Logistics人口模型
以Logistics模型为基础的人口模型优化。
3.1 Logistic模型
1. function Population_1
2. %t:时间(年)
3. %p:各年人口总数(万人)
4. %pm:最大人口容量
5. %r:人口增长率
6. t = [1961:1:2020];
7. p =[65859,67296,69172,70499,72538,74542,76368,78534,80671,82992,85229,87177,89211,90859,92420,93717,94974,96259,97542,98705,100072,101654,103008,104357,105851,107507,109300,111026,112704,114333,115823,117171,118517,119850,121121,122389,123626,124761,125786,126743,127627,128453,129227,129988,130756,131448,132129,132802,133450,134091,134916,135922,136726,137646,138326,139232,140011,140541,141008,141178];
8. p0=p(1);
9.
10. %方程(5)的拟合
11. r=polyfit(p(2:end),diff(p)./(p(2:end)),1);
12. pm=-r(2)/r(1);
13. r0=r(2);
14.
15. %拟合数据与实际数据的误差
16. f=@(t)pm./(1+(pm/p0-1)*exp(-r0*(t-1961)));
17. err=norm(f(t)-p);
18.
19. %绘图
20. clf
21. fplot(f,[1961,2050],'b')
22. hold on
23. plot(t,p,'*')
24. axis([1961,2050,60000,pm])
25. xlabel("时间T");ylabel("人口总数(万人)");
3.2改进后的Logistic模型
26. function Population_2
27. %t:时间(年)
28. %p:各年人口总数(万人)
29. %pm:最大人口容量
30. t = [1961:1:2020];
31. p =[65859,67296,69172,70499,72538,74542,76368,78534,80671,82992,85229,87177,89211,90859,92420,93717,94974,96259,97542,98705,100072,101654,103008,104357,105851,107507,109300,111026,112704,114333,115823,117171,118517,119850,121121,122389,123626,124761,125786,126743,127627,128453,129227,129988,130756,131448,132129,132802,133450,134091,134916,135922,136726,137646,138326,139232,140011,140541,141008,141178];
32. p0 = p(1);
33.
34. % φ(x)的拟合
35. r_x=polyfit(p(2:end),diff(p)./p(2:end),1);
36. pm = -r_x(2)/r_x(1);
37.
38. %方程(10)的拟合
39. y=-log((pm*p0-p*p0)./(pm*p-p*p0));
40. k=polyfit(t-1961,y,3); %以3次多项式拟合
41.
42. %拟合数据与实际数据的误差
43. f=@(t)pm./(1+exp(-polyval(k,t-1961))*(pm/p0-1));
44. err=norm(f(t)-p);
45.
46. %绘图
47. clf
48. fplot(f,[1961,2050],'b')
49. hold on
50. plot(t,p,'*')
51. axis([1961,2050,60000,pm])
52. xlabel("时间T");ylabel("人口总数(万人)");
Logistics人口模型相关推荐
- Logistics回归模型
二分类资料logistics回归: 因变量为二分类变量的资料(一般为0,1分类),可用非条件logistics回归和条件logistics回归进行分析.非条件logistics回归多用于非配比研究资料 ...
- logistics回归模型的原理和实现
机器学习基础(七) Logistics回归 原理 代码实现 Logistics回归 原理 Logistics回归是统计学习中的经典分类方法,是一种广义的线性回归模型.它经常被使用于二分类问题的解决上, ...
- 数学建模-人口模型Logistic模型与 Malthus模型
一.问题及重述:下表是中国人口数据,请根据这些数据建立适当的数学模型对其进行描述,并预测2002.2003.2004年的中国人口数. 给出模型,求解代码及必要的图形,误差分析结果. 重述: 选取合适的 ...
- 【人口模型】基于Logistic模型与Malthusian模型预测人口
基于Logistic模型与Malthusian模型预测人口 1 逻辑斯特模型(Logistic) 1.1 简介 1.2 案例 2 马尔萨斯模型(Malthusian) 2.1 简介 2.2 案例 参考 ...
- 宋健人口模型 matlab,船舶动力定位系统波浪扰动仿真_宋健
第37卷 第4期大连海事大学学报Vol.37 No.4 2011年11月Journal of Dalian Maritime University Nov., 2011 文章编号:1006-7736( ...
- 用python对人口模型数据拟合_万字案例 | 用Python建立客户流失预测模型(含源数据+代码)...
1.采集数据 本数据集来自DF ,数据源地址: https://www.datafountain.cn/dataSets/35/details# 本数据集描述了电信用户是否流失以及其相关信息,共包含7 ...
- 建模方法(十二)-一个实例说明微分方程建模(logistic人口模型)
使用微分方程建模,实质就是利用变化率求解未知函数实现建模. 先理解凹凸函数概念:一阶导数是斜率,二阶导数判断凹凸性也就是说,二阶导数,是描述斜率增长快慢的从形状上可以区分函数的凹凸性质二阶导数大于0, ...
- Logistics模型预测银行贷款违约
转载自:https://blog.csdn.net/huozi07/article/details/50451078 logistic回归又称logistic回归分析,是一种广义的线性回归分析模型,常 ...
- 人口增长模型_未来中国近一半人口将生活在20强城市,这是异想天开还是大势所趋?...
原文链接:未来中国近一半人口将生活在20强城市,这是异想天开还是大势所趋? 山川网:按照国际通行划分标准,当一个国家或地区65岁及以上人口占比超过7%时,意味着进入老龄化:达到14%,为深度老龄化:超 ...
- 马尔萨斯 ( Malthus)人口指数增长模型Logistic 模型
3.要求与任务 从 1790 - 1990 年间美国每隔 10 年的人口记录如下表所示: 用以上数据检验马尔萨斯 ( Malthus)人口指数增长模型,根据检验结果进一步讨论马尔萨斯 人口模型的改进, ...
最新文章
- 2014/12/05 随笔 2014-12-05 12:50 26人阅读 评论(0) 收藏...
- .net微软消息队列(msmq)简单案例
- SAP云平台cf push命令报错的解决方法
- 支付宝五福53张自动领取程序 v2021
- 软件测试工程师-软件测试基本介绍
- linux 线程退出资源回收,有关linux线程资源回收的有关问题
- gperftools
- Ping 命令完全讲解
- Linux-2.6.32 NUMA架构之内存和调度
- 软件功能个性定制思维顺序
- 代码制作数字流星雨_C语言实现流星雨
- K8S入门系列(1)-Windows10安装Docker,配置阿里云加速器
- 高斯过程回归(Gaussian process regression)原理详解及python代码实战
- 计算机动画设计论文,计算机动画设计论文.docx
- 入门HTML之表格属性bgcolor background bordercolor(light dark)
- HTML 编辑器-网页制作是用什么来做的?-2
- linux小记 查看dd进度,linux小记:查看dd进度
- 2021-10-11 今日总结
- python中的可迭代是什么意思_Python可迭代跟迭代器的区别
- python list转josn,以及读写txt、json文件