逻辑斯谛方程 - 版本历史

2026年1月11日 (日) 08:37 王志鹏

2026-01-11T08:37:36Z

2026年1月11日 (日) 08:36 王志鹏

2026-01-11T08:36:44Z

2026年1月11日 (日) 08:33 世泽

2026-01-11T08:33:44Z

2026年1月11日 (日) 08:30 世泽

2026-01-11T08:30:36Z

王志鹏：/* 历史 */

2026-01-04T03:53:34Z

历史

王志鹏：/* 核心思想 */

2026-01-04T03:53:15Z

核心思想

王志鹏：/* 核心思想 */

2026-01-04T03:52:57Z

核心思想

王志鹏：/* 历史 */

2026-01-04T03:52:31Z

历史

王志鹏：/* 历史 */

2026-01-04T03:51:14Z

历史

王志鹏：/* 历史 */

2026-01-04T03:49:55Z

历史

@@ 第242行： / 第242行： @@
 [[逻辑斯谛回归]]源于1944年约瑟夫·伯克森基于逻辑斯谛函数提出的logit函数，后来由大卫·考克斯在1958年正式命名为[[逻辑斯谛回归]]。如今，它已成为分类问题中最广泛使用的算法之一<ref>Berkson, J. (1944). Application of the logistic function to bio-assay. Journal of the American Statistical Association, 39(227), 357–365.</ref><ref>Cox, D. R. (1958). Two further applications of a model for binary regression. Biometrika, 45(3/4), 562–565.</ref>。
-= 参考 =
+= 参考文献 =
 <references />

←上一版本		2026年1月11日 (日) 08:36的版本
第244行：		第244行：
	= 参考 =		= 参考 =
	<references />		<references />
		+
		+	----
		+	此词条由[[陈力]]编写，[[张江]]、[[王志鹏]]整理和审校。
		+
		+
		+	'''本词条内容源自wikipedia及公开资料，遵守 CC3.0协议。'''

@@ 第58行： / 第58行： @@
 ==核心思想==
-'''逻辑斯谛方程的核心思想是'''：种群增长率受双重因素影响，既与当前种群规模（<math>N</math>）成正比，也与剩余资源空间（<math>K-N</math>）成正比。 随着种群规模接近环境承载力<math>K</math>，其增长率将逐渐下降至零，从而实现种群的自我调节。这种增长模式表现为典型的S形曲线，根据增长速率的变化，其过程可细分为五个时期：①开始期（潜伏期），种群数量少，增长缓慢；②加速期，增长逐渐加快；③转折期，当种群数量达到<math>K/2</math>时，增长速率最快；④减速期，增长逐渐变慢；⑤饱和期，种群数量达到<math>K</math>值并维持稳定<ref>Kucharavy, D., & Roland, D. G. (2015). Application of logistic growth curve. Procedia Engineering, 131, 280-290.</ref>（图2）。
+'''逻辑斯谛方程的核心思想是'''：种群增长率受双重因素影响，既与当前种群规模（<math>N</math>）成正比，也与剩余资源空间（<math>K-N</math>）成正比。 随着种群规模接近环境承载力<math>K</math>，其增长率将逐渐下降至零，从而实现种群的自我调节。这种增长模式表现为典型的S形曲线，根据增长速率的变化，其过程可细分为五个时期：①开始期（潜伏期），种群数量少，增长缓慢；②加速期，增长逐渐加快；③转折期，当种群数量达到<math>K/2</math>时，增长速率最快；④减速期，增长逐渐变慢；⑤饱和期，种群数量达到<math>K</math>值并维持稳定（图2）。
 [[文件:Logistic curve.jpg|none|缩略图|500x500像素|图2. 简单逻辑斯谛曲线的示意图。增长率函数在同一图上以钟形曲线表示。引自<ref>Kucharavy, D., & Roland, D. G. (2015). Application of logistic growth curve. Procedia Engineering, 131, 280-290.</ref>]]

@@ 第7行： / 第7行： @@
 逻辑斯谛方程的历史发展跨越两个世纪，融合了人口学、生物学和数学的交叉研究：
-* '''理论奠基'''：逻辑斯谛函数由比利时数学家皮埃尔·弗朗索瓦·韦尔霍斯特在1838年至1847年间发表的三篇论文中系统提出并发展。他在阿道夫·凯特勒（Adolphe Quetelet）的指导下，将其作为对指数增长模型的调整，用于描述人口增长。韦尔霍斯特在1838年的论文中首次提出了逻辑斯谛方程的微分形式，其中包含了由环境承载能力决定的种群平衡点<ref>Verhulst, Pierre Francois (1838). Notice sur la loi que la population suit dans son accroissement. Correspondance mathématique et Physigue, publiée par A. Quetelet, 10, 113-120.</ref>。1845年，他正式将方程的解曲线命名为“逻辑斯谛曲线”（图1）<ref>Verhulst, Pierre Francois (1845). Recherches mathématiques sur la loi d'accroissement dela population. Nouveaur Mémoires de l'Académie Royale des Sciences, des Lettres et desBeaux-Arts de Belgique, 18,1-38.</ref>。1847年，他在第三篇论文中对比利时人口增长模型的修正项进行了调整<ref>Verhulst, Pierre Francois (1847). Deuxième Mémoire sur la loi d'accroissement de la popula.tion. Nouveaur Mémoires de l'Académie Rouale des Sciences, des Lettres et des Beaur-Artsde Belgique, 20,1-32.</ref>。韦尔霍斯特选用“逻辑斯谛”一词，可能源于古希腊语λογῐστῐκός（logistikós，意为“计算”），该词指代古希腊数学的一个分支，大致相当于应用数学，以区别于线性（算术）增长和对数（几何/指数）增长，意在暗示其增长模型比一次函数和指数函数更贴合实际。
+* '''理论奠基'''：逻辑斯谛函数由比利时数学家皮埃尔·弗朗索瓦·韦尔霍斯特在1838年至1847年间发表的三篇论文中系统提出并发展。他在阿道夫·凯特勒（Adolphe Quetelet）的指导下，将其作为对指数增长模型的调整，用于描述人口增长。韦尔霍斯特在1838年的论文中首次提出了逻辑斯谛方程的微分形式，其中包含了由环境承载能力决定的种群平衡点<ref>Verhulst, P. F. (1838). Notice sur la loi que la population suit dans son accroissement. Correspondance mathématique et Physique, publiée par A. Quetelet, 10, 113-120.</ref>。1845年，他正式将方程的解曲线命名为“逻辑斯谛曲线”（图1）<ref>Verhulst, P. F. (1845). Recherches mathématiques sur la loi d'accroissement de la population. Nouveaux Mémoires de l'Académie Royale des Sciences, des Lettres et des Beaux-Arts de Belgique, 18, 1-38.</ref>。1847年，他在第三篇论文中对比利时人口增长模型的修正项进行了调整<ref>Verhulst, P. F. (1847). Deuxième Mémoire sur la loi d'accroissement de la population. Nouveaux Mémoires de l'Académie Royale des Sciences, des Lettres et des Beaux-Arts de Belgique, 20, 1-32.</ref>。韦尔霍斯特选用“逻辑斯谛”一词，可能源于古希腊语λογῐστῐκός（logistikós，意为“计算”），该词指代古希腊数学的一个分支，大致相当于应用数学，以区别于线性（算术）增长和对数（几何/指数）增长，意在暗示其增长模型比一次函数和指数函数更贴合实际。
 [[文件:Population_growth.png|none|缩略图|400x400像素|图1. 指数增长（Exponential growth）和逻辑斯谛增长（Logistic growth）。图片来源：https://upload.wikimedia.org/wikipedia/en/1/1c/Population_growth.png]]
@@ 第15行： / 第15行： @@
 * '''实验验证与理论拓展'''：1911年，安德森·格雷·麦肯德里克（Anderson Gray McKendrick）首次将逻辑斯谛方程用于描述肉汤中细菌的生长，并通过非线性参数估计进行了实验测试<ref>McKendrick, A. G., & Pai, M. K. (1912). XLV.—The Rate of Multiplication of Micro-organisms: A Mathematical Study. Proceedings of the Royal Society of Edinburgh, 31, 649-653.</ref>。1925年，数学生物学家阿弗雷德·洛特卡（Alfred James Lotka）也独立推导出该方程，称其为“种群增长律”<ref>Lotka, A. J. (1925). Elements of physical biology. Williams & Wilkins.</ref>。
-* '''混沌理论发展'''：随着20世纪系统科学和混沌理论的发展，该方程的离散形式——[[逻辑斯谛映射]]被深入研究。罗伯特·梅（Robert M. May）在1976年发表于《自然》杂志的论文《简单数学模型中的复杂动力学》中<ref>May R. 1976. Simple mathematical models with very complicated dynamics. Nature 261, 459–467.</ref>，系统阐述了这一简单非线性方程如何产生复杂的混沌行为，从而使该模型成为混沌研究的经典范例<ref>Strogatz, S. H. (2018). Nonlinear dynamics and chaos: with applications to physics, biology, chemistry, and engineering (2nd ed.). Boca Raton: CRC Press.</ref>。
+* '''混沌理论发展'''：随着20世纪系统科学和混沌理论的发展，该方程的离散形式——[[逻辑斯谛映射]]被深入研究。罗伯特·梅（Robert M. May）在1976年发表于《自然》杂志的论文《简单数学模型中的复杂动力学》中<ref>May, R. M. (1976). Simple mathematical models with very complicated dynamics. Nature, 261(5560), 459–467.</ref>，系统阐述了这一简单非线性方程如何产生复杂的混沌行为，从而使该模型成为混沌研究的经典范例<ref>Strogatz, S. H. (2018). Nonlinear dynamics and chaos: with applications to physics, biology, chemistry, and engineering (2nd ed.). CRC Press.</ref>。
 * '''模型地位的奠定'''：逻辑斯谛增长模型被视为与密度相关的种群连续增长模型的典型，其参数<math>r</math>（内禀增长率）和<math>K</math>（环境容纳量）已成为生物进化对策理论（如[[R/K选择理论]]）中的核心概念<ref>Pianka, E. R. (1970). On r- and K-selection. The American Naturalist, 104(940), 592–597.</ref><ref>Begon, M., Townsend, C. R., & Harper, J. L. (2006). Ecology: from individuals to ecosystems (4th ed.). Blackwell Publishing.</ref>。
@@ 第58行： / 第58行： @@
 ==核心思想==
-'''逻辑斯谛方程的核心思想是'''：种群增长率受双重因素影响，既与当前种群规模（<math>N</math>）成正比，也与剩余资源空间（<math>K-N</math>）成正比。 随着种群规模接近环境承载力<math>K</math>，其增长率将逐渐下降至零，从而实现种群的自我调节。这种增长模式表现为典型的S形曲线，根据增长速率的变化，其过程可细分为五个时期：①开始期（潜伏期），种群数量少，增长缓慢；②加速期，增长逐渐加快；③转折期，当种群数量达到<math>K/2</math>时，增长速率最快；④减速期，增长逐渐变慢；⑤饱和期，种群数量达到<math>K</math>值并维持稳定<ref>Kucharavy, D., Roland, DG. (2015). Application of logistic growth curve. Procedia engineering, 131, 280-290. </ref>（图2）。
+'''逻辑斯谛方程的核心思想是'''：种群增长率受双重因素影响，既与当前种群规模（<math>N</math>）成正比，也与剩余资源空间（<math>K-N</math>）成正比。 随着种群规模接近环境承载力<math>K</math>，其增长率将逐渐下降至零，从而实现种群的自我调节。这种增长模式表现为典型的S形曲线，根据增长速率的变化，其过程可细分为五个时期：①开始期（潜伏期），种群数量少，增长缓慢；②加速期，增长逐渐加快；③转折期，当种群数量达到<math>K/2</math>时，增长速率最快；④减速期，增长逐渐变慢；⑤饱和期，种群数量达到<math>K</math>值并维持稳定<ref>Kucharavy, D., & Roland, D. G. (2015). Application of logistic growth curve. Procedia Engineering, 131, 280-290.</ref>（图2）。
-[[文件:Logistic curve.jpg|none|缩略图|500x500像素|图2. 简单逻辑斯谛曲线的示意图。增长率函数在同一图上以钟形曲线表示。引自<ref>Kucharavy, D., Roland, DG. (2015). Application of logistic growth curve. Procedia engineering, 131, 280-290. </ref>]]
+[[文件:Logistic curve.jpg|none|缩略图|500x500像素|图2. 简单逻辑斯谛曲线的示意图。增长率函数在同一图上以钟形曲线表示。引自<ref>Kucharavy, D., & Roland, D. G. (2015). Application of logistic growth curve. Procedia Engineering, 131, 280-290.</ref>]]
 =主要内容=
@@ 第127行： / 第127行： @@
 ==离散形式的逻辑斯谛方程==
-逻辑斯谛方程的离散形式称为[[逻辑斯谛映射]]，其表达式为：<math>x_{n+1} = r x_n (1 - x_n)</math>，其中<math>x_n</math>表示第<math>n</math>代的种群规模（通常归一化到[0,1]区间），<math>r</math>为增长参数。该离散模型可视为通过欧拉前差法从连续方程近似得到，是研究[[混沌动力学]]的经典模型。当参数<math>r</math>变化时，系统会经历倍周期[[分岔]]通向[[混沌]]，展示了确定性非线性系统内在的复杂性与不可预测性<ref>Strogatz, S. H. (2018). Nonlinear dynamics and chaos: with applications to physics, biology, chemistry, and engineering (2nd ed.). Boca Raton: CRC Press.</ref><ref>May, R. M. (1976). Simple mathematical models with very complicated dynamics. Nature, 261(5560), 459–467.</ref><ref>Feigenbaum, M. J. (1978). Quantitative universality for a class of nonlinear transformations. Journal of Statistical Physics, 19(1), 25–52.</ref>。
+逻辑斯谛方程的离散形式称为[[逻辑斯谛映射]]，其表达式为：<math>x_{n+1} = r x_n (1 - x_n)</math>，其中<math>x_n</math>表示第<math>n</math>代的种群规模（通常归一化到[0,1]区间），<math>r</math>为增长参数。该离散模型可视为通过欧拉前差法从连续方程近似得到，是研究[[混沌动力学]]的经典模型。当参数<math>r</math>变化时，系统会经历倍周期[[分岔]]通向[[混沌]]，展示了确定性非线性系统内在的复杂性与不可预测性<ref>Strogatz, S. H. (2018). Nonlinear dynamics and chaos: with applications to physics, biology, chemistry, and engineering (2nd ed.). CRC Press.</ref><ref>May, R. M. (1976). Simple mathematical models with very complicated dynamics. Nature, 261(5560), 459–467.</ref><ref>Feigenbaum, M. J. (1978). Quantitative universality for a class of nonlinear transformations. Journal of Statistical Physics, 19(1), 25–52.</ref>。
 == 推广 ==
@@ 第141行： / 第141行： @@
 * '''[[冈珀茨函数]]'''（Gompertz function）：常用于描述生长速度不对称的生长过程，如肿瘤生长<ref>Gompertz, B. (1825). On the nature of the function expressive of the law of human mortality. Philosophical Transactions of the Royal Society of London, 115, 513–585.</ref>；
-* '''[[超博拉斯特函数]]'''（Hyperbolastic function）：用于更复杂的生长模式建模<ref>West, G. B., Brown, J. H., & Enquist, B. J. (2001). A general model for ontogenetic growth. Nature, 413(6856), 628–631.</ref><ref>Tabatabai, M., Williams, D. K., Bursac, Z. (2005). Hyperbolastic growth models: theory and application. Theor Biol Med Model, 30, 2–14.</ref>
+* '''[[超博拉斯特函数]]'''（Hyperbolastic function）：用于更复杂的生长模式建模<ref>West, G. B., Brown, J. H., & Enquist, B. J. (2001). A general model for ontogenetic growth. Nature, 413(6856), 628–631.</ref><ref>Tabatabai, M., Williams, D. K., & Bursac, Z. (2005). Hyperbolastic growth models: theory and application. Theoretical Biology and Medical Modelling, 30, 2–14.</ref>
 在统计学中，逻辑斯谛函数的多元推广是softmax函数，用于处理多类别分类问题。
@@ 第151行： / 第151行： @@
 逻辑斯谛方程最初且最直接的应用领域是生态学与人口学：
-* '''种群动力学'''：描述有限资源下生物种群的增长规律，如果蝇、细菌等。它也是许多相互作用种群模型（如捕食-被捕食模型）的基础<ref>Lotka, A. J. (1925). Elements of physical biology. Williams & Wilkins.</ref><ref>Volterra, V. (1926). Variazioni e fluttuazioni del numero d'individui in specie animali conviventi. Mem. R. Accad. Naz. dei Lincei, 2, 31–113.</ref>。
+* '''种群动力学'''：描述有限资源下生物种群的增长规律，如果蝇、细菌等。它也是许多相互作用种群模型（如捕食-被捕食模型）的基础<ref>Lotka, A. J. (1925). Elements of physical biology. Williams & Wilkins.</ref><ref>Volterra, V. (1926). Variazioni e fluttuazioni del numero d’individui in specie animali conviventi. Memorie della R. Accademia Nazionale dei Lincei, Serie VI, 2, 31–113.</ref>。
-* '''资源管理'''：指导渔业、林业等可再生资源的可持续利用，避免过度开发。其核心原则是使资源种群数量保持在环境容纳量<math>K</math>的一半（<math>K/2</math>）附近，此时种群增长速率最大，可获得最大持续产量<ref>Clark, C. W. (1990). Mathematical bioeconomics: the optimal management of renewable resources (2nd ed.). New York: Wiley.</ref>。
+* '''资源管理'''：指导渔业、林业等可再生资源的可持续利用，避免过度开发。其核心原则是使资源种群数量保持在环境容纳量<math>K</math>的一半（<math>K/2</math>）附近，此时种群增长速率最大，可获得最大持续产量<ref>Clark, C. W. (1990). Mathematical bioeconomics: the optimal management of renewable resources (2nd ed.). Wiley.</ref>。
 * '''人口预测'''：用于模拟和预测人类人口增长，如雷蒙德·珀尔和洛厄尔·里德对美国人口的研究<ref>Cohen, J. E. (1995). How many people can the earth support? W. W. Norton & Company.</ref>。
@@ 第190行： / 第190行： @@
 * '''疾病传播'''：在经典的SIR模型中，逻辑斯谛方程可以近似描述在疾病爆发初期，易感人群数量庞大时，感染者人数的增长模式。在COVID-19大流行期间，广义逻辑斯谛曲线被广泛用于拟合和预测各国感染病例的增长轨迹<ref>Lee, S. Y., Lei, B., & Mallick, B. (2020). Estimation of COVID-19 spread curves integrating global data and borrowing information. PLOS ONE, 15(7), e0236860.</ref><ref>Chowell, G., Hengartner, N. W., Castillo-Chavez, C., Fenimore, P. W., & Hyman, J. M. (2004). The basic reproductive number of Ebola and the effects of public health measures: the cases of Congo and Uganda. Journal of Theoretical Biology, 229(1), 119–126.</ref>。
-* '''疫情预测'''：在COVID-19疫情期间，广义逻辑斯谛函数（理查兹增长曲线）被用于拟合感染轨迹，预测疫情发展趋势<ref>Roosa, K., Lee, Y., Luo, R., Kirpich, A., Rothenberg, R., Hyman, J. M. & Chowell, G. (2020). Real-time forecasts of the COVID-19 epidemic in China from February 5th to February 24th, 2020. Infectious Disease Modelling, 5, 256–263.</ref>。
+* '''疫情预测'''：在COVID-19疫情期间，广义逻辑斯谛函数（理查兹增长曲线）被用于拟合感染轨迹，预测疫情发展趋势<ref>Roosa, K., Lee, Y., Luo, R., Kirpich, A., Rothenberg, R., Hyman, J. M., & Chowell, G. (2020). Real-time forecasts of the COVID-19 epidemic in China from February 5th to February 24th, 2020. Infectious Disease Modelling, 5, 256–263.</ref>。
 * '''肿瘤生长'''：用于描述肿瘤在营养限制条件下的生长动力学。可将其视为上述生态学/人口学模型的延伸。以<math>{\displaystyle X(t)}</math>表示肿瘤在时间<math>{\displaystyle t}</math>的大小，其变化动力学遵循：
@@ 第206行： / 第206行： @@
 \begin{aligned}{\displaystyle X'=r\left(1-{\frac {X}{K}}\right)X-c(t)X}\end{aligned}
 </math>，其中<math>{\displaystyle c(t)}</math>为治疗引起的肿瘤死亡率。在理想化的长期治疗下，<math>{\displaystyle c(t)}</math>可模型化为周期为<math>{\displaystyle T}</math>的周期函数或常数函数（如持续输液），且有<math>{\displaystyle {\frac {1}{T}}\int _{0}^{T}c(t)\,dt>r\to \lim _{t\to +\infty }x(t)=0}</math>，
-即，如果平均治疗引起的肿瘤死亡率大于基线增殖率，则疾病能被根除。当然，这是一个过于简化的生长和治疗模型（例如没有考虑克隆抗性现象）<ref>Simeoni, M., Magni, P., Cammia, C., De Nicolao, G., Croci, V., Pesenti, E., ... & Rocchetti, M. (2004). Predictive pharmacokinetic-pharmacodynamic modeling of tumor growth kinetics in xenograft models after administration of anticancer agents. Cancer Research, 64(3), 1094–1101.</ref>。
+即，如果平均治疗引起的肿瘤死亡率大于基线增殖率，则疾病能被根除。当然，这是一个过于简化的生长和治疗模型（例如没有考虑克隆抗性现象）<ref>Simeoni, M., Magni, P., Cammia, C., De Nicolao, G., Croci, V., Pesenti, E., … & Rocchetti, M. (2004). Predictive pharmacokinetic-pharmacodynamic modeling of tumor growth kinetics in xenograft models after administration of anticancer agents. Cancer Research, 64(3), 1094–1101.</ref>。
 ==化学与物理学==

@@ 第9行： / 第9行： @@
 * '''理论奠基'''：逻辑斯谛函数由比利时数学家皮埃尔·弗朗索瓦·韦尔霍斯特在1838年至1847年间发表的三篇论文中系统提出并发展。他在阿道夫·凯特勒（Adolphe Quetelet）的指导下，将其作为对指数增长模型的调整，用于描述人口增长。韦尔霍斯特在1838年的论文中首次提出了逻辑斯谛方程的微分形式，其中包含了由环境承载能力决定的种群平衡点<ref>Verhulst, Pierre Francois (1838). Notice sur la loi que la population suit dans son accroissement. Correspondance mathématique et Physigue, publiée par A. Quetelet, 10, 113-120.</ref>。1845年，他正式将方程的解曲线命名为“逻辑斯谛曲线”（图1）<ref>Verhulst, Pierre Francois (1845). Recherches mathématiques sur la loi d'accroissement dela population. Nouveaur Mémoires de l'Académie Royale des Sciences, des Lettres et desBeaux-Arts de Belgique, 18,1-38.</ref>。1847年，他在第三篇论文中对比利时人口增长模型的修正项进行了调整<ref>Verhulst, Pierre Francois (1847). Deuxième Mémoire sur la loi d'accroissement de la popula.tion. Nouveaur Mémoires de l'Académie Rouale des Sciences, des Lettres et des Beaur-Artsde Belgique, 20,1-32.</ref>。韦尔霍斯特选用“逻辑斯谛”一词，可能源于古希腊语λογῐστῐκός（logistikós，意为“计算”），该词指代古希腊数学的一个分支，大致相当于应用数学，以区别于线性（算术）增长和对数（几何/指数）增长，意在暗示其增长模型比一次函数和指数函数更贴合实际。
-[[文件:Population_growth.png|none|缩略图|300x300像素|图1. 指数增长（Exponential growth）和逻辑斯谛增长（Logistic growth）。图片来源：https://upload.wikimedia.org/wikipedia/en/1/1c/Population_growth.png]]
+[[文件:Population_growth.png|none|缩略图|400x400像素|图1. 指数增长（Exponential growth）和逻辑斯谛增长（Logistic growth）。图片来源：https://upload.wikimedia.org/wikipedia/en/1/1c/Population_growth.png]]
 * '''重新发现与推广'''：韦尔霍斯特的工作在当时并未引起广泛关注。直到1920年，美国生物学家雷蒙德·珀尔（Raymond Pearl）和洛厄尔·里德（Lowell J. Reed）在研究果蝇种群增长和人口问题时独立重新发现了这一方程，并提出了现在广为流传的形式。他们的工作使得该方程在生物学界广为人知，因此该方程有时也被称为韦尔霍斯特-珀尔方程或“阻碍增长方程”<ref>Pearl, R., & Reed, L. J. (1920). On the rate of growth of the population of the United States since 1790 and its mathematical representation. Proceedings of the National Academy of Sciences, 6(6), 275–288.</ref>。

@@ 第60行： / 第60行： @@
 '''逻辑斯谛方程的核心思想是'''：种群增长率受双重因素影响，既与当前种群规模（<math>N</math>）成正比，也与剩余资源空间（<math>K-N</math>）成正比。 随着种群规模接近环境承载力<math>K</math>，其增长率将逐渐下降至零，从而实现种群的自我调节。这种增长模式表现为典型的S形曲线，根据增长速率的变化，其过程可细分为五个时期：①开始期（潜伏期），种群数量少，增长缓慢；②加速期，增长逐渐加快；③转折期，当种群数量达到<math>K/2</math>时，增长速率最快；④减速期，增长逐渐变慢；⑤饱和期，种群数量达到<math>K</math>值并维持稳定<ref>Kucharavy, D., Roland, DG. (2015). Application of logistic growth curve. Procedia engineering, 131, 280-290. </ref>（图2）。
-[[文件:Logistic curve.jpg|替代=|居左|缩略图|300x300像素|图2. 简单逻辑斯谛曲线的示意图。增长率函数在同一图上以钟形曲线表示。引自<ref>Kucharavy, D., Roland, DG. (2015). Application of logistic growth curve. Procedia engineering, 131, 280-290. </ref>]]
+[[文件:Logistic curve.jpg|none|缩略图|300x300像素|图2. 简单逻辑斯谛曲线的示意图。增长率函数在同一图上以钟形曲线表示。引自<ref>Kucharavy, D., Roland, DG. (2015). Application of logistic growth curve. Procedia engineering, 131, 280-290. </ref>]]
 =主要内容=