准备工作

题目

人口增长模型的确定
1790-1980年间美国每隔10年的人口记录如下表所示。
1.试用以上数据建立马尔萨斯(Malthus)人口指数增长模型，并对接下来的每隔十年预测五次人口数量，并查阅实际数据进行比对分析。
2.如果数据不相符，再对以上模型进行改进，寻找更为合适的模型进行预测，并对两次预测结果进行对比分析。
3.查阅资料找出中国人口与表1同时期的人口数量，用以上建立的两个模型进行人口预测与分析。

理解算法

http://www.doc88.com/p-773826839689.html
http://www.docin.com/p-938750966.html
https://wenku.baidu.com/view/df497b3410661ed9ad51f36f.html

参考代码

http://www.doc88.com/p-414778587173.html

难点、问题

http://www.docin.com/p-938750966.html 中公式4到公式5的推导 — 未解决
已知公式5，和表格数据，怎么求出r与Xm。— 已知公式+数据，求参数（即拟合问题）
预测是指数增长，真实数据不是指数增长。

实现算法

##马尔萨斯

clear;
clc;%% ---------------------------------------------------
% 马尔萨斯1:求模型
% ------------------------------------------------------------
t = (0:19);                 % 1790-1980 共20年
x = [3.9, 5.3,  7.2,  9.6,   12.9,  17.1,  23.2,  31.4,  38.6,  50.2, 62.9, 76.0, 92.0, 106.5, 123.2, 131.7, 150.7, 179.3, 204.0, 226.5];
subplot(1, 2, 1);
plot(t, x, ' o');
y = log(x);
p = polyfit(t, y, 1)        % 求出p, y = p[1] * t + p[2]
% 得到，p[1] = 0.2142, p[2] = 1.7213
% 所以，x0 = e^p[2] = e^1.7213 = 5.5917
x0 = exp(p(2))
% 所以，x(t) = 5.5917 * e^0.2142t%% ---------------------------------------------------
% 马尔萨斯2:预测
% ------------------------------------------------------------
tPredict = (20:24);
xPredict = 5.5917 * exp(0.2142 * tPredict);
subplot(1, 2, 2);
plot([t,tPredict], [x , xPredict], ' *');
% xPredict = [405, 502, 622, 771, 955]

##logistic 阻滞增长
已知公式+数据，求参数（即拟合问题）

clear
clc% 准备数据
t = (0:19);                 % 1790-1980 共20年
x = [3.9, 5.3,  7.2,  9.6,   12.9,  17.1,  23.2,  31.4,  38.6,  50.2, 62.9, 76.0, 92.0, 106.5, 123.2, 131.7, 150.7, 179.3, 204.0, 226.5];
plot(t, x, ' o');
hold on;% 已知x(0) = 3.9
myfunc = @(a, t)[a(1) / ((1 + a(1) / 3.9) - 1) * exp(-a(2) * (t - 0))];
a0 = [500, 1];
a = lsqcurvefit(myfunc, a0, t, x);
disp(['a= ' num2str(a)]);atPredict = (20:24);
xPredict = myfunc(a, tPredict);
plot([t, tPredict], [x, xPredict], ' *r');

题目其他要求

对比真实数据

真实数据1
真实数据2
对比以后发现并不理想，下午继续看。

数学建模2-美国人口增长模型的确定相关推荐

【Python数学建模】SEIR传染病模型模型延伸-SEIDR模型（一），加入疫苗接种、政府管控、病毒变异等因素的影响
目录一. SEIR传染病模型二. SEIR模型的延伸--SEIDR模型三. 模型延伸--影响因素1:疫苗接种四. 模型延伸--影响因素2:政府管控五. 模型延伸--影响因素3:病毒变异写在 ...
数学建模学习记录——数学规划模型
数学建模学习记录--数学规划模型一.线性规划问题 MatLab中线性规划的标准型 MatLab中求解线性规划的命令二.整数线性规划问题三.非线性规划问题 MatLab中非线性规划的标准型 Mat ...
Python小白的数学建模课-09.微分方程模型
小白往往听到微分方程就觉得害怕,其实数学建模中的微分方程模型不仅没那么复杂,而且很容易写出高水平的数模论文. 本文介绍微分方程模型的建模与求解,通过常微分方程.常微分方程组.高阶常微分方程 3个案例手 ...
dna序列分类数学建模matlab,数学建模DNA序列分类模型(终稿).doc
您所在位置:网站首页 > 海量文档 &nbsp>&nbsp高等教育&nbsp>&nbsp生物学数学建模DNA序列分类模型(终稿).doc32页本文 ...
【数学建模】常用微分方程模型 + 详细手写公式推导 + Matlab代码实现
文章目录一.学习内容二.学习时间三.学习产出 3.1 微分方程基本概念 3.2 微分方程在数学建模中的应用 3.3 微分方程常用模型 3.3.1 人口增长模型 3.3.1.1 指数增长模型(马尔 ...
【数学建模】种群竞争模型（最优化）
文章目录一.算法介绍二.适用问题三.算法总结 1.竞争模型四.应用场景举例五.MATLAB代码六.实际案例七.论文案例片段(待完善) 种群竞争模型主要针对数学建模问题中的一些小的子问题进 ...
2023电工杯数学建模B题思路模型
文章目录 0 赛题思路 1 竞赛信息 2 竞赛时间 3 组织机构 4 建模常见问题类型 4.1 分类问题 4.2 优化问题 4.3 预测问题 4.4 评价问题 0 赛题思路 (赛题出来以后第一时间在C ...
2023电工杯数学建模A题思路模型代码
占个位置吧,开始在本帖实时更新电工杯数学建模赛题思路代码,文章末尾获取! A题思路分析问题一:1典型住户电采暖负荷用电行为分析 (1)在满足温控区间约束条件下,分析典型房间温变过程微分方程稳态解的性 ...
2023第十五届电工杯数学建模AB题思路模型
文章目录 0 赛题思路 1 竞赛信息 2 竞赛时间 3 组织机构 4 建模常见问题类型 4.1 分类问题 4.2 优化问题 4.3 预测问题 4.4 评价问题 0 赛题思路 (赛题出来以后第一时间在C ...
数学建模--时间序列分析、模型预测
学习自:b站清风数学建模第1部分_时间序列分析的概念与时间序列分解模型时间序列时间序列的基本概念区分时期和时点序列时期序列适用于灰色预测模型时间序列分解时间要小于1年,才能进行时间序列 ...

数学建模2-美国人口增长模型的确定