统计数据可以很好的吻合.19世纪以后的许多国家,模型遇到了很大的挑战.注意到,而我们的地球是有限的,故指数增长模型(Malthus模型)对未来人口总数预测非常荒谬,不合常理,应该予以修正.图3-24) 模型讨论为了做进一步的讨论,阐明此模型组建过程中所做的假设和限制是非常必要的.我们把人口数仅仅看成是时间的函数,忽略了个体间的差异(如年龄,性别,大小等)对人口增长的影响.假定是连续可微的.这对于人口数量足够大,而生育和死亡现象的发生在整个时间段内是随机的,可认为是近似成立的.人口增长率是常数,意味着人处于一种不随时间改变的定常的环境当中.模型所描述的人群应该是在一定的空间范围内封闭的,即在所研究的时间范围内不存在有迁移(迁入或迁出)现象的发生.不难看出,这些假设是苛刻的,不现实的,所以模型只符合人口的过去结果而不能用于预测未来人口.模型II:阻滞增长模型(Logistic)一个模型的缺陷,通常可以在模型假设当中找到其症结所在——或者说,模型假设在数学建模过程中起着至关重要的作用,它决定了一个模型究竟可以走多远.在指数增长模型中,我们只考虑了人口数本身一个因素影响人口的增长速率,事实上影响人口增长的另外一个因素就是资源(包括自然资源,环境条件等因素).随着人口的增长,资源量对人口开始起阻滞作用,因而人口增长率会逐渐下降.许多国家的实际情况都是如此.定性的分析,人口数与资源量对人口增长的贡献均应当是正向的.1) 模型假设地球上的资源有限,不妨设为1;而一个人的正常生存需要占用资源(这里事实上也内在的假定了地球的极限承载人口数为);在时刻t,人口增长的速率与当时人口数成正比,为简单起见也假设与当时剩余资源成正比;比例系数表示人口的固有增长率;设人口数P(t)足够大,可以视做连续变量处理,且P(t)关于t连续可微.2) 模型建立及求解由模型假设,可将人口数的净增长率视为人口数P(t)的函数,由于资源对人口增长的限制,应是P(t) 的减函数,特别是当P(t) 达到极限承载人口数时,应有净增长率,当人口数P(t)超过时,应当发生负增长.基于如上想法,可令.用代替指数增长模型中的导出如下微分方程模型:(2)这是一个Bernoulli方程的初值问题,其解为.在这个模型中,我们考虑了资源量对人口增长率的阻滞作用,因而称为阻滞增长模型(或Logistic模型).其图形如图3-3所示.图3-33) 模型检验从图3-3可以看出,人口总数具有如下规律:当人口数的初始值时,人口曲线(虚线)单调递减,而当人口数的初始值时,人口曲线(实线)单调递增;无论人口初值如何,当,它们皆趋于极限值.4) 模型讨论阻滞增长模型从一定程度上克服了指数增长模型的不足,可以被用来做相对较长时期的人口预测,而指数增长模型在做人口的短期预测时因为其形式的相对简单性也常被采用.不论是指数增长模型曲线,还是阻滞增长模型曲线,它们有一个共同的特点,即均为单调曲线.但我们可以从一些有关我国人口预测的资料发现这样的预测结果:在直到2030年这一段时期内,我国的人口一直将保持增加的势头,到2030年前后我国人口将达到最大峰值16亿,之后,将进入缓慢减少的过程——这是一条非单调的曲线,即说明其预测方法不是本节提到的两种方法的任何一种.还有比指数增长模型,阻滞增长模型更好的人口预测方法吗[FS:PAGE]事实上,人口的预测是一个相当复杂的问题,影响人口增长的因素除了人口基数与可利用资源量外,还和医药卫生条件的改善,人们生育观念的变化等因素有关,特别在做中短期预测时,我们希望得到满足一定预测精度的结果,比如在刚刚经历过战争或是由于在特定的历史条件下采纳了特殊的人口政策等,这些因素本身以及由此而引起的人口年龄结构的变动就会变的相当重要,进而需要必须予以考虑.一、实验目的预报人口的增长变化规律,作出较准确的预报，为以后有效的控制人口增长提供依据，为设计型实验。
人口增长模型
一、 人口增长模型： 1. 问题下表列出了中国1982—1998年的人口统计数据，取1982年为起始年（t=0），…人口自然增长率14%，以36亿作为我国的人口容纳量，是建立一个较好的数学模型并给出相从图中我们可以看到人口数在1982—1998年是呈增长趋势的，而且我们很容易发现上述图像和我们学过指数函数的图像有很大的相似性，所以我们很自然想到建立指数模型，但是指数模型有个不妥之处就是没有考虑社会因素的，即资源的有限性，也就是人口不可能无限制的增长，所以有必要改进模型，这里我们假设人口增长率随人口增加而呈线性递减，从而建立起比较优越阻滞增长模型 模型一：指数增长模型（马尔萨斯模型）1.假设：人口增长率r 是常数.2.建立模型：记时刻t=0时人口数为0X ,时刻t 的人口为X （t ）,由于量大，X （t ）可以视为连续、可微函数，t 到t+t ∆时间段人口的增量为：)()()(t rX tt X t t X =∆-∆+于是X （t ）满足微分方程：)1()0(0⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧==X X rX dt dx3.模型求解：解得微分方程（1）得： X （t ）=0X )(0t t r e- （2）表明：t ∞−→−时，t X )0.(>∞−→−r . 4.模型的参数估计要用模型2对人口进行预报，必须对其中的参数r 进行估计，这可以用表1通过Matlab 拟合： 程序：x=[1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 19971998]';X=[ones(17,1),x]Y=[101654 103008 104357 105851 107507 109300 111026 112704 114333 115823 117171 118517 119850 121121 122389 123626 124810]';[b,bint,r,rint,stats]=regress(Y,X); %回归分析b,bint,stats%输出这些值rcoplot(r,rint);%画出残差及其置信区间z=b(1)+b(2)*x;plot(x,Y,'k+',x,z,'r')，%预测及作图运行结果：b =1.0e+006 *-2.84470.0015bint =1.0e+006 *-2.9381 -2.75130.0014 0.0015stats =1.0e+005 *0.0000 0.0455 0 1.9800图1各数据点及回归方程的图形 即回归模型为：y=-2844700+1500x从上图可用看出拟和得效果比较好。
指数函数模型的生活中的例子
指数函数模型的生活中的例子指数函数模型是数学中的一种常见模型，可以用来描述某些现象或者过程的增长或衰减规律。
在我们的生活中，有许多例子都可以通过指数函数模型来解释和描述。
本文将介绍几个生活中常见的例子，并通过这些例子来理解指数函数模型的应用。
1. 人口增长模型人口增长是一个长期以来备受关注的问题。
指数函数模型可以用来描述人口增长的规律。
在指数函数模型中，人口数量随着时间的增加而指数级增长。
例如，某城市人口在初始时期为100万，年增长率为3%。
使用指数函数模型，我们可以得出人口数随时间增长的表达式为P(t) = 100万 * (1 + 0.03)^t，其中t为时间（年）。
利用这个模型，我们可以预测城市未来的人口数量，并制定合理的发展规划。
2. 财务投资模型财务投资是许多人关注的领域之一。
指数函数模型可以用来描述投资的增长规律。
例如，某投资项目的初始投资金额为1000万元，年化收益率为5%。
通过指数函数模型，我们可以计算出投资金额随时间的增长情况。
投资金额的表达式为A(t) = 1000万 * (1 + 0.05)^t，其中t为时间（年）。
利用这个模型，我们可以评估投资的回报率，并决定是否进行相应的投资。
3. 病毒传播模型疫情爆发时，病毒传播模型成为重要的研究方向。
指数函数模型可以用来描述病毒的传播速度和规模。
例如，某病毒的传染系数为1.1，即每个感染者平均会感染1.1个人。
通过指数函数模型，我们可以预测疫情的发展趋势。
疫情的增长可以用指数函数P(t) = P(0) * (1 + 1.1)^t 来描述，其中P(t)为时间t时刻的感染人数。
利用这个模型，可以对疫情的传播速度和规模进行评估，并采取相应的防控措施。
4. 化学反应速率模型化学反应速率也可以用指数函数模型来描述。
在某些反应中，反应物的浓度随着时间的推移呈指数级减少。
例如，一个化学反应的初始浓度为C0，反应速率常数为k。
反应物的浓度随时间的变化可以用指数函数模型C(t) = C0 * e^(-kt)来描述。
人口指数增长模型
《数学模型》实验报告实验名称：如何预报人口的增长成绩：____________实验日期：2009年4月22日实验报告日期：2009年4月26日人类文明发展到今天，人们越来越意识到地球资源的有限性，我们感受到”地球在变小"，人口与资源之间的矛盾日渐突出，人口问题已成为当前世界上被最普遍关注的问题之一，当然人口增长规律的发现以及人口增长的预测对一个国家制定比较长远的发展规划有着非常重要的意义•本节介绍几个经典的人口模型•3.3.1模型I:人口指数增长模型（马尔萨斯Malthus,1766--1834）1）模型假设时刻t人口增长的速率，即单位时间人口的增长量，与当时人口数成正比，即人口增长率为常数r.以P（t）表示时刻t某地区（或国家）的人口数，设人口数P（t）足够大，可以视做连续函数处理，且P（t）关于t连续可微.2）模型建立及求解据模型假设，在t到时间内人口数的增长量为5两端除以，得到5即，单位时间人口的增长量与当时的人口数成正比令，就可以写出下面的微分方程：5如果设时刻的人口数为，则满足初值问题：（1）下面进行求解，重新整理模型方程（1）的第一个表达式，可得5两端积分，并结合初值条件得显然，当时，此时人口数随时间指数地增长，故模型称为指数增长模型（或Malthus模型）.如下图3-2所示.3）模型检验19世纪以前欧洲一些地区的人口统计数据可以很好的吻合.19世纪以后的许多国家，模型遇到了很大的挑战.注意到，而我们的地球是有限的，故指数增长模型（Malthus模型）对未来人口总数预测非常荒谬,不合常理，应该予以修正•图3-24）模型讨论为了做进一步的讨论，阐明此模型组建过程中所做的假设和限制是非常必要的我们把人口数仅仅看成是时间的函数，忽略了个体间的差异（如年龄，性别，大小等）对人口增长的影响.假定是连续可微的•这对于人口数量足够大，而生育和死亡现象的发生在整个时间段内是随机的,可认为是近似成立的•人口增长率是常数，意味着人处于一种不随时间改变的定常的环境当中模型所描述的人群应该是在一定的空间范围内封闭的，即在所研究的时间范围内不存在有迁移（迁入或迁出）现象的发生.不难看出，这些假设是苛刻的，不现实的，所以模型只符合人口的过去结果而不能用于预测未来人口.3.3.2模型II:阻滞增长模型（Logistic）一个模型的缺陷，通常可以在模型假设当中找到其症结所在一一或者说，模型假设在数学建模过程中起着至关重要的作用，它决定了一个模型究竟可以走多远.在指数增长模型中，我们只考虑了人口数本身一个因素影响人口的增长速率，事实上影响人口增长的另外一个因素就是资源（包括自然资源，环境条件等因素）.随着人口的增长，资源量对人口开始起阻滞作用，因而人口增长率会逐渐下降.许多国家的实际情况都是如此.定性的分析，人口数与资源量对人口增长的贡献均应当是正向的.1）模型假设地球上的资源有限，不妨设为1;而一个人的正常生存需要占用资源（这里事实上也内在的假定了地球的极限承载人口数为）;在时刻t，人口增长的速率与当时人口数成正比，为简单起见也假设与当时剩余资源成正比；比例系数表示人口的固有增长率；设人口数P（t）足够大，可以视做连续变量处理，且P（t）关于t连续可微.2）模型建立及求解由模型假设，可将人口数的净增长率视为人口数P（t）的函数，由于资源对人口增长的限制，应是P（t）的减函数，特别是当P（t）达到极限承载人口数时，应有净增长率，当人口数P（t）超过时，应当发生负增长.基于如上想法，可令用代替指数增长模型中的导出如下微分方程模型：⑵这是一个Bernoulli方程的初值问题，其解为在这个模型中，我们考虑了资源量对人口增长率的阻滞作用，因而称为阻滞增长模型（或Logistic 模型）.其图形如图3-3所示.图3-33）模型检验从图3-3可以看出，人口总数具有如下规律:当人口数的初始值时，人口曲线（虚线）单调递减，而当人口数的初始值时，人口曲线（实线）单调递增；无论人口初值如何，当，它们皆趋于极限值.4）模型讨论阻滞增长模型从一定程度上克服了指数增长模型的不足，可以被用来做相对较长时期的人口预测,而指数增长模型在做人口的短期预测时因为其形式的相对简单性也常被采用不论是指数增长模型曲线，还是阻滞增长模型曲线，它们有一个共同的特点，即均为单调曲线. 但我们可以从一些有关我国人口预测的资料发现这样的预测结果：在直到2030年这一段时期内，我国的人口一直将保持增加的势头，到2030年前后我国人口将达到最大峰值16亿，之后，将进入缓慢减少的过程一一这是一条非单调的曲线，即说明其预测方法不是本节提到的两种方法的任何一种.还有比指数增长模型，阻滞增长模型更好的人口预测方法吗[FS:PAGE]事实上，人口的预测是一个相当复杂的问题，影响人口增长的因素除了人口基数与可利用资源量外，还和医药卫生条件的改善，人们生育观念的变化等因素有关，特别在做中短期预测时我们希望得到满足一定预测精度的结果，比如在刚刚经历过战争或是由于在特定的历史条件下采纳了特殊的人口政策等，这些因素本身以及由此而引起的人口年龄结构的变动就会变的相当重要，进而需要必须予以考虑•、实验目的预报人口的增长变化规律，作出较准确的预报，为以后有效的控制人口增长提供依据，为设计型实验。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
指数函数的数据拟合
世界人口预测问题
下表给出了本世纪六十年代世界人口的统计数据(单位：亿)
年1960 1961 1962 1963 1964 1965 1966 1967 1968
人口
有人根据表中数据，预测公元2000年世界人口会超过60亿。
这一结论在六十年代末令人难以置信，但现在已成为事实。
试建立数学模型并根据表中数据推算出2000年世界人口的数量。
根据马尔萨斯人口理论，人口数量按指数递增的规律发展
人口问题是当今世界各国普遍关注的问题，认识人口数量的变化规律，可以为有效控制人口增长提供依据。
早在1798年，英国经济学家马尔萨（就提出了自然状态下的人口增长模型：
rt
y
e
y
其中t表示经过的时间，0y表示t＝0时的人口数，r
1
2
表示人口的年平均增长率。
表3是1950～1959年我国的人口数据资料：
年份
1950 1951 1952 1953 1954 1955 1956 1957 1958 1959
人数／万人 55196 56300 57482 58796 60266 61456 62828 64563 65994 67207
t
0 1 2 3 4 5 6 7 8 9
(1)如果以各年人口增长平均值作为我国这一时期的人口增长率（精确到），用马尔萨斯人口增长模型建立我国在这一时期具体人口增长模型，并检验所得模型与实际人口数据是否相符;
解：设1951~1959
年的人口增长率分别为
于是, 1951~1959年期间,我国人口的年均增长率为
由图4可以看出,所得模型与1950~1959年的实际人口数据基本吻合。
0.022155196..
t y e t N =∈129(...)90.0221
r r r r =+++÷≈129r ,r ,......,r .1
55196(1)56300,1951,
r +=≈≈≈≈≈≈≈≈≈1
2
345
67
8
9
可得年的人口增长率r 0.0200.同理可得r 0.0210,r 0.0229,r 0.0250,r 0.0197,r 0.0223,r 0.0276,r 0.0222,r 0.0184.
55196,1950~1959y =令则我国在年期间的人口增长模型为
3
（2）如果按表3的增长趋势，大约在哪一年我国的人口达到13亿？ 将y=130000代入
由计算可得3976.38≈≈t
所以,如果按表3的增长趋势,那么大约在1950年后的第39年(即1989年)我国的人口就已达到13亿.由此可以看到,如果不实行计划生育,而是让人口自然增长,今天我国将
面临难以承受的人口压力.
根据表格3中的数据作出散点图,并作出函数
图4
0.022155196..
t y e t N =∈
function y=ys1(a,t)
y=55196*exp(a*t);
t=[0:9];
y=[55196 56300 57482 58796 60266 61456 62828 64563 65994 67207]; a0=[1];
[a,res]=lsqcurvefit('ys1',a0,t,y)
t1=[0::9];
y1=55196*exp*t1);
plot(t1,y1,t,y,'*')
4
例1已知1790—1990年间美国每隔十年的人口记录如下：(人口单位：106)
年1790 1800 1810 1820183018401850人口
年1860187018801890190019101920人口7692
年1930194019501960197019801990人口204
用以上数据检验Malthus人口(指数)增长模型
方法一
(1)编写函数M文件fit1（图1）
function y=fit1(a,t)
y=*exp(a*(t-1790));
rt
e
y
y
(2)输入并运行如下命令
t=1790:10:1990;
y=[,,,,,,,,,,,76,92,,,,,, 204, ,];
a0=; [a,res]= lsqcurvefit('fit1',a0,t,y) a = res = +004
5
（或t=1790:10:1990;
y=[,,,,,,,,,,,76,92,,,,,, 204, ,];
f=inline('*exp(a*(t-1790))','a','t'); [a,res]=lsqcurvefit(f, ,t,y)
人口增长模型的图形显示
ti=1790:1990; yi=*exp(a*(ti-1790)); plot(t,y,'o',ti,yi)
（图
1
）
6
方法二
(1)编写函数M文件fit1(图2)
rt
e
y
y
0 =
function y=fit1(a,t)
y=a(1)*exp(a(2)*(t-1790));
(2)输入并运行如下命令
t=1790:10:1990;
y=[,,,,,,,,,,,76,92,,,,,, 204, ,];
a0=[0,0]; [a,res]= lsqcurvefit('fit1',a0,t,y) a =
rt
e
y
y
=
res =+003
人口增长模型的图形显示
ti=1790:1990; yi=a(1)*exp(a(2)*(ti-1790));
plot(t,y,'o',ti,yi)
gtext('人口指数函数') %注释
(或t=1790:10:1990;
y=[,,,,,,,,,,,76,92,,,,,, 204, ,];
[c,d]=solve('c*exp(d*10)=','c*exp(d*20)=','c','d')
f=inline('a(1)*exp(a(2)*(t-1790))','a','t');
7
[a,res]=lsqcurvefit(f,[,],t,y)）
a=
res =
+003
300
250
200
150
100
50
（图2）8
（图1）（图2）9。