malthus人口模型_第1页
malthus人口模型_第2页
malthus人口模型_第3页
malthus人口模型_第4页
malthus人口模型_第5页
已阅读5页,还剩4页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、常微分方程在数学建模中的应用 这里介绍几个典型的用微分方程建立数学模型的例子 一、人口预测模型 由于资源的有限性,当今世界各国都注意有计划地控制人口的增长,为了得到人口预测 模型,必须首先搞清影响人口增长的因素,而影响人口增长的因素很多,如人口的自然出生 率、人口的自然死亡率、人口的迁移、自然灾害、战争等诸多因素,如果一开始就把所有因 素都考虑进去,则无从下手.因此,先把问题简化,建立比较粗糙的模型,再逐步修改,得到较完善的模型. 例 1(1(马尔萨斯(Malthus)(Malthus)模型)英国人口统计学家马尔萨斯(17661766- -1834)1834)在担任牧师期间,查看了教堂 100

2、100 多年人口出生统计资料,发现人口出生率是一个常数,于 17891789 年在人口原理一书中提出了闻名于世的马尔萨斯人口模型,他的基本假设是:在人口自 然增长过程中,净相对增长(出生率与死亡率之差)是常数,即单位时间内人口的增长量与人口成正比,比例系数设为r,在此假设下,推导并求解人口随时间变化的数学模型. 解设时刻t的人口为N(t),把N(t)当作连续、可微函数处理(因人口总数很大,可 近似地这样处理,此乃离散变量连续化处理),据马尔萨斯的假设,在t至Utt时间段内,人 口的增长量为 N(tt)N(t)rN(t)t, , 并设tt时刻的人口为NO,于是 dtN(to)NO. 这就是马尔萨

3、斯人口模型,用分离变量法易求出其解为 N(t)Noer(tt0), ,此式表明人口以指数规律随时间无限增长. . 模型检验:据估计 19611961 年地球上的人口总数为3.06109, ,而在以后 7 7 年中,人口总数 以每年 2%2%勺速度增长,这样t01961, ,N03.06109, ,r0.02,于是 N(t)3.06109e0.02(t1961). . 这个公式非常准确地反映了在 1700170019611961 年间世界人口总数.因为,这期间地球上的人 口大约每 3535 年翻一番,而上式断定 34.634.6 年增加一倍(请读者证明这一点). 但是,后来人们以美国人口为例,用

4、马尔萨斯模型计算结果与人口资料比较,却发现有很 大的差异,尤其是在用此模型预测较遥远的未来地球人口总数时,发现更令人不可思议的问 题,如按此模型计算,到 26702670 年,地球上将有 3600036000 亿人口.如果地球表面全是陆地(事实上,地球表面还有 80%M80%M 水覆盖),我们也只得互相踩着肩膀站成两层了,这是非常荒谬的,因此, 这一模型应该修改. 例 2 2(逻辑 LogisticLogistic 模型)马尔萨斯模型为什么不能预测未来的人口呢?这主要是地 球上的各种资源只能供一定数量的人生活,随着人口的增加,自然资源环境条件等因素对人 口增长的限制作用越来越显著,如果当人口较

5、少时,人口的自然增长率可以看作常数的话,那 么当人口增加到一定数量以后,这个增长率就要随人口的增加而减小.因此,应对马尔萨斯模 型中关于净增长率为常数的假设进行修改. . 18381838 年,荷兰生物数学家韦尔侯斯特(Verhulst)(Verhulst)引入常数Nm, ,用来表示自然环境条件 所能容许的最大人口数(一般说来,一个国家工业化程度越高,它的生活空间就越大,食物就 越多,从而Nm就越大),并假设将增长率等于r1Nt),即净增长率随着N(t)的增加而Nm 减小,当N(t)Nm时,净增长率趋于零,按此假定建立人口预测模型 解由韦尔侯斯特假定,马尔萨斯模型应改为 dN r dt 上式就

6、是逻辑模型,该方程可分离变量,其解为, 卜面,我们对模型作一简要分析 ,N(t)Nm,即无论人口的初值如何,人口总数趋向于极限值Nm; (2)当0NNm时,dNr1N0,这说明N(t)是时间t的单调递增函dtNm 0,dN单减,即人口增长率型由增变减,在-Nm处最大,也就是说dtdt2 在人口总数达到极限值一半以前是加速生长期,过这一点后,生长的速率逐渐变小,并且迟早 会达到零,这是减速生长期; (4)(4)用该模型检验美国从 17901790 年到 19501950 年的人口,发现模型计算的结果与实际人口 在 19301930 年以前都非常吻合,自从 19301930 年以后,误差愈来愈大,

7、一个明显的原因是在 2020 世纪 6060 年代美国的实际人口数已经突破了2020 世纪初所设的极限人口. .由此可见该模型的缺点之一是Nm不易确定,事实上,随着一个国家经济的腾飞,它所拥有的食物就越丰富,Nm的值 也就越大; (5)(5)用逻辑模型来预测世界未来人口总数.某生物学家估计,r0.029, ,又当人口总数N, N(t0) No N(t)- 1 Nm Nm1er(tto) N7 (3)(3)由于 d2N dt2 r21儿1型N,所以当N NmNm Nm m时, 2 d2N dt2 -dN的,0,单增; dt 2 电时,驾 2dt2 为3.06109时,人口每年以 2%2%勺速率增

8、长,由逻辑模型得 1dNNdt 即0.020.0291 从而得Nm9.86 即世界人口总数极限值近 100100 亿. 值得说明的是:人也是一种生物,因此,上面关于人口*II型的讨论,原则上也可以用于在自然环境下单一物种生存着的其他生物,如森林中的树木、池塘中的鱼等,逻辑模型有着广泛的应用. 二、市场价格模型 对于纯粹的市场经济来说,商品市场价格取决于市场供需之间的关系,市场价格能促使 商品的供给与需求相等(这样的价格称为(静态)均衡价格).也就是说,如果不考虑商品价格形成的动态过程,那么商品的市场价格应能保证市场的供需平衡,但是,实际的市场价格不会 恰好等于均衡价格,而且价格也不会是静态的,

9、应是随时间不断变化的动态过程. 例 3 3 试建立描述市场价格形成的动态过程的数学模型 解假设在某一时刻t,商品的价格为p(t),它与该商品的均衡价格间有差别,此时,存 在供需差,此供需差促使价格变动.对新的价格,又有新的供需差,如此不断调节,就构成市场价格形成的动态过程,假设彳格p(t)的变化率曳与需求和供给之差成正比,并记f(p,r) dt 为需求函数,g(p)为供给函数(r为参数),于是 dpf fp,rgpdt p(0)PO, 其中a,b,c,d均为正常数,其解为 N 1- Nm 9 3.06109 Nm 109, , 其中p0为商品在t0时亥I的价格, 为正常数. 若设f(p,r)a

10、pb, ,g(p) cpd,则上式变为 dpdt (ac)p(bd), P(0)PO, P(t) bd(ac)tbd POe 100(32)t 2dt,这样即可列出方程 下面对所得结果进行讨论: (1)(1)设 p p 为静态均衡价格,则其应满足 f(6,r)g(p)0, , 即apbcpd, , 一bd 于得p,从而价格函数p(t)可写为 ac P(t)(PoP)e(ac)tp, 令t,取极限得 tlimp(t)p 这说明,市场价格逐步趋于均衡价格.又若初始价格p0p,则动态价格就维持在均衡价格 P P 上,整个动态过程就化为静态过程; (2)(2)由于 dp(ac)t (ppo)(ac)e

11、, ,dt 所以,当p0p时,dp0, ,p(t)单调下降向p靠拢;当p06时,dp0, ,p(t)单调增 dtdt 加向p靠拢.这说明:初始价格高于均衡价格时,动态价格就要逐步降低,且逐步靠近均衡价 格;否则,动态价格就要逐步升高.因此,式在一定程度上反映了价格影响需求与供给,而需 求与供给反过来又影响价格的动态过程,并指出了动态价格逐步向均衡价格靠拢的变化趋 势. 三、混合溶液的数学模型 例 4 4 设一容器内原有 100L100L 盐, 内含有盐 10kg,10kg,现以 3L/min3L/min 的速度注入质量浓度为 0.01kg/L0.01kg/L 的淡盐水,同时以 2L/min2L

12、/min 的速度抽出混合均匀的盐水,求容器内盐量变化的数学模型. 解设t时刻容器内的盐量为x(t)kg,kg,考虑t到tdt时间内容器中盐的变化情况,在dt 时间内 容器中盐的改变量注入的盐水中所含盐量一抽出的盐水中所含盐量 容器内盐的改变量为dx, ,注入的盐水中所含盐量为0.013dt, ,t时刻容器内溶液的质 量浓度为必,假设t至ijtdt时间内容器内溶液的质量浓度不变(事实上,容器内 100(32)t 的溶液质量浓度时刻在变,由于dt时间很短,可以这1看).于是抽出的盐水中所含盐量为 2x dx0.03dtdt, , 100t x(0)10, 这是一阶非齐次线性方程的初值问题,其解为

13、时,p(t)0.01,即长时间地进行上述稀释过程,容器内盐水的质量浓度将趋 于注入溶液的质量浓度 溶液混合问题的更一般的提法是:设有一容器装有某种质量浓度的溶液,以流量V1注入质量浓度为C1的溶液(指同一种类溶液,只是质量浓度不同),假定溶液立即被搅匀,并以 V2的流量流出这种混合溶液,试建立容器中质量浓度与时间的数学模型. . 首先设容器中溶质的质量为x(t), ,原来的初始质量为x0, ,t=0=0 时溶液的体积为V2, ,在 d dt时间内,容器内溶质的改变量等于流入溶质的数量减去流出溶质的数量,即 dxCMdtC2V2dt, , 其中C1是流入溶液的质量浓度,C2为t时刻容器中溶液的质

14、量浓 该模型不仅适用于液体的混合 四、振动模型 C1VlC2V2, dt1122 x(0)x0. 而且还适用于讨论气体的混合度,C2 V0(V1V2)t 于是,有混合溶液的数学模型 dt 又因为t0时,容器内有盐 100t 10kg,kg,于是得该问题的数学模型为 dx2xdt100 0.03, x(t)0.01(100t) 9104 (100t)2 卜面对该问题进行一下简单的讨论 ,由上式不难发现:t时刻容器内溶液的质量浓度为 P(t) x(t) 100t 0.01 9104 (100t)3 且当t 振动是生活与工程中的常见现象.研究振动规律有着极其重要的意义.在自然界中,许多 振动现象都可

15、以抽象为下述振动问题. . 例 5 5 设有一个弹簧,它的上端固定,下端挂一个质量为m的物体,试研究其振动规律. . 解假设(1 1)物体的平衡位置位于坐标原点,并取 x x 轴的正向铅直向下(见图 4 4). .物体的平衡位置指物体处于静止状态时的位置.此时,作用在物体上的重力与弹性力大小相等,方向相反;(2 2)在一定的初始位移 x x0及初始速度 V V0下,物体离开平衡位置,并在平衡位置附 物体在t时刻的位置坐标为xx(t),即t时刻物体偏离平衡 这就是该物体的强迫振动方程 或将其写为 近作没有摇摆的上下振动;(3 3) 位置的位移;(4 4)在振动过程中 是与速度方向相反,因此阻力为

16、 的弹簧恢复力是与位移成正比的 ,受阻力作用.阻力的大小与物体速度成正比,阻力的方向总 dx h一,h为阻尼系数;(5)当质点有位移x(t)时,假设所受dt ,而恢复力的方向总是指向平衡位置,也就是总与偏离平衡 位置的位移方向相反,因此所受弹簧恢复力为kx,其中k为劲度系数; (6 6)在振动过程中 受外力f(t)的作用.在上述假设下,根据牛顿第二定律得 d2x m-亍 dt2 h空dt kxf(x), 由于方程中,f(t)的具体形式没有给出 ,所以,不能对式 直接求解.下面我们分四种情形对其进行讨论 1.1.无阻尼自由振动 在这种,f f# #况下,假定物体在振动过程中作用.此时方程变为 ,

17、既无阻力、又不受外力 lx 2,方程变为 特征方程为 特征根为 1,2 通解为 d2xm2 dt2 d2xdt2 C1sint kx C2cos 2sint 2 1c2尸cost CIC2 x(C1C2t)e 这两种情形,由于阻尼比较大,都不发生振动.当有一初始扰动以后,质点慢慢回到平衡位置,位移随时间t的变化规律分别如图 5 5 和图 6 6 所示. 图5图6 (3)(3)小阻尼情形,.特征根为共轲复根,通解为Acossint sin cost Asin(t) 其中AC2C2,sin C2 C2C; ,cos C1 C12C2 这就是说,无阻尼自由振动的振幅 A v-Ci2C;,频率 k I

18、 I均为常数. m 2.2.有阻尼自由振动 在该种,f f# #况下,考虑物体所受到的阻力 ,不考虑物体所受的外力.此时,方程变为 特征方程为 为如下三种情形: (1)(1)大阻尼情形, d2x m-5 dt2 ,dx h- dt kx 0, , ,方程变为 d2xdt2 dxdt 2x0, , 1,2 .特征根为二不等实根 ,通解为 (2)(2)临界阻尼情形, 2.根据与的关系,又分 xC1e( 22)tC;e( .特征根为重根,通解为 22)t xet(C1sin.22tC2sin,22t) 将其简化为 xAetsin(.22t) 其中 A1cl2C22,sin,C2,cosC1,振幅Ae,随时间t的增加而 2222 .;CiC2;CiC2 减小.因此,这是一种衰减振动. .位移随时间t的变化规律见图 7.7. 3

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论