Leslie模型(数学建模)
leslie人口增长模型
人口增长预测模型摘要本文建立了我国人口增长的预测模型，对各年份全国人口总量增长的中短期和长期趋势作出了预测，并对人口老龄化、人口抚养比等一系列评价指标进行了预测。
最后提出了有关人口控制与管理的措施。
模型Ⅰ：建立了Logistic人口阻滞增长模型，利用附件2中数据，结合网上查找补充的数据，分别根据从1963年、1980年、2005年到2012年四组总人口数据建立模型，进行预测，把预测结果与附件1《国家人口发展战略研究报告》中提供的预测值进行分析比较。
得出运用1980年到2005年的总人口数建立模型预测效果好，拟合的曲线的可决系数为0.9987。
运用1980年到2005年总人口数据预测得到2010年、2020年、2033年我国的总人口数分别为13.55357亿、14.18440亿、14.70172亿。
模型Ⅱ：考虑到人口年龄结构对人口增长的影响，建立了按年龄分布的女性模型（Leslie模型）：以附件2中提供的2001年的有关数据，构造Leslie矩阵，建立相应Leslie模型；然后，根据中外专家给出的人口更替率1.8，构造Leslie矩阵，建立相应的 Leslie模型。
首先，分别预测2002年到2050年我国总人口数、劳动年龄人口数、老年人口数（见附录8），然后再用预测求得的数据分别对全国总人口数、劳动年龄人口数的发展情况进行分析，得出：我国总人口在2010年达到14.2609亿人，在2020年达到14.9513亿人，在2023年达到峰值14.985亿人；预测我国在短期内劳动力不缺，但须加强劳动力结构方面的调整。
其次，对人口老龄化问题、人口抚养比进行分析。
得到我国老龄化在加速，预计本世纪40年代中后期形成老龄人口高峰平台，60岁以上老年人口达4.45亿人，比重达33.277%；65岁以上老年人口达3.51亿人，比重达25.53%；人口抚养呈现增加的趋势。
再次，讨论我国人口的控制，预测出将来我国育龄妇女人数与生育旺盛期育龄妇女人数，得到育龄妇女人数在短期内将达到高峰，随后又下降的趋势的结论。
第2讲 Leslie矩阵模型
3.4 Leslie 矩阵模型本节将以种群为例，考虑种群的年龄结构，种群的数量主要由总量的固有增长率决定，但是不同年龄结构动物的繁殖率和死亡率有着明显的不同，为了更精确地预测种群的增长，在此讨论按年龄分组的种群增长预测模型，这个向量形式的差分方程是Leslie 在20世纪40年代用来描述女性人口变化规律的，虽然这个模型仅考虑女性人口的发展变化，但是一般男女人口的比例变化不大。
假设女性最大年龄为s 岁，分s 岁为n 个年龄区间：n i n is n s i t i ,,2,1,,)1( =⎥⎦⎤⎢⎣⎡-=∆年龄属于i t ∆的女性称为第i 组，设第i 组女性人口数目为),,2,1(n i x i =，称T n x x x x ),,,(21 =为女性人口年龄分布向量，考虑x 随k t 的变化情况，每隔ns年观察一次，不考虑同一时间间隔内的变化（即将时间离散化）。
设初始时间为0t ，nkst t k +=0时间的年龄分布向量为T k n k k k x x x x ),,,()()(2)(1)( =，这里只考虑由生育、老化和死亡引起的人口演变，而不考虑迁移、战争、意外灾难等社会因素的影响。
设第i 组女性的生殖率（已扣除女婴的死亡率）为i a （第i 组每位女性在ns年中平均生育的女婴数，0≥i a ），存活率i b （第i 组女性在ns 年仍活着的人数与原来人数之比，10≤<i b ），死亡率i b -=1，假设i a ，i b 在同一时间间隔内保持不变，这个数据可由人口统计资料获得。
k t 时第一组女性的总数)(1k x 是1-k t 时各组女性（人数为n i x k i ,,2,1,)1( =-）所生育的女婴的总数，可以由下式表示：)1()1(22)1(11)(1---+++=k n n k k k x a x a x a xk t 时第1+i 组（1≥i ）女性人数)(1k i x +是1-k t 时第i 组女性经ns年存活下来的人数，可以由下式表示：1,,2,1,1)(1-==-+n i x b x k ii k i 用矩阵将上两式表示为：⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡------1131211121121321000000000k n k k k n n n k n k k k x x x x b b b a a a a x x x x记：⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=--000000000121121n n n b b b a a a a L，⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=k n k k k k x x x x x 321)(， 则有 )0()(x L x k k =称L 为Leslie 矩阵，由上式可算出k t 时间各年龄组人口总数、人口增长率以及各年龄组人口占总人口的百分比。
数学建模之中国人口增长的预测和人口结构的简析
中国人口增长的预测和人口结构的简析摘要本文根据过去数十年的人口数据，通过建立不同的数学模型，对中国人口的增长进行了短期和中长期的预测。
模型一：从中国统计年鉴—2008，查找得到2000-2007年的人口数据，然后用灰色模型进行人口的短期（2008-2017）预测。
这里，我们采用两种算法进行人口总数的预测。
一种是用灰色模型分别对城镇人口和乡村人口进行人口预测，然后求加和得到总的人口数；另一种是用灰色模型对实际的总人口数进行预测，预测未来10年的总人口数。
通过比较相对误差率知道第二种方法预测得到的数据误差较小，故采用第二种方法预测的未来10年的人口数为：模型二：对于中长期的预测我们采用Leslie模型进行预测。
我们利用题中所提供的人口数据的比例，将人分为6种类型，在考虑年龄结构的基础上，对各类人中的女性人数分别进行预测，然后根据男女的性别比例，求出男性的人口数，再将预测得到的各类人数进行汇总加和，最终得到总的人口数。
由于我们是根据年龄结构进行的预测，所以可以对人口进行简单的分析，得到老龄化变化趋势，乡镇市的人口所占比例的变化等。
关键词：人口预测；灰色模型；分类计算；Leslie模型一、模型假设模型一的假设：1、不考虑国际迁移，认为国家内部迁移不改变人口总量；2、不考虑自然灾害、疾病等因素对人口数量的影响；3、文中短期预测到2017年4、大面积自然灾害、疾病的发生以及人们的生育观念等因素会对当年的生育率和人口数量产生影响，认为这些因素在预测误差允许的范围内．模型二的假设：1、每一年龄组的女性在每一个时间段内有相同的生育率和死亡率；2、在预测的时间段内男女的性别比例保持现状不变；3、不考虑人口的迁入和迁出；4、不考虑空间等自然因素的影响，不考虑自然灾害对人口数量的影响。
二、问题分析中国是一个人口大国，随着经济的不断发展，生产力达到较高的水平，现在的问题已不是仅仅满足个人的需要，而是要考虑社会的需要。
中国未富先老，对经济的发展产生很大的影响。
Leslie人口模型
Leslie人口模型模型三、Leslie人口模型在短时期内男女性别比通常是不会发生变化的，因此讨论总人口的发展变化趋势与只讨论女性人口数量的变化情况意义是相同的。
在该模型中，我们将人口年龄离散化，大小等间隔地分成h个年龄组，相应地，将时间离散化为时段，每十年为一个时段。
k,0,1,2xk()记时段k第i个年龄组的女性人口总数为， ih，且该年龄组的女性生育率(该年龄组的女性在1个时段内xkbxk(1)()，,,ii1i,1bsd,,1的平均生育数量)为，该年龄组的死亡率为d，则相应的存活率为，iiiisd,,1在稳定的环境下存活率与生育率基本上是不随时间的变化而改变biii sd,,1b的，，因此我们将存活率与生育率看作是常数。
则人口的变化情况满iii足以下条件:第k+1时段，第一个年龄组的女性人口数量是时段k各个年龄段生育的人口数之和，即h (6) xkbxk(1)()，,,ii1i,1时段k+1第i+1个年龄段的女性人口数量是k时段第i个年龄组存活下来的女性人口数量，即xksxkih(1)(),1,2,，,, (7) iii，1记时段k女性人口数量按年龄组的分布向量为T (8) Xkxkxkxk()((),(),,()),129XkLXk(1)()，, 综合上述(6)(7)(8)得:其中由出生率和存活率构成的Leslie矩阵为bbbb,,1289,,s000,,1,, L,000s,,2,,0,,,,000s8,,X(0)当矩阵L和按照年龄组的初始分布向量已知时，可以预测任意时段k的女性人口按年龄组的分布情况:kXkLXk()(0),0,1,2,,, (9) 稳定状况分析:01,1,2,9,,,si根据和的定义，矩阵L中的元素满足: sbiiib,0，且至少有一个 xksxkih(1)(),1,2,，,,iiii，1定理1:L矩阵有唯一的正特根值，且它是单根，对应的特征向量为 ,,11ssssssn*T11212 ,X(1,,,,)n2,,,111k,2,3,,9且L矩阵的其他n-1个特征值满足， ,,,,1kk定理2:若L矩阵第一行有两项顺次的元素都大于0，则，bb,,,,ii，11kXk()且由(8)式确定的满足xk()*bs ，其中c是由，及X(0)决定的常数。
莱斯利Leslie种群模型
10
§4.5 应 用（一） ———————————————————— 4.5.2莱斯利（— Leslie）种群模型
莱斯利种群模型研究动物种群中雌性动物的年龄分 布与数量增长之间的关系.
设某动物种群中雌性动物的最大生存年龄为L(单位： 年），将区间[0,L]作n等分得n个年龄组
i 1 i [ L, L], i 1,2,, n, n n
t y 3 4 4 xt 3 4 2, t
t
由此可预测该地区年后的环境污染水平和经济发展 水平.
9
§4.5 应 用（一） ———————————————————— —
2 因无实际意义而在Case 2中未作讨论，但在Case
3的讨论中仍起到了重要作用. 由经济发展与环境污染的增长模型易见，特征值 和特征向量理论在模型的分析和研究中获得了成功的 应用.
1
§4.5 应 用（一） ———————————————————— 设x0 , y0分别为改地区目前的环 水 — 境污染水平与经济发展
平, x1 , y1分别为改地区若干年后 的环境污染水平与经济 发展水平, 且有如下关系： x1 3 x0 y 0 y1 2 x0 2 y 0
16
（2.5）
§4.5 应 用（一） ———————————————————— X (1) LX ( 0) , — X ( 2) LX (1) L2 X ( 0) ,
X (3) LX ( 2 ) L3 X ( 0) , , X ( k ) LX ( k 1) Lk X ( 0) .
0 31 22
由（*）及特征值与特征向量的性质
8
§4.5 应 用（一） ———————————————————— t t t At 0 At (31 2— ) 3 A 2 A 2 2 1
数学建模论文-人口预测模型
中国人口预测模型摘要本文对人口预测的数学模型进行了研究。
首先，建立一次线性回归模型，灰色序列预测模型和逻辑斯蒂模型。
考虑到三种模型均具有各自的局限性，又用加权法建立了熵权组合模型，并给出了使预测误差最小的三个预测模型的加权系数，用该模型对人口数量进行预测，得到的结果如下：其次，建立Leslie人口模型，充分反映了生育率、死亡率、年龄结构、男女比例等影响人口增长的因素，并利用以1年为分组长度方式和以5年为负指数函数，并给出了反映城乡人口迁移的人口转移向量。
最后我们BP神经网络模型检验以上模型的正确性关键字：一次线性回归灰色序列预测逻辑斯蒂模型Leslie人口模型BP神经网络一、问题重述1. 背景人口增长预测是随着社会经济发展而提出来的。
在过去的几千年里，由于人类社会生产力水平低，生产发展缓慢，人口变动和增长也不明显，生产自给自足或进行简单的以货易货，因而对未来人口发展变化的研究并不重要，根本不用进行人口增长预测。
而当今社会，经济发展迅速，生产力达到空前水平，这时的生产不仅为了满足个人需求，还要面向社会的需求，所以必须了解供求关系的未来趋势。
而人口增长预测是对未来进行预测的各环节中的一个重要方面。
准确地预测未来人口的发展趋势，制定合理的人口规划和人口布局方案具有重大的理论意义和实用意义。
2. 问题人口增长预测有短期、中期、长期预测之分，而各个国家和地区要根据实际情况进行短期、中期、长期的人口预测。
例如，中国人口预期寿命约为70岁左右，因此，长期人口预测最好预测到70年以后，中期40—50年，短期可以是5年、10年或20年。
根据2007年初发布的《国家人口发展战略研究报告》（附录一）及《中国人口年鉴》收集的数据（附录二），再结合中国的国情特点，如老龄化进程加速，人口性别比升高，乡村人口城镇化等因素，建立合理的关于中国人口增长的数学模型，并利用此模型对中国人口增长的中短期和长期趋势做出预测，同时指出此模型的合理性和局限性。
【数学建模】人口增长Leslie模型
【数学建模】⼈⼝增长Leslie模型问题分析· ⽤数学建模预测⼈⼝增长的⽅法：差分⽅程、微分⽅程、回归分析、时间序列等.· 结合所给数据以差分⽅程组的Leslie模型为基础.· 考虑不同地区、不同性别⼈⼝参数的差别及农村⼈⼝向城市迁移等因素.· 按照地区和性别建⽴以时间和年龄为基本变量的中国⼈⼝增长模型.· 利⽤历史数据估计⽣育率、死亡率及⼈⼝迁移等参数，代⼊模型求解并作预测.模型假设·中国⼈⼝是封闭系统, 将数据中的市、镇合并为城市, 与农村(乡)作为两个地区; 只考虑农村向城市⼈⼝的单向迁移, 不考虑与境外的相互移民.· 对中短期⼈⼝预测, ⽣育率、死亡率及⼈⼝迁移等参数⽤历史数据估计; 长期预测考虑总和⽣育率的控制、城镇化指数的变化趋势等因素.· ⼥性每胎⽣育⼀个⼦⼥.模型建⽴按地区和性别划分、以年龄为离散变量、随时段演变的⼈⼝发展模型，为4n阶差分⽅程组.参数估计存活率的估计死亡率与年龄关系⼤, 与地区、性别和时间的关系⼩.中国⼏⼗年来死亡率降低较快, 未来趋势仍持续下降.中短期预测：将过去若⼲年不同地区、性别和各年龄⼈⼝的死亡率简单地取平均值.长期预测：⽤统计⽅法对历史数据加以处理，并参考发达国家⼈⼝死亡率的演变过程给出估计值.⽣育率的估计中短期预测：将过去若⼲年不同地区、性别和各年龄⼈⼝的⽣育率简单地取平均值.长期预测：设定⼏个不同⽔平的总和⽣育率.⼈⼝迁移的估计模型求解选定初始年份⽤⼈⼝发展模型递推计算MATLAB实现clc;%初始化，设置各种参数和初始⼈数矩阵x = [206.46422.50478.72229.9253.44]';%x0⼥性各阶段⼈数%x0 = x .*0.4988x0 = [102.9822210.7430238.7855114.684126.6559]';%H为状态转移矩阵，其实是存活矩阵H = zeros(5,5);H(2)=0.88; H(8)=0.97; H(14)=0.86; H(20)=0.22;%B是⽣育矩阵，即各个年龄段妇⼥的⽣育率B = [020.300];for n =1:1:5%y是x之下⼀年的⼈⼝数⽬，尚不包括迁移⼈数和1岁的⼈数y = H*x;%y(1)是下⼀年1岁的⼈⼝数⽬，即今年刚出⽣的⼈y(1)= B*x0;%g是迁移⼈数，也得按照年龄⽐例来存储数据g = [301201202010]';%迁移⼈数加到y上y = y + g;%求与y对应的年份的各个年龄段妇⼥⼈数%包括x0中存活下来的，迁移的⼀部分，第⼀时间段为刚出⽣的⼥性⼈数 y0 = zeros(5,1);y0(1)= y(1)/2;%或y(1)乘以⼥婴占总男⼥婴的⽐例for i=1:1:4y0(i+1)= x0(i)*H(i+1+5*(i-1));endg0 = g ./2;y0 = y0 + g0;%g0为迁移过来的各个年龄段的⼥性⼈数disp(2008+n*20)zong = y'nv = y0'x = y;x0 = y0;end%⾃此，则完成了⼀轮的计算%要预测更多，只需要循环计算以上步骤即可。
中国人口预测模型
我国人口发展模型预测摘要：本模型以离散形式死亡Leslie模型为基础，然后分性别计算男女人口分布发展，又考虑到市镇乡的生育率、死亡率不同，对市、镇、乡分别运用改进后的的模型计算，加和求得女性总人口。
对人口预测分短期和中长期由模型得到的全国总人口与查出的各年人口进行比较，检验模型的准确性。
线性拟合得到短期男女比例，求得到短期人口发展以及老龄化进程；带入不同的β值，利用改进的Leslie模型或者利用Logestic模型拟合出我国中长期人口预测。
最后再利用短期总人口运用模型计算每年农村人口的理论值，与实际人口的差值即为迁移人口，进而得到我国的城镇化变化趋势。
关键字：Leslie模型；Logestic模型；女性人口发展；线性拟合；男女比例；农村人口迁出；城镇化；老龄化问题的提出与分析人口预测是国家工作中的重点，关系着国家的发展方向和命运。
我国是一个人口大国，人口问题始终是制约我国发展的关键因素之一。
根据已有数据，运用数学建模的方法，对我国人口做出分析和预测是一个重要问题。
我国的人口发展在近年来出现了一些例如老龄化进程加速、出生人口性别比持续升高，以及乡村人口城镇化等新的因素，影响着我国社会人口的发展。
从我国的实际情况和人口增长的上述特点出发，参考相关数据，建立人口增长的数学模型，并由此对我国人口中短期和长期的发展趋势做出相应的预测；并指出指出模型中存在的优点与缺点。
一个社会（国家、省市、地区）人口的变化和随时间的发展过程，是由很多因素决定的，社会制度、自然环境、生活水平、科学文化水平、战争、自然灾害和移民等等，都能严重地影响社会人口的发展过程。
例如2003年，我国人口的发展就遭受了非典的严重影响。
然而，婴儿的出生、人口的死亡、居民的迁移却是决定该社会人口变化的相对最直接的原因，近年来我国人口发展出现了一些新现象，如老龄化进程加速、出生人口性别比持续升高，以及乡村人口城镇化等，诸多影响人口发展的因素都直接或间接地通过这三个现象表现出来。
Leslie人口模型及例题详解
L e s l i e人口模型及例题详解The saying "the more diligent, the more luckier you are" really should be my charm in2006.Leslie 人口模型现在我们来建立一个简单的离散的人口增长模型,借用差分方程模型,仅考虑女性人口的发展变化;如果仅把所有的女性分成为未成年的和成年的两组,则人口的年龄结构无法刻划,因此必须建立一个更精确的模型;20世纪40年代提出的Leslie 人口模型,就是一个预测人口按年龄组变化的离散模型;模型假设(1) 将时间离散化,假设男女人口的性别比为1:1,因此本模型仅考虑女性人口的发展变 化;假设女性最大年龄为S 岁,将其等间隔划分成m 个年龄段,不妨假设S 为m 的整数倍,每隔m S /年观察一次,不考虑同一时间间隔内人口数量的变化;2 记)(t n i 为第i 个年龄组t 次观察的女性总人数,记第i 年龄组女性生育率为i b 注：所谓女性生育率指生女率,女性死亡率为i d ,记1,i i s d =-假设,i i b d 不随时间变化;3 不考虑生存空间等自然资源的制约,不考虑意外灾难等因素对人口变化的影响;4 生育率仅与年龄段有关,存活率也仅与年龄段有关;建立模型与求解根据以上假设,可得到方程 )1(1+t n =∑=mi i i t n b 1)()()1(1t n s t n i i i =++ 1=i ,2.…,m -1 写成矩阵形式为其中,L =⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛--000000000121121m m m s s s b b b b 1 记)]0(,),0(),0([)0(21m n n n n = 2假设n 0和矩阵L 已经由统计资料给出,则为了讨论女性人口年龄结构的长远变化趋势,我们先给出如下两个条件：i s i > 0,i =1,2,…,m -1;ii b i 0≥,i =1,2,…,m ,且b i 不全为零;易见,对于人口模型,这两个条件是很容易满足的;在条件i 、ii 下,下面的结果是成立的： 定理1t1+tL 矩阵有唯一的单重的正的特征根0λλ=,且对应的一个特征向量为*n =1,s 1/0λ,s 1s 2/20λ,…,s 1s 2 …s m -1/10-m λT3 定理2若1λ是矩阵L 的任意一个特征根,则必有01λλ≤;定理3若L 第一行中至少有两个顺次的0,1>+i i b b ,则i 若1λ是矩阵L 的任意一个特征根,则必有01λλ<;ii t t t n 0/)(lim λ+∞>-=*cn , 4 其中c 是与n 0有关的常数;定理1至定理3的证明这里省去;由定理3的结论知道,当t 充分大时,有*)(0n c t n t λ≈ 5 定理4记121i i i b s s s β-=,q λ=1β/λ+2β/λ2+…+m β/m λ,则λ是L 的非零特征根的充分必要条件为q λ=1 6所以当时间充分大时,女性人口的年龄结构向量趋于稳定状态,即年龄结构趋于稳定形态,而各个年龄组的人口数近似地按λ－1的比例增长;由5式可得到如下结论：i 当λ>1时,人口数最终是递增的；ii 当λ<1时,人口数最终是递减的；iii 当λ=1时,人口数是稳定的;根据6式,如果λ=1,则有b 1 + b 2s 1 + b 3s 1s 2 + … + b m s 1 s 2…s m-1=1记R = b 1 + b 2s 1 + b 3s 1s 2 + … + b m s 1 s 2…s m-1 7R 称为净增长率,它的实际含义是每个妇女一生中所生女孩的平均数;当R >1时,人口递增；当R <1时,人口递减;Leslie 模型有着广泛应用,这里我们给出一个应用的例子,供大家参考;公园大象管理南非的一家大型自然公园放养了大约11000头大象,管理部门希望为大象创造一个健康的生存环境,将大象的总数控制在11000头左右;每年,公园的管理人员都要统计当年大象的总数;过去20年里,公园每年都要处理一些大象,以便保持大象总数维持在11000头左右,通常都是采用捕杀或者迁移的方法来实现;统计表明,每年约处理600-800头大象;近年来,公众强烈反对捕杀大象行为,而且即使是迁移少量的大象也是不允许的;但是一种新的给大象打避孕针的方法也被研制成功;一只成年母象打了避孕针后,两年内不再怀孕;公园有一些关于大象的资料,供建模参考：1几乎不再迁入或迁出大象；2目前性别比接近1：1,采取控制后,也希望维持这个比例；3初生象的性别比也是大约1：1,生双胎的比例为%4母象初次怀孕大约在10-12岁,一直到60岁大约每年怀胎一次,60岁后不再受孕,怀孕期为22个月；5避孕针可能引起大象每个月都发情,但不受孕,因为大象通常每年生育1次,所以按月循坏的方案是不足取的；6避孕针对母象没有副作用,打了避孕针的母象2年内不再受孕；7初生象存活到1岁的比例为70%-80%,此后,直至60岁前,存活率都比较均匀,大约在95%以上,大象一般只活到70岁；8公园里不存在捕杀行为,偷猎可以不考虑；公园管理部门有一份过去两年移出公园大象的粗略统计,不幸的是没有捕杀或公园大象的具体数据；你的任务是,构造一个模型,利用模型研究如何采用避孕措施控制公园大象的总数.同时需要完成以下任务：1 建立并利用模型推算2-60岁大象可能的存活率,以及目前的大象年龄结构；2估计每年需要避孕多少大象,才能保证大象总数控制在11000头左右,说明数据不确定性对你的结论的影响,评价一下年龄结构的变化以及对旅游的影响,你可能被要求观察30-60年；3假设每年可以移出50-300头大象,避孕大象数可以减少多少,评价如何根据经济效益平衡两种方案；4有一些反对观点认为,假如出现疾病或者失控的偷猎,使大象总数突然大幅度下降,即使停止避孕,也会对大象群的恢复存在不良影响,研究并回答这个问题；5公园公管理部门正在构造模型,特别希望批驳那些以缺乏完整数据为由而嘲笑利用模型指导决策的观点.希望你的模型包括一份技术报告能给公园管理部门提一些建议,提高公园管理部门的信心,除此之外,你的报告,还应该包括一个详细的技术流程最多3页回答公共关心的问题;6假如非洲其它公园对你的模型感兴趣,有意利用你的模型,请为公园大象数在300-25000头规模的公园提供一份避孕计划,顺便考虑一下存活率稍有不同或者可以有迁移的情况.附过去两年的迁出数据年龄 0 1 2 3 4 5 6 7 8 9总量1 103 77 71 70 68 61 58 51 52 51母象1 50 36 41 29 31 30 28 24 22 29总量2 98 74 69 61 60 54 52 59 58 57母象2 57 34 33 29 34 28 27 31 25 25年龄 10 11 12 13 14 15 16 17 18 19总量1 51 50 51 48 47 49 48 47 43 42母象1 27 27 26 27 26 25 28 27 19 25总量2 60 63 64 60 63 59 52 55 49 50母象2 26 36 38 30 33 34 24 30 21 30年龄 20 21 22 23 24 25 26 27 28 29总量1 42 37 39 41 42 43 45 48 49 47母象1 18 16 19 24 17 25 21 26 29 27总量2 53 57 65 53 56 50 53 49 43 40母象2 29 27 40 23 29 24 21 26 24 16年龄 30 31 32 33 3 4 35 36 37 38 39总量1 46 42 44 44 46 49 47 48 46 41母象1 24 22 20 22 24 24 23 25 21 24总量2 38 35 37 33 20 33 30 29 29 26母象2 17 16 18 18 15 18 12 17 16 13年龄 40 41 42 43 4 4 45 46 47 48 49总量1 41 42 43 38 34 34 33 30 35 26母象1 24 19 26 20 20 15 16 13 20 11总量2 10 24 25 22 21 22 11 21 21 19母象2 6 11 14 10 10 12 8 11 12 9年龄 50 51 52 53 54 55 56 57 58 59总量1 21 18 14 5 9 7 6 0 4 4母象1 10 9 8 4 4 4 3 0 3 2总量2 15 5 10 9 7 6 5 4 7 0母象2 6 4 5 4 4 2 3 2 4 0年龄 60 61 62 63 64 65 66 67 68 69 70总量1 4 3 2 2 1 3 0 2 1 0 2母象1 2 1 1 1 0 3 0 0 1 0 2总量2 2 3 0 2 0 2 0 1 0 0 0母象2 2 1 0 0 0 1 0 1 0 0 0假设与分析1大象性别比接近1：1,初生象的性别比也是大约1：1,采取控制后,也希望维持这个比例；2过去两年迁出的大象是随机抽样,其结构反映了象群总体的年龄结构；3 避孕是随机的,母象是否避孕是不可识别的,假设各个年龄的母象是等比例避孕的,比例系数为k,仅通过调节k 来控制公园大象数量；4母象初次怀孕大约在10-12岁,简化假设大象初孕时间为11岁,当前状态下,成年象的成活率为s,生育母象率为r ,老年象的成活率是线性逐渐递减的,因此其成活率可表示为设初生象活到1岁的存活率为0s ;5避孕针对母象没有副作用,打了避孕针的母象2年内不再受孕；且无论打避孕针前母象是否怀孕,一旦打了避孕针,母象就被避孕或中止怀孕,平均每年有γ比例的母象处于避孕状态；每年母象的避孕率为η,每年的避孕方案时瞬时完成的;6 假设大象的年龄结构是稳定的;数据处理与分析12-60岁大象的存活率与年龄结构母象生育率为r =1/+1+/2=头/年12岁的母象生育母象的生育率为r /6;由题设知道存活率)99.0,95.0(∈s ;以下是第一年迁移出0至70岁大象数据x1=103,77,71,70,68,61,58,51,52,51,51,50,51,48,47,49,48,47,43,42,42,37,39,41,42,43,45,48,49,47,46,42,44,44,46,49,47,48,46,41,41,42,43,38,34,34,33,30,35,26,21,18,14,5,9,7,6,0,4, 4, 4 ,3,2,2,1,3,0,2,1,0,2 ;以下是第二年迁移的0-70岁大象数据x2=98,74 69 61 60 54 52 59 58 57 60 63 64 60 63 59 52 55 49 50 53 57 65 53 56 50 53 49 43 40 38 35 37 33 20 33 30 29 29 26 10 24 25 22 21 22 11 21 21 19 15 5 10 9 7 6 5 4 7 0 2 3 0 2 0 2 0 1 0 0 0;x=x1+x2;x0=x/normx,1;以下是第一年迁移的0-59岁母象数据y1=50 36 41 29 31 30 28 24 22 29 27 27 26 27 26 25 28 27 19 25 18 16 19 24 17 25 21 26 29 27 24 22 20 22 24 24 23 25 21 24 24 19 26 20 20 15 16 13 20 11 10 9 8 4 4 4 3 0 3 2;以下是第二年迁移的0-59岁母象数据y2=57 34 33 29 34 28 27 31 25 25 26 36 38 30 33 34 24 30 21 30 29 27 40 23 29 24 21 26 24 16 17 16 18 18 15 18 12 17 16 13 6 11 14 10 10 12 8 11 12 9 6 4 5 4 4 2 3 2 4 0;考虑到有些数据较小及抽样的随机性,我们取两次抽样的平均值作为分析的基本数据;t1=x12:11;t2=x22:11;tt=t1+t2;tt1=tt1:9;tt2=tt2:10;tn=tt2./tt1;meantnans =t1=x112:21;t2=x212:21; tt=t1+t2; tt1=tt1:9;tt2=tt2:10;tn=tt2./tt1; meantnans =t1=x112:31;t2=x212:31; tt=t1+t2; tt1=tt1:19;tt2=tt2:20;tn=tt2./tt1; meantnans =t1=x112:41;t2=x212:41; tt=t1+t2; tt1=tt1:29;tt2=tt2:30;tn=tt2./tt1; meantnans =t1=x112:51;t2=x212:51; tt=t1+t2; tt1=tt1:39;tt2=tt2:40;tn=tt2./tt1; meantnans =t1=x112:60;t2=x212:60; tt=t1+t2;tt1=tt1:48;tt2=tt2:49;tn=tt2./tt1; meantnans =n1=zeros1,71;n11=1;n12=;for i=3:61n1i=n1i-1;endn1;for i=62:71n1i=n1611-i-61/10;endn1;N1=n112:50;xx=x12:50;xx=100xx/normxx,1;N1=100N1/normN1,1;t=1:39;plott,N1,t,xx;axis10,40,0,5;title'图1'通过以上分析大致可以得到,1-60岁大象的存活率约为;0-70岁年龄结构向量见图2; y0=100x0/normx0,1;a=0:70;bara,y0,'stacked';title'图2'下面我们取0120.75,0.98s s s ===;m1=zeros1,71;m11=1;m12=;for i=3:61m1i=m1i-1;endm1;for i=62:71m1i=m1611-i-61/10;endm1;m1=100m1/normm1,1;bara,m1,'stacked';title'图3 稳定的年龄结构'plota,m1,'r-',a,y0,'b-.';title'图4 年龄结构当前状态与稳定状态比较'polyfity0,m1,1ans =从所给的数据来看,象群的年龄结构还没有达到相对稳定的状态;根据以上数据,大体可以得到l=zeros71,71; l1,13=6;l2,1=;for i=14:61l1,i=;endl;for j=3:61lj,j-1=;end; l;for k=62:71lk,k-1=eigl;矩阵的唯一正特征值为;对于不同的存活率,得到的唯一正特征值为：下面我们估计每年处于避孕状态母象的比率γ;此时,女性生育率为0.1448(1)γ-;记由6式得解得1-1/^111/6+ans =即每年应该有%的母象处于避孕状态;为了保证有%的母象处于避孕状态,下面分析每年应该打避孕针母象的比例η;在假设3和假设5的前提下,如果每年打避孕针母象比例为η;母象可以分成3类：即当年被打避孕针而上一年没有被打避孕针或上一年被打避孕针而本年没有被打避孕针,比例为2(1)ηη-；连续两年被打避孕针2η；连续两年没有被打避孕针;只有最后一类母象具有生育能力;因此,只需要η满足方程1-sqrtans =ans =5500ans =+003解得 0.387η=,即每年大约需要给2127头母象打避孕针;在方案实施过程中,实际上根本不需要打这么多针,因为许多小象还是可以识别的;可以采取随机抽样的打针方式,对于抽到的小象只计数不打针,直至计满2127头母象,就算完成当年任务;采取打避孕针的方案对象群的年龄结构是由一些影响的,下面给出了打与不打避孕针情况下稳定的象群年龄结构与各你阿爸年龄段象群数的比较;m1=zeros1,71;m11=1;m12=;for i=3:61m1i=m1i-1;end; m1;for i=62:71m1i=m1611-i-61/10;end; m1;n1=zeros1,71;n11=1;n12=;for i=3:61n1i=n1i-1;end; n1;for i=62:71n1i=n1611-i-61/10;end;n1;subplot1,2,1a=0:70;plota,m1,'r-',a,n1,'b--';title'图5年龄结构比较';axis0,70,0,1;M1=5500m1/normm1,1;N1=5500n1/normn1,1;a=0:70;subplot1,2,2plota,M1,'r-',a,N1,'b--'title'图5各年龄段大象数比较图'axis-0,70,0,300通过以上两个图的比较,可以发现采取避孕措施,将使幼象、小象数减少,中老年象数增加;由于采取避孕措施,使得初生小象数减少,因此会不可避免地引起象群年龄结构的改变,下面分析,15年、30年、60年后的象群年龄结构;L=zeros71,71;L1,13=6;L2,1=;for i=14:61L1,i=;end; L;for j=3:61Lj,j-1=; end; L;for k=62:71Lk,k-1= end; L;eigL;n15=L^15x0';n30=L^15n15;n60=L^30n30;n15=100n15/normn15,1;n30=100n30/normn30,1;n60=100n60/normn60,1;M15=5500n15/normn15,1;M30=5500n30/normn30,1;M60=5500n60/normn60,1;bara,55y0title'图6a 避孕前种群量分布';axis0,70,0,250bara,M15title'图6b 避孕15年后种群量分布';axis0,70,0,250bara,M30title'图6c避孕30年后种群量分布';axis0,70,0,250M60=5500n60/normn60,1;bara,M60title'图6d 避孕前种群量分布';axis0,70,0,250n70=L^70x0';n70=100n70/norm n70,1;k1=100m1/normm1,1;图7给出了避孕前后年龄结构稳定状态的比较plot a,k 1,'r-',a,n70,'b-.';title'图7 避孕前后稳定的年龄结构';axis0,70,0,5数据不确定性对结果的影响分别取0120.7,0.8,0.95,0.99s s s ===1-1/^111/6+ans =1-sqrtans =1-1/^111/6+ans =1-sqrtans =每年需避孕的母象比例为%—% ;对于每年可以迁移50-300头大象及0120.75,0.98s s s ===,下面分析避孕方案的变化及最经济的方案;设增长率为p ,对于 0120.75,0.98s s s ===令当 1.01p =,每年的避孕率为%,每年迁出110头； 当 1.02p =,每年的避孕率为%,每年迁出220头； 当 1.025p =,每年的避孕率为%,迁出275头;1-1/^111/6+ans =1-sqrtans =p=;1-p ^12./^111/6+./p-./p.^49/./pans =1-sqrtans =p=;1-p.^12./^111/6+./p-./p^49/pans =1-sqrtans =p=;1-p.^12./^111/6+./p-./p^49/pans =1-sqrtans =进一步分析可以知道,对于 0120.75,0.98s s s ===,如果增长率为(1 1.0322,11000(p-1))p p ≤≤即每年移,令每年需要避孕的母象为5500'γ,每年需要迁移的大象数为11000(1)p -;从相关的文献中我们大致可以得到,设平均每迁移一头大象的成本约避孕一头大象费用的λ倍,由此得到增长率为p 时的总费用函数为记易见,1,0.3868, 1.01,0.346, 1.02,0.396p y p y p y ======clear ;p=1::;q =1-p.^12./^111/6+./p-./p.^49././pq =Columns 1 through 5Columns 6 through 10Columns 11 through 15Columns 16 through 17a =1-sqrt1-qa =Columns 1 through 5Columns 6 through 10Columns 11 through 15Columns 16 through 17y=a+15p-1y =Columns 1 through 5Columns 6 through 10Columns 11 through 15Columns 16 through 17。
leslie模型
1，模型的建立
我们将人口的年龄按大小分为n 个年龄组，记为1,2,3,,i n =
同时将时间离散为时间段，长度与年龄组区间相等，记为1,2,3,
t
= 定义()i x t 为第t 年第i 年龄组的女性人口数；()i b t 为第t 年第i 年龄组女性生育率；()i d t 为第t 年第i 年龄组的女性人口的死亡率；()i s t 为第t 年第i 年龄组女性的存活率，即()1()i i s t d t =-；()w t 为第t 年出生人口中女性所占比例。
则第1t +年为第1年龄组的女性人数为：
11(1)()()()m
i i i x t b t w t x t =+=∑
第1t +年为第1i +年龄组的女性人口是从第t 年第i 年龄组存活下来的人数：
1(1)()()i i i x t s t x t ++=
构造Leslie 矩阵： []12112121 0 0 0 0 ,0 0 0 0 0 0n n i n wb wb wb wb s L s i i i b s --⎡⎤⎢⎥⎢⎥⎢⎥=∉=⎢⎥⎢⎥⎢⎥⎣
⎦
其中时， 那么我们可以得到：
(1)()x t Lx t += 进一步可以得到Leslie 矩阵模型的预测公式：
()(0)x t L x '=
所以只要已知L 矩阵及初始女性人口分布向量(0)x ，就可以求出第t 年女性人口分布的数列，再根据男女性别比例即可推算出总人口的各项指标。
Leslie模型数学建模ppt课件
8
在社会比较安定的情况下,死亡 率大致与时间无关.
μ(r,t)=μ(r)
p(r,t)=
p (r-t)e r
0
(s)ds r t
0≤t≤r
f(t-r)e r 0 (s)ds
t>r
9
分析：
1.当t<r时，p(r,t)完全由年龄为r-t的人口的初始密度及 这些人的死亡率决定。 2.t>r 时，p(r,t)完全由未来的生育状况f(t-r)及死亡率决 定。
13
建立模型:
F(0) F(1) F(2) • • • F(n)
S(0)
构造n+1阶方阵 M=
S(1) S(2)
•••
那么I (1)=MK
S(n-1)
I (t)=MtK
14
考虑到在一段稳定的时间段内:总的女性人口数比上总 的男性人口数为一个近似为1的定值.为了更为确切地分 析女性个体数量的分布对总人口数的影响,我们单独把 女性人口数作为研究对象.
N j+1=[A(j)+B(j)]N j
25
其中 0 … … … 0
P0(j) A(j)= 0
0
0 P m-1(j) 0
0 … b`i1(j) … b`i2(j) 0 … 0
B(j)= 0 … … … … … … 0
0 … … …… …… 0
26
b`i(j)=(j)h(i,j)K i(j)
在一定Байду номын сангаас期内，Pi(j),(I=0,…,m-1), (j),h(i,j) 和K i(j)可视为与j无关的常数， 从而在这一时期内A(j),B(j)取常数矩阵 A,B。
leslie模型的求解
9879292
9829885
72
3449237
3443988
27
9801611
9679225
73
3149307
3194562
28
11271599
11050548
74
2964127
3116046
29
9914552
9653457
75
2690547
2941930
30
9604727
9323642
76
2454168
Z=X+Y; %总人数
T=sum(Z);
g1=2011:2061;
plot(g1,T,'r')
2010年分年龄、性别人口数
年龄
男性
女性
年龄
男性
女性
0
7461199
6325235
46
11867147
11488631
1
8574973
7082982
47
13803796
13168361
2
8507697
7109678
17
10760828
10014541
63
5492805
5298828
18
10744556
10010718
64
5015412
4936055
19
11079367
10464099
65
4564266
4509145
20
14201091
13825863
66
4391409
4249556
21
13357755
数学建模大赛A题我国人口增长预测和控制题目和论文赏析
中国人口增长预测与控制摘要针对中国人口的实际特点，建立了中国人口增长的数学模型，得到了中国人口随年份变化的增长率，解决了中国人口中短期和长期的人口预测与控制问题，包括人口总数、年龄结构、性别比、城乡比变化等各因素的预测与控制研究。
关键词：人口控制差分模型预测拟和Leslie模型Logistic方程一、问题重述中国人口增长影响因素主要包括老龄化进程的加速、出生人口性别比的升高和乡村人口城镇化。
而老龄化程度、出生人口性别比和城镇化程度是由死亡人口、出生人口及城、镇、乡迁移人口所决定的。
因此，人口增长的根本性影响因素是环境条件（决定死亡率）及国家政策（决定出生人口数量及性别结构）。
我们要解决的问题是：首先对中国人口增长做出分析；其次建立人口增长的数学模型，对人口在一至十年的中短期内及二十五年的长期内的增长情况做出预测，并向国家提出政策上的建议；最后将此模型与经典模型做出比较，指出差异及此模型的优缺点。
二、假设和符号说明2.1 问题的假设假设一每一年的人口总数，人口结构及分布和其他有关各量仅在年末发生变化，变化顺序是：一部分人先死亡，然后一部分人生小孩，最后一部分人迁移假设二本文中所提到的婴儿出生率指的是婴儿出生且在一岁前存活的概率假设三生育妇女一年只生一胎假设四九十岁以上的人口变化对总人口变化影响不大，因此不予以考虑假设五人口的迁移路径仅考虑从村到镇，从村到城假设六国际迁入迁出对于人口的影响较小三、问题分析为了与机理分析结合求得较精确的结果，可以建立递推模型，利用附录中所给数据确定未知参数，进而确定描述中国人口增长的数学模型，并用此进行中短期、长期预测。
首先，由于人口增长受多个因素影响，我们分别建立描述各因素的数学模型，包括：死亡率模型、出生人口模型、生育性别比模型和迁移模型。
由于死亡率模型和生育性别比有性别差异，各模型皆有城、镇、乡差异，所以需将男性人口与女性人口，城、镇、乡人口分开考虑。
其次，由于中短期、长期预测时问题的复杂程度不同，侧重点不同，因此中短期、长期预测的模型有所差异。
Leslie矩阵模型预测人口
精心整理Leslie 矩阵模型预测人口4.1Leslie 矩阵模型的基本概念 4.1.1参数定义[11]我们将中国人口按年龄段分成数段，因此当段数到达一定大小的时候就能包含全部年龄层的人。
再将时间序列也分割成数段（一年为一段即可研究年度人口总数），得到：——在时间周期k 第i个年龄段的人数使得表示的是年龄最高的1）育率 2）4.1.21.里的人数转移到里，考虑死亡的人数我们得到如下式子：的情况，即新生儿人数，在这里我们做了一个假设，女性人口大致占总人口的一半（通过以往的1)()2k x i - 2.111111111111(0)(1)(1)()22221(0)00001(1)00001(1)0k k k k k k k k k b b b n b n d x x d d n --------⎛⎫- ⎪⎪- ⎪=⨯⎪- ⎪ ⎪⎪--⎝⎭(4-3)其中(0)(1)()k k k k x x x x n ⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭1111(0)(1)()k k k k x x x x n ----⎛⎫ ⎪ ⎪= ⎪ ⎪⎝⎭(4-4)为了化简，我们记：1111111111(0)(1)(1)()22221(0)00001(1)00k k k k k k b b b n b n d L d ------⎛⎫- ⎪⎪- ⎪=⎪- ⎪1k x -1k k x L x -=通过这种方法，我们把人口预测问题的重点落到了一个4.2.11.20个2.1)L 矩阵中唯一的变量是和。
解决这个问题我们只要求出这两个参数即可。
在原来的Leslie 模型的假设中，单位时间周期为一年。
因此Leslie 矩阵第一行对应的系数是生育率的一半，如第一年过后，0岁的孩子即为一年前总人数的一半（女性人数）乘以生育率。
同样的，在5年为一个时间周期的假设中，经历五次“生育机会”，即第一年的生育情况代表了下一周期4岁的孩子数量，第二年的生育情况代表了下一周期3岁的孩子数量，以此类推。
数学建模-莱斯利模型
x1
(k )
a 1 x1
( k 1)
a2 x2
( k 1)
... a n x n
( k 1)
.
（5.1） （5.2）
x i 1 bi x i
(k )
( k 1)
, i 1, 2, ..., n 1 .
将（5.1）式和（5.2）用矩阵表示即得
k
0
2
0
k
0 0 1 P , k 1, 2, ... k n
(0)
因此，对于任意初始年龄分布向量 X
就有
X
(k )
L X
k
(0)
1 0 P 0
k
0
2
0
k
0 0 1 P X k n
1
的数值，会有三种情况：
１）如果 1 1 ，总体最终是增长的； ２）如果 1 1 ，总体整体是减少的； ３）如果 1 1 ，总体整体是不变的。
1 1 的情形有特殊意义，因为它决定了一个具有零增长的总体。
对于任何初始年龄分布，总体趋于一个是特征向量的某个倍数
由（5.6）和（5.7）式可看出，当且仅当
P ( X 1 , X 2 , ..., X n ),
于是L的对角化就由下式给出
1 0 L P0 0
0
0 0
2
0 0
3
0
0 0 1 0 P , n
则
1 k 0 L P 0
g ( ) 1, 对 0 .
leslie人口增长模型模型
人口增长预测模型摘要本文建立了我国人口增长的预测模型，对各年份全国人口总量增长的中短期和长期趋势作出了预测，并对人口老龄化、人口抚养比等一系列评价指标进行了预测。
最后提出了有关人口控制与管理的措施。
模型Ⅰ：建立了Logistic人口阻滞增长模型，利用附件2中数据，结合网上查找补充的数据，分别根据从1954年、1963年、1980年到2005年三组总人口数据建立模型，进行预测，把预测结果与附件1《国家人口发展战略研究报告》中提供的预测值进行分析比较。
得出运用1980年到2005年的总人口数建立模型预测效果好，拟合的曲线的可决系数为0.9987。
运用1980年到2005年总人口数据预测得到2010年、2020年、2033年我国的总人口数分别为13.55357亿、14.18440亿、14.70172亿。
模型Ⅱ：考虑到人口年龄结构对人口增长的影响，建立了按年龄分布的女性模型（Leslie模型）：以附件2中提供的2001年的有关数据，构造Leslie矩阵，建立相应Leslie模型；然后，根据中外专家给出的人口更替率1.8，构造Leslie矩阵，建立相应的 Leslie模型。
首先，分别预测2002年到2050年我国总人口数、劳动年龄人口数、老年人口数（见附录8），然后再用预测求得的数据分别对全国总人口数、劳动年龄人口数的发展情况进行分析，得出：我国总人口在2010年达到14.2609亿人，在2020年达到14.9513亿人，在2023年达到峰值14.985亿人；预测我国在短期内劳动力不缺，但须加强劳动力结构方面的调整。
其次，对人口老龄化问题、人口抚养比进行分析。
得到我国老龄化在加速，预计本世纪40年代中后期形成老龄人口高峰平台，60岁以上老年人口达4.45亿人，比重达33.277%；65岁以上老年人口达3.51亿人，比重达25.53%；人口抚养呈现增加的趋势。
再次，讨论我国人口的控制，预测出将来我国育龄妇女人数与生育旺盛期育龄妇女人数，得到育龄妇女人数在短期内将达到高峰，随后又下降的趋势的结论。
清华大学2013年数学建模竞赛
������1 ������ = n t
������ =������ 1
������������ t ���������������� ������ = ������0 (������)������00 ������ ℎ������ (������)k ������ t 该参数隐含了性别比例，女性在育龄期内的不同时间的生育意愿，婴儿存活率，婴儿第
0.000887 0.000873 1 60409 60158 75532610 64402 63000 70881549 79278 73359 74908462 92767 83516 99889114 80885 87637 1.27E+08 76417 75481 1.01E+08 82027 78735 97138203 109297 106040 1.18E+08 113708 112356 1.25E+08 84701 92367 1.06E+08 91958 84335 78753171 77554 79114 81312474 52706 55690 58667282 39183 40114 41113282 33302 32493 32972397 21991 22528 23852133 11686 11794 13373198 4777 4788 5631928 1205 1174 1578307
0 0 0 , … 0 ������ = 99.3%，
三、模型求解
以下根据中国统计年鉴得到的 03-12 年的人口数据进行模型求解： （1）中国从 03 到 12 年的人口数据如下表所示[2]： 人口（人） 年份 调研比例 0-4 5-9 10-14 15-19 20-24 25-29 30-34 35-39 40-44 45-49 50-54 55-59 60-64 65-69 70-74 75-79 80-84 85-89 2003 2004 2005 0.01325 907102 1060664 1353263 1443484 1036723 1110290 1445908 1651487 1475539 1147578 1236929 907435 668310 564095 454955 290171 156110 56582 2006 0.000907 60556 70588 89136 105023 76160 74110 93398 113952 115781 76496 90607 68277 48886 39996 32692 20632 10825 4142 2007 0.0009 59996 68202 84278 98916 78601 76755 86753 115391 115847 76085 92481 73224 50998 39849 33236 20985 11302 4436
考虑年龄结构的人口模型Leslie模型
考虑年龄结构的人口模型（Leslie 模型）对Logistic 模型的批评意见除了实际统计时常采用离散变化的时间变量外，另一种看法是种群增长不应当只和种群总量有关，也应当和种群的年龄结构有关。
不同年龄的个体具有不同的生育能力和死亡率，这一重要特征没有在Logistic 模型中反映出来。
基于这一事实，Leslie 在20世纪40年代建立了一个考虑种群年龄结构的离散模型。
由于男、女性人口（或雌、雄性个体）通常有一定的比例，为了简便起见，建模时可以只考虑女性人数，人口总量可以按比例折算出来。
将女性按年龄划分成m +1个组，即0,1,…,m 组，例如，可5岁（或10岁）一组划分。
将时间也离散成间隔相同的一个个时段，即5年（或10年）为一个时段。
记j 时段年龄在i 组中的女性人数为N （i ,j ），b i 为i 组每一妇女在一个时段中生育女孩的平均数，i p 为i 组女性存活一时段到下一时段升入i +1组的人数所占的比例（即死亡率d i =1-i p ）同时假设没有人能活到超过m 组的年龄。
实际上可以这样来理解这一假设，少量活到超过m 组的妇女（老寿星）人数可以忽略不计，她们早已超过了生育期，对人口总量的影响是微小的而且是暂时性的，对今后人口的增长和人口的年龄结构不产生任何影响，假设b i 、i p 不随时段的变迁而改变，这一假设在稳定状况下是合理的。
如果研究的时间跨度不过于大，人们的生活水平、整个社会的医疗条件及周围的生活环境没有过于巨大的变化，b i 、i p 事实上差不多是不变的，其值可通过统计资料估算出来。
根据以上假设可以得出以下j +1时段各组人数与j 时段各组人数之间的转换关系：⎪⎪⎩⎪⎪⎨⎧-=+=++++=+-),1()1,(),0()1,1(),(),0(),0()1,0(1010j m N p j m N j N p j N j m N b j N b j N b j N m m 显然，0,≥i j p b 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
A
10
两个重要模型: Keyfitz Leslie
A
11
一些定义:
n为人类的年龄上限 F(x)=x岁的妇女所生的婴儿数/x岁的总人口数 S(x)=x岁人的存活率 P(x)=初始时x岁的总人口数 Nt(x)=距离初始t年时x岁的总人口数
P(0)
P(1)
K=
Nt(0)
Nt(1)
I(t)=
… …
… …
H(t)=
h(0) h(1) …..
Nt(n)
A
h(n)
16
数学表达:
第一年新生女婴的总数: a(0)•Nt(0)+ a(1)•Nt(1)+ ••• +a(n)• Nt(n)
第一年x岁女性人口总数: N1(x)=b(x-1)•Nt(x-1)- h(x-1)•b(x1)•Nt(x-1)=(1- h(x-1) )•b(x-1)•Nt(x-1)
第一年末女性人口总数: a(0)•Nt(0)+ a(1)•Nt(1)+ ••• +a(n)• Nt(n)+ (1- h(0) )•b(0)•Nt(0)+ ••• + (1- h(n-1) )• b(n-1)•Nt(n-1)
A
17
建立模型:
a(0) a(1) a(2) • • • a(n)
b(0)
构造n+1阶方阵 L=
r(x)=r0(1-x/k)
r0为特定的常数
解得：
x(t)=k/[1+(k/x0-1)e-r(t-t0)]
A
5
分析以上两个模型：
每个个体的出生率与死亡率是相同的。但实 际上不同年龄的年的生育率与死亡率有很大 的不同。
基于这种考虑，下面将建立一个人口按 年龄分布的模型
A
6
定义
r表示年龄，函数F（r,t)为t时刻年龄小于r的人口总数，称 其为人口分布函数
A
22
记R=f1(1)=b0+P0b1+…+(P0…P k-1)b k 易见R即为女性一生所生女孩的平均值。
有 定理： 1 =1的充要条件为R=1
但并非每一个均能活到足够的年龄并生下R个女孩， 每一妇女可生子女数可定为某一略大于2的数， 称为临界生育率。据统计，中国妇女的临界生育 率为2.2左右。
A
13
建立模型:
F(0) F(1) F(2) • • • F(n)
S(0)
构造n+1阶方阵 M=
S(1) S(2)
•••
那么I t)=MtK
A
14
考虑到在一段稳定的时间段内:总的女性人口数比上总 的男性人口数为一个近似为1的定值.为了更为确切地分 析女性个体数量的分布对总人口数的影响,我们单独把 女性人口数作为研究对象.
另外在这个模型中我们还加上了人口迁移对起其总数 的影响.
A
15
一些定义:
n为人类的年龄上限 a(x)=x岁的妇女所生的婴数/x岁的妇女总数 b(x)=x岁人的存活率 h(x)= x岁的妇女迁移数/x岁的妇女总数 Nt(x)=距离初始t年时x岁的总人口数
Nt(0)
Nt(1)
K= I(0) I(t)=
A
21
定理：若Leslie矩阵A的第一行中至少有两个相
邻的bi>0则
|i|< |1|且N j/ 1j CN其中C为某一常数，由值bi， Pi及N0决定
本定理的条件通常能够得到满足，故在j充分大 时有N j=C 1j N，即各年龄组的人口比例总会趋 于稳定，且N j+1= 1N j。若1 >1，种群增大， 1 <1时，种群减小。
令p(r,t)= F/ r
p(r,t)为年龄密度函数
则t时刻年龄处在[r,r+dr)的人口总数为p(r,t)dr
设µ(r,t)为t时刻年龄为r的人的死亡率，t时刻年龄在[r,r+dr) 单位时间死亡的人数为µ(r,t)p(r,t)dr
A
7
分析：
下面考虑从t到t+dt这一过程的人口变化： 年龄处在[r,r+dr)到t+dt时刻活着的人的年龄变为 [r+dt,r+dr+dt)而这一时刻死亡的人数为µ(r,t)p(r,t)drdt 则p(r,t)dr-p(r+dt,t+dt)dr= µ(r,t)p(r,t)drdt
A
19
n0
A属于1的特征向量N= .
. nk
解线性方程组 AN= 1N
1k/(P0P1…P k-1) N= 1k-1(P1…P k-1)
1/P k-1 1
A
20
当且仅当1=1时，N j N，人口总量将趋于稳定 且各年龄人数在总人口数中所占的比例也将趋于 一个定值。
在1固定的情况下，N只和Pi有关。Pi为i组人的 存活率。在一定时期内，它们基本上是一些常数， 事实上人们只能通过控制b j的值来保证1=1。
p/ r + p/ t=- µ(r,t)p(r,t) p(r,0)=p0(r) p(0,t)=f(t)
A
8
在社会比较安定的情况下,死亡 率大致与时间无关.
μ(r,t)=μ(r)
p(r,t)=
p (r-t)e r
0
(s)ds rt
0≤t≤r
f(t-r)e r 0 (s)ds
t>r
A
9
分析：
1.当t<r时，p(r,t)完全由年龄为r-t的人口的初始密度及 这些人的死亡率决定。 2.t>r 时，p(r,t)完全由未来的生育状况f(t-r)及死亡率决 定。
… …
P(n)
Nt(n)
A
12
数学表达:
第一年新生儿的总数: F(0)•P(0)+ F(1)•P(1)+ ••• +F(n)•P(n) 第一年x岁人口总数: N1(x)=S(x-1)•P(x-1)
第一年末人口总数:F(0)•P(0)+ F(1)•P(1)+ ••• +F(n)•P(n)+ S(0)•P(0)+ S(1)•P(1)+ ••• +S(n-1)•P(n-1)
b(1) b(2)
•••
那么I (1)=(L-H)K ; I (t)=(L-H) I (t-1)
b(n-1)
I (t)= (L-H) tK
A
18
定理：Leslie矩阵具有唯一的正特征根1，
与之对应的特征向量为
N=（ 1k/(P0P1…P k-1), 1k-1(P1…P k-1),…, 1/P k-1,1)T
A
1
A
2
关于建立人口增长模型,我们考虑了两条 主要思路:
一.以微分方程为主要手段:
二.以高等代数为主要手段:
A
3
提出问题:
我们首先考虑Malthus 模型： x(t)为人口总数，r为自然增长率； 于是可以得出：
x(t)=x0er(t-t0)
A
4
改进的模型
设地球能容纳的总人数为k，随着人口的增 长，出生率必然会下降，于是r与x存在 着一定的关系。基于上述假设，我们选 择一种简单的函数。