1. 阻滞增长Logistic 模型

模型假设: 在独立存在的生物群体中,生物种群数量的变化率λy\lambda_yλy​ 是一个随着生物种群数量yyy的增加而线性递减的变量 [1]。

问题描述: 不妨令xxx表示时间,yyy表示生物种群的数量,生物种群的变化率为λy\lambda_yλy​,环境所能容纳的生物种群数量的最大值为ymy_mym​。 根据Logistic模型的假设,任意给定时间短Δx\Delta xΔx,生物种群数量的变化量为 y(x+Δx)−y(x)=λyy(x)Δxy(x+\Delta x)-y(x)=\lambda_y y(x)\Delta xy(x+Δx)−y(x)=λy​y(x)Δx,其中,当x=0x=0x=0时刻,y=y0y=y_0y=y0​;当y=0y=0y=0时刻;λy=λ\lambda_y=\lambdaλy​=λ;当y=ymy=y_my=ym​时刻,λy=0\lambda_y=0λy​=0。试求生物种群的数量yyy和时间xxx的函数。

模型求解: 根据问题描述,如下,

λy={λ,    y=00,    y=ym\lambda_y=\left\{\begin{matrix}\lambda,\;\;y=0\\ 0,\;\;y=y_m\end{matrix}\right.λy​={λ,y=00,y=ym​​

根据模型假设,生物种群的变化率λy\lambda_yλy​是一个随着生物种群数量yyy的增加而线性递减的量,得,

λy=−λymy+λ\lambda_y=-\frac{\lambda}{y_m}y+\lambdaλy​=−ym​λ​y+λ

根据y(x+Δx)−y(x)=λyy(x)Δxy(x+\Delta x)-y(x)=\lambda_y y(x)\Delta xy(x+Δx)−y(x)=λy​y(x)Δx,取lim⁡Δx→0Δx\lim_{\Delta x\rightarrow 0}\Delta xlimΔx→0​Δx,得微分方程,如下,

dy=λyydxdy=\lambda_y y dxdy=λy​ydx

dy=(−λymy+λ)ydxdy=(-\frac{\lambda}{y_m}y+\lambda) y dxdy=(−ym​λ​y+λ)ydx

当y∈(0,ym)y \in \left ( 0,y_m \right )y∈(0,ym​)时,有,

dyy−y2ym=λdx​\frac{dy}{y-\frac{y^2}{y_m}}=\lambda dx​y−ym​y2​dy​=λdx​

ymymy−y2dy=λdx\frac{y_m}{y_my-y^2}dy=\lambda dxym​y−y2ym​​dy=λdx

ym−y+yymy−y2dy=λdx\frac{y_m-y+y}{y_my-y^2}dy=\lambda dxym​y−y2ym​−y+y​dy=λdx

(1y+1ym−y)dy=λdx\left ( \frac{1}{y} + \frac{1}{y_m-y} \right ) dy=\lambda dx(y1​+ym​−y1​)dy=λdx

方程两边不定积分,如下,

∫(1y+1ym−y)dy=∫λdx\int \left ( \frac{1}{y} + \frac{1}{y_m-y} \right ) dy = \int \lambda dx∫(y1​+ym​−y1​)dy=∫λdx

得到原函数,如下,

lny−ln(ym−y)=λx+clny-ln(y_m-y)=\lambda x + clny−ln(ym​−y)=λx+c

y=ymeλx+c1+eλx+cy=\frac{y_me^{\lambda x+c}}{1+e^{\lambda x+c}}y=1+eλx+cym​eλx+c​

代入给定条件x=0,y=y0x=0, y=y_0x=0,y=y0​,进一步求解常数ccc,如下,

y0=ymec1+ecy_0=\frac{y_m e^c}{1+e^c}y0​=1+ecym​ec​

c=ln(y0ym−y0)c=ln\left ( \frac{y_0}{y_m-y_0} \right )c=ln(ym​−y0​y0​​)

将常数ccc代入原函数,得,

y=ymeλxy0ym−y01+eλxy0ym−y0y=\frac{y_m e^{\lambda x}\frac{y_0}{y_m-y_0}}{1+e^{\lambda x}\frac{y_0}{y_m-y_0}}y=1+eλxym​−y0​y0​​ym​eλxym​−y0​y0​​​

y=ym1+(ymy0−1)e−λxy=\frac{y_m}{1+\left ( \frac{y_m}{y_0} -1 \right ) e^{-\lambda x}}y=1+(y0​ym​​−1)e−λxym​​

2. 小结与展望

阻滞增长Logistic 模型和马尔萨斯模型唯一的区别在于生物种群数量的变化率λy\lambda_yλy​的定义。具体地说,马尔萨斯模型认为生物种群数量的变化率λy\lambda_yλy​为常数λ\lambdaλ [2]。阻滞增长Logistic模型认为生物种群数量的变化率λy\lambda_yλy​是一个随着生物种群数量yyy的增加而线性递减的量 [1]。进一步的工作主要包括分析Logistic模型的各个阶段,包括加速增长曲线,减速增长曲线 [3] 等。

参考资料

[1] 阻滞增长Logistic模型 https://wenku.baidu.com/view/9f843184a0116c175f0e4862.html
[2] 马尔萨斯模型 https://blog.csdn.net/Canhui_WANG/article/details/84861149
[3] 阻滞增长至加速/减速分析 http://cooc.cqmu.edu.cn:9001/Course/KnowledgePoint/5842.aspx

逻辑斯蒂 (阻滞增长) 模型的分析和应用相关推荐

  1. 逻辑斯蒂回归实现与参数分析

    逻辑斯蒂是一种处理二分类的经典算法,在sklearn中我们使用LogisticRegression来实现模型的构建 1.C:代表正则化系数的倒数,默认为1,可以调节过拟合,又叫惩罚系数,惩罚系数是对误 ...

  2. 逻辑斯蒂分布模型、二项逻辑斯蒂回归模型、多项逻辑斯蒂回归模型

    一.逻辑斯蒂分布/回归模型 模型描述的是一种什么样的事件或现象: 设X是连续随机变量,X服从逻辑斯蒂回归分布是指X具有下列分布函数和密度函数: 附上逻辑斯蒂分布的密度函数与分布函数,如下: 物理含义, ...

  3. 细讲逻辑斯蒂回归与朴素贝叶斯、最大熵原理的爱恨交织(长文)

    好早之前就发现逻辑斯蒂回归好像和朴素贝叶斯里面的后验概率公式还有最大似然.信息熵.交叉熵.伯努利分布.回归分析.几率(odds)等等有着千丝万缕CZFZ(错综复杂).PSML(扑朔迷离)的关系.一直感 ...

  4. Lecture6 逻辑斯蒂回归(Logistic Regression)

    目录 1 常用数据集 1.1 MNIST数据集 1.2 CIFAR-10数据集 2 课堂内容 2.1 回归任务和分类任务的区别 2.2 为什么使用逻辑斯蒂回归 2.3 什么是逻辑斯蒂回归 2.4 Si ...

  5. 逻辑斯蒂回归(logistic regression)原理小结

    逻辑斯蒂回归(logistic regression)原理小结 1. 模型函数 2. 损失函数 3. 学习算法 4. 加正则项的逻辑斯蒂回归 5. 多项逻辑斯蒂回归 6. 模型综合评价 7. 二分类 ...

  6. 对逻辑斯蒂回归的一些细节剖析

    首先声明:本博客的写作思路是对机器学习的一些基本算法做一些通俗性的灵活理解,以及对一些细节的进行简单剖析,还有记录本人在使用算法时的一些小经验小感想.本人一般不会对基本公式做大量推导,也不会写的太正式 ...

  7. Pytorch深度学习笔记(七)逻辑斯蒂回归

    目录 1. logistic(逻辑斯蒂)函数 2.二分类任务(binary classification)损失函数 3.二分类任务(binary classification)最小批量损失函数 4.逻 ...

  8. 逻辑斯蒂回归、朴素贝叶斯

    逻辑斯蒂回归 逻辑斯蒂分布(增长分布):F(X) = P(X<=x) = 1/(1+e^(-(X-u)/γ)) 该分布曲线以(u,1/2)作为中心对称点 sigmod函数(亦称作Logistic ...

  9. 增长预测模型之逻辑斯蒂模型

    调用了macOS的系统部分来实现语音播报,这只是整个大看板中的初始部分,却是很能帮助理解指数增长和指数现象的规律以及sigmoid函数实际意义 from datetime import datetim ...

最新文章

  1. Maya教程-XGEN制作毛发技能学习 Patreon – Cartoon Grooming Series by Jesus FC
  2. 这里先发布一个,自己写得unityUI的适配的方案(插播)
  3. python适合找哪方面工作_学习python后能做哪方面的工作
  4. 使用函数实现数据大小端转换
  5. 某银行大型管理系统端到端持续集成和交付实践
  6. java ee cdi_Java EE6 CDI,命名组件和限定符
  7. html特效代码是怎么实现的,html特效代码大全
  8. 结构体全局变量成员赋值
  9. [译]使用深度学习方法实现面部表情包识别
  10. png在ai转为路径_png格式转为ai格式
  11. TDR/TDT测量原理分析
  12. 科恒khs202温控器使用说明书_WS203数字显示温控器使用说明书
  13. 房子装修选择自装,物业办装修手续,需要哪些资料?
  14. 线性代数(九) : 矩阵的行简化阶梯型和标准型
  15. python-数据分析-(12)pandas数据清洗、缺失值、重复值、异常值处理常见方法
  16. 做电商网站如何选购云服务器?
  17. Docker笔记-04 仓库
  18. 博士申请 | 香港中文大学(深圳)张瑞茂老师组招收计算机视觉博士/硕士/RA
  19. 1 C++ 11 新特性
  20. 参悟yield 和yield from (加精)

热门文章

  1. Android签名背景颜色,Android UI设计系列之自定义DrawView组件实现数字签名效果(5)...
  2. 【刘文彬】区块链 + 大数据:EOS存储
  3. 关于Could not find a version that satisfies the requirement报错的解决方案
  4. Linux下BMP图片缩放
  5. 在线音乐播放器:接口测试
  6. mybatis:Error parsing SQL Mapper Configuration
  7. 鸿蒙磅礴不可以涯际夕 四,山中之路不知何年始开辟,羊肠萦纡孰得以形状,险巇可畏惊尘寰。...
  8. hackergame2018ctf_猫咪遥控器
  9. JMS之——ActiveMQ 高可用与负载均衡集群安装、配置(ZooKeeper + LevelDB + Static discovery)...
  10. Multisim6.5