更改

添加51字节 、 2025年12月6日 (六) 20:02
无编辑摘要
第23行: 第23行:  
|{{EquationRef|1}}}}
 
|{{EquationRef|1}}}}
 
其中k为比例常数,它是一个微分方程,因为它包含未知函数N及其导数<math>\displaystyle{ \frac{dN}{dt} }</math>。
 
其中k为比例常数,它是一个微分方程,因为它包含未知函数N及其导数<math>\displaystyle{ \frac{dN}{dt} }</math>。
−
排除规模为0的种群,那么对所有t都有<math>N_{(t)} > 0</math>。因此,如果k > 0,那么由方程(1)可得,对所有t都有<math>N_{(t)} > 0</math>,这表示种群是不断增长的。事实上,方程(1)表明,随着N(t)不断增大,<math>\displaystyle{ \frac{dN}{dt} }</math>也不断增大,即随着种群增长,增长率也不断增大。
+
排除规模为0的种群,那么对所有t都有<math>N_{(t)} > 0</math>。因此,如果k > 0,那么由方程(1)可得,对所有t都有<math>N_{(t)} > 0</math>,这表示种群是不断增长的。事实上,方程(1)表明,随着<math>N_{(t)}</math>不断增大,<math>\displaystyle{ \frac{dN}{dt} }</math>也不断增大,即随着种群增长,增长率也不断增大。
−
求解方程(1),要根据该方程求出一个函数,其导数是它本身的常数倍,指数函数具有这个性质。如果令 <math>\displaystyle{ N(t) = C\mathrm{e}^{kt}}</math>,则有
+
求解方程(1),要根据该方程求出一个函数,其导数是它本身的常数倍,指数函数具有这个性质。如果令 <math>\displaystyle{ N_{(t)} = C\mathrm{e}^{kt}}</math>,则有
−
<math>N ^ {\prime} (t) = C \left(k e ^ {k t}\right) = k \left(C e ^ {k t}\right) = k N (t)</math>,
+
<math>N ^ {\prime}_{(t)} = C \left(k e ^ {k t}\right) = k \left(C e ^ {k t}\right) = k N_{(t)}</math>,
−
即任何形如<math>N(t) = C\mathrm{e}^{kt}</math>的指数函数都是方程的解.
+
即任何形如<math>N_{(t)} = C\mathrm{e}^{kt}</math>的指数函数都是方程的解.
−
令C为不同的实数值,可以得到方程的解族<math>N(t) = Ce^{kt}</math>。而种群规模只能为正,所以只保留C > 0的解。此外,我们只关心解在t大于初始时间t = 0的部分。代入t = 0,得到<math>N(0) = Ce^{k(0)} = C</math>,所以常数C为种群规模的初值N(0)。
+
令C为不同的实数值,可以得到方程的解族<math>N_{(t)} = Ce^{kt}</math>。而种群规模只能为正,所以只保留C > 0的解。此外,我们只关心解在t大于初始时间t = 0的部分。代入t = 0,得到<math>N(0) = Ce^{k(0)} = C</math>,所以常数C为种群规模的初值N(0)。
    
然而,在自然界中,种群的增长并非总是无限制的。马尔萨斯模型描述了在资源无限情况下的指数增长,但这在现实中几乎不存在。大多数增长过程会受到环境承载力(如食物、空间、天敌等)的限制。韦尔霍斯特意识到人口增长不但和现有人口相关,还和可用资源有关,即存在一个人口的承载量。
 
然而,在自然界中,种群的增长并非总是无限制的。马尔萨斯模型描述了在资源无限情况下的指数增长,但这在现实中几乎不存在。大多数增长过程会受到环境承载力(如食物、空间、天敌等)的限制。韦尔霍斯特意识到人口增长不但和现有人口相关,还和可用资源有关,即存在一个人口的承载量。
第50行: 第50行:  
其中:
 
其中:
   −
* N(t): 在时间t时的种群规模;
+
* <math>N_{(t)}</math>: 在时间t时的种群规模;
 
* r: 内禀增长率,表示在理想条件下种群的最大增长潜力;
 
* r: 内禀增长率,表示在理想条件下种群的最大增长潜力;
 
* K: 环境承载力,即环境所能支持的最大种群规模;
 
* K: 环境承载力,即环境所能支持的最大种群规模;
第63行: 第63行:  
<math>
 
<math>
 
\begin{aligned}
 
\begin{aligned}
−
N(t) = \frac{K}{1+(\frac{K-N_0}{N_0})e^{-rt}}
+
N_{(t)} = \frac{K}{1+(\frac{K-N_0}{N_0})e^{-rt}}
 
\end{aligned}
 
\end{aligned}
 
</math>
 
</math>
−
|{{EquationRef|3}}}}或者等价形式:<math>N(t) = \frac{K}{1 + C K e^{-rt}}</math>
+
|{{EquationRef|3}}}}或者等价形式:<math>N_{(t)} = \frac{K}{1 + C K e^{-rt}}</math>
    
其中<math>C = \frac{1}{N_0} - \frac{1}{K}</math>是由初始条件决定的常数。
 
其中<math>C = \frac{1}{N_0} - \frac{1}{K}</math>是由初始条件决定的常数。
76

个编辑