(5.6.5)-4.3 确定人口预测模型参数的方法

红色字体表示在屏幕上需要体现的文字内容，与语音同时出现黄底色红字表示用素材（图片、表格、公式等）展示并显示文字黄底色黑字表示用素材（图片、表格、公式等）展示，文字不用显示灰底色删除线表示删除的文字批注制作的意见或重点文字的提炼蓝色字体制作的意见或说明绿色字体表示讲稿存疑之处，需要与老师进行沟通如无特殊说明，上屏文字均为：思源宋体CNSemiBold脚本-确定人口预测模型参数的方法（ppt1ppt2）同学，你好，这节课我们讲授确定人口预测模型参数的方法。（ppt3）我们先来讲讲人口常微分方程参数确定的思想。（ppt4）我们先讲含参数微分方程的基本形式，如图所示，（动画1）假定有n组观测数据ti和xi，（动画2）含参数的微分方程表示为：x对t的导数等于f(t,x,λ_1,λ_2,…,λ_m).（动画3）我们要求根据观测数据，确定微分方程的参数λ_1,λ_2,…,λ_m。（ppt5）下面我们重点讲述如何构建目标函数，得到最优参数。（动画1，2）第一步：利用x的差商近似代替x的导数，于是我们可以得到原方程的近似。（动画3）第二步：确定残差，我们利用上面方程的左边减去右边，然后代入观测数据的值，得到观测点对应的残差。（动画4）第三步：要确定未知参数λ_i的值(i=1,2,…,m)，可根据最小二乘法来处理。（动画5）即确定λ_i使残差的r_i的平方和达到最小，即sigamai从1到n，r_i的平方到达最小，利用优化算法把该目标函数的解求解出来，就是我们要确定的参数。（ppt6）下面讲述人口Logistic模型参数的确定（ppt7）（动画1）我们先回顾一下人口Logistic模型：（动画2）x对t的导数等于r乘以括号1减去x除以xm括号乘以x,（动画3）这里r为人口的固有增长率，（动画4）xm为自然、资源等环境容许的最大人数。（动画5，6）这两个参数是需要求的。具体如何求解呢？（ppt8）（动画1）首先，我们利用x(t+detat)-x(t),再除以detat近似x对t的导数，然后代入方程就得到方程的离散格式：（动画2）x(t+detat)-x(t),再除以detat近似等于r乘以x(t)，减去r除以xm乘以x(t)的平方。（动画3）然后令r除以xm等于s.（动画4）我们把n个观测值代入离散的方程得到n个方程组成的线性方程组。其中r,s为未知待求的参数。（ppt9）（动画1）接下来利用最小二乘法确定Logistic模型的参数。（动画2,3）我们记未知量系数组成的矩阵为A，r,s组成的未知向量记为U，常数项记为b,方程组可以写为矩阵形式：AU=b.（动画4）在矩阵方程的两边乘以A的转置，得到A的转置乘以AU=A的转置乘以b，（动画5）最后，方程两边乘以括号A的转置乘以A括号的逆。就可以求出未知向量U。（ppt10）（动画1）下面我们讲述Logistic模型具体的应用，利用表1给出的近两个世纪的美国人口统计数据（以百万为单位），即1790年到2000的人口数据，建立人口预测模型，最后用它预报2010年美国的人口，具体的数据如表所示。（ppt11）（动画1）我们根据上面的步骤，（动画2）求得r=0.0274,xm=342.4395,（动画3）在预测图中，橙色表示实际数据，蓝色表示预测数据，从预测效果来看，模型预测结果是比较好的，（动画4）Logistic模型预测结果明显优于Malthus模型预测结果。（ppt12）Logistic模型是一个线性优化问题，如果是比较复杂的非线性优化，需要利用其它的优化方法，下面我们讲讲优化方法的进展。（ppt13）（动画1）我们在优化算法中讲的最速下降法，共轭梯度法，牛顿法等是可以用来求解非线性优化的。还有一类重要的优化方法——智能算法。（动画2-8）主要包括：遗传算法、禁忌搜索、模拟退火、蚁群算法、粒子群算法、捕食搜索、人工神经网络等。这些方法主要模仿人类和自然的现象。（动画9）例