更改

逻辑斯谛方程 (查看源代码)

2025年12月14日 (日) 15:09的版本

添加139字节、 2025年12月14日 (日) 15:09

无编辑摘要

第31行：第31行：

</math>

|{{EquationRef|1}}}}

−

~~其中λ为比例常数。~~{{EquationNote|(1)}}式是一个包含未知函数<math>N</math>及其导数的微分方程，即著名的[[马尔萨斯模型]]（又称指数增长模型）<ref>Malthus, T. R. (1798). An essay on the principle of population. J. Johnson.</ref>（图1）。

+

其中<math>λ</math>为比例常数。{{EquationNote|(1)}}式是一个包含未知函数<math>N</math>及其导数的微分方程，即著名的[[马尔萨斯模型]]（又称指数增长模型）<ref>Malthus, T. R. (1798). An essay on the principle of population. J. Johnson.</ref>（图1）。

−

~~设初始种群规模不为零，即对所有t有~~<math>N_{(t)} > 0</math>。若<math>λ > 0</math>，则由{{EquationNote|(1)}}式可知，种群将持续增长。

+

设初始种群规模不为零，即对所有<math>t</math>有<math>N_{(t)} > 0</math>。若<math>λ > 0</math>，则由{{EquationNote|(1)}}式可知，种群将持续增长。

事实上，{{EquationNote|(1)}}式表明，随着<math>N_{(t)}</math>增大，增长率<math>\displaystyle{ \frac{dN}{dt} }</math>也同步增大，即增长率随种群规模扩大而加速。

第40行：第40行：

因此，任何形如<math>N_{(t)} = C\mathrm{e}^{λt}</math>的指数函数都是方程的解。

−

~~令C取不同实数值，可得方程的解族~~<math>N_{(t)} = Ce^{λt}</math>。由于种群规模为正，故只取<math>C > 0</math>的解。代入初始时间<math>t = 0</math>，得<math>N(0) = Ce^{λ(0)} = C</math>~~，可知常数C即为初始种群规模~~<math>N_{(0)}</math>。

+

令<math>C</math>取不同实数值，可得方程的解族<math>N_{(t)} = Ce^{λt}</math>。由于种群规模为正，故只取<math>C > 0</math>的解。代入初始时间<math>t = 0</math>，得<math>N(0) = Ce^{λ(0)} = C</math>，可知常数<math>C</math>即为初始种群规模<math>N_{(0)}</math>。

然而，自然界中的种群增长并非无限制。马尔萨斯模型描述了理想条件下（即资源无限时）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仅与现有人口相关，还受可用资源制约，即存在一个最大承载量。

第55行：第55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K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, 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>]]

第72行：第72行：

其中：

−

<math>N_{(t)}</math>: 时间<math>t</math>时的种群规模；

+

* <math>N_{(t)}</math>: 时间<math>t</math>时的种群规模；

−

<math>λ</math>: 内禀增长率，表示理想条件下种群的最大增长潜力；

+

* <math>λ</math>: 内禀增长率，表示理想条件下种群的最大增长潜力；

−

<math>K</math>: 环境承载力，即环境所能支持的最大种群规模；

+

* <math>K</math>: 环境承载力，即环境所能支持的最大种群规模；

−

<math>\frac{dN}{dt}</math>: ~~种群在时刻t的瞬时增长率。~~

+

* <math>\frac{dN}{dt}</math>: 种群在时刻<math>t</math>的瞬时增长率。

该方程亦可从韦尔霍斯特最初提出的形式推导而来。其原始形式为<math>\frac{dN}{dt} = λN - \alpha N^2</math> ，其中<math> \alpha</math>表示密度依赖的拥挤效应（种内竞争）。通过变量替换<math> K = \frac{λ}{\alpha}</math>即可得到标准形式。

第100行：第100行：

* 过渡阶段（<math>N \approx K/2</math>）：增长速度达到最大值，曲线出现拐点；

−

* 饱和阶段（<math>N \to K</math>~~）：增长逐渐减缓并趋近于零，种群规模稳定在承载力K附近。~~

+

* 饱和阶段（<math>N \to K</math>）：增长逐渐减缓并趋近于零，种群规模稳定在承载力<math>K</math>附近。

==方程的性质==

第147行：第147行：

* '''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>。

−

* '''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K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.). New York: Wiley.</ref>。

+

* '''人口预测'''：用于模拟和预测人类人口增长，如珀尔和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>。

+

在人口学中，该模型通常写作：<math>{\displaystyle {\frac {dN}{dt}}=rN\left(1-{\frac {N}{K}}\right)}</math>，

其中常数<math>r</math>为种群（人口）增长率，<math>K</math>为环境承载力。

第156行：第159行：

因此，<math>K</math>是<math>N</math>的极限值，即经过足够长时间后，种群（人口）规模所能达到的最大值。值得注意的是，只要初始值<math>{\displaystyle N(0)>0}</math>，无论取值多少，种群数量都会渐近逼近环境承载力<math>K</math>，即使初始值<math>{\displaystyle N(0)>K}</math>也是如此。

−

~~生态学中有时称一个物种是R策略或K策略~~([[R/K选择理论]])的，这是指它们在自然选择过程形成的生物生命周期策略。进行无量纲化，使<math>n</math>代表以环境承载力单位计的种群数量，<math>{\displaystyle \tau }</math>代表以<math>{\displaystyle 1/r}</math>的单位计量的时间，得出无量纲微分方程：

+

生态学中有时称一个物种是<math>R</math>策略或<math>K</math>策略([[R/K选择理论]])的，这是指它们在自然选择过程形成的生物生命周期策略。进行无量纲化，使<math>n</math>代表以环境承载力单位计的种群数量，<math>{\displaystyle \tau }</math>代表以<math>{\displaystyle 1/r}</math>的单位计量的时间，得出无量纲微分方程：

<math>{\displaystyle {\frac {dn}{d\tau }}=n(1-n)}</math>。

若环境承载力随时间变化，即<math>{\displaystyle K(t)>0}</math>，则得到以下数学模型：

第162行：第165行：

其中一种特别重要的情况是承载力呈周期变化：

<math>{\displaystyle K(t+T)=K(t)}</math>，

−

此时，只要初始值<math>{\displaystyle N(0)>0}</math>，<math>{\displaystyle N_(t)}</math>会逼近一个周期为<math>{\displaystyle T}</math>的周期解<math>{\displaystyle N_{*}(t)}</math>。

+

此时，只要初始值<math>{\displaystyle N(0)>0}</math>，<math>{\displaystyle N(t)}</math>会逼近一个周期为<math>{\displaystyle T}</math>的周期解<math>{\displaystyle N_{*}(t)}</math>。

<math>{\displaystyle T}</math>的典型取值为1年，在此情况下，<math>{\displaystyle K(t)}</math>可表示天气条件的周期性变化。

第183行：第186行：

若采用化疗产生对数杀伤效果，则等式修改为

<math>{\displaystyle X'=r\left(1-{\frac {X}{K}}\right)X-c(t)X}</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

+

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>，

−

<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>。

世泽

76

个编辑