4。 模型讨论
为了做进一步的讨论,阐明此模型组建过程中所作的假设和限制是非常必要的。
(1) 我们把人口数仅仅看成是时间t的函数P(t),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。
(2) 假定P(t)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。
(3) 人口增长率是常数r,意味着人处于一种不随时间改变的定常的环境当中。
(4) 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。
模型二阻滞增长模型(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
(1) 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1P*(这里事实上也内在的假定了地球的极限承载人口数为P*);
(2) 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s=1-PP*成正比;比例系数r*表示人口的固有增长率;
(3) 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r视为人口数P(t)的函数,由于资源对人口增长的限制,r(P)应是P(t)的减函数,特别是当P(t)达到极限承载人口数P*时,应有净增长率r(P)=0,当人口数P(t)超过P*时,应当发生负增长。基于如上想法,可令
r(P)=r*·s=r*·(1-PP*)。
用r(P)代替指数增长模型中的r导出如下微分方程模型:
dPdt=r*·P·(1-PP*)
P(t0)=P0(3。10)
这是一个Bernoulli方程的初值问题,其解为
P(t)=P*1+P*P0-1·e-r*·(t-t0)。
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32所示。
图32Logistic模型
3。 模型检验
从图32可以看出,人口总数具有如下规律:
当人口数的初始值P0P*时,人口曲线(虚线)单调递减,而当人口数的初始值P0