科技创新研究国际杂志
菜单类ISSN ONLINE(2319-8753)PRINT(2347-6710)
ISSN ONLINE(2319-8753)PRINT(2347-6710)
ShilpaS库尔卡尼一号sreenidhiR库尔卡尼2苏拉杰Patil2
|
| 相关文章at普梅德,学者谷歌 |
访问更多相关文章科技创新研究国际杂志
自始至终,无控人口增长对地球资源 和栖息地本身构成威胁自1900年末以来印度人口剧增印度作为一个发展中国家应该非常巧妙地处理这个问题。并比较同期印度实际人口误差方程还依据特定时段趋势线推导出2013年及其后至2025年印度人口估计还讨论了印度实现承载能力所需的时间问题。相关结论还基于所获结果作出这项工作将深入了解印度-Qs人口增长方面变化趋势
关键字 |
| 人口增长,估计人口,未来预测,后勤模型,人口趋势 |
内注 |
 |
I.导 言 |
| 人口模型是一种数学模型类型,应用到人口动态研究中模型求得对复杂交互过程作用的更好理解建模自然动态交互可提供可控理解方式,了解数字随时间或关系变化多甚至全部地球过程 影响人类生命EarthQQs过程极具随机性 肉眼似乎混乱并使用人口建模工具生成多模式开发人口模型有多种方法简单指数模型提供足够近似估计人口,但没有定义饱和点人口估计指数增长而没有任何上限给出更长时间不切实际数字这是因为它不考虑环境因素,因此适合极短时间物流模型显示,随着人口达到环境承载能力或饱和点,人口增长率下降物流模型比指数模型精确[1]已经做了大量工作来进一步发展这些模型,以便准确预测人口增长本文建议估计2013年及2025年之前的国家人口 |
二.互连检测 |
| J.N.Kapur和QJ.A.Khan[2]讲起简单人口增长模型的工作“数理增长模型”。简单模型只考虑单位时间比死亡多,不考虑资源限制适当参数被视为使用逻辑法修改简单模型表格被称为简单逻辑模型作者们还指出,这一修改模型很好地解释了以养分介质生长的菌群,并成功用于适应人类口数据S形曲线取出时即刻绘制人口图除此以外,作者还提出自己的模型预测细菌群写作者Donovan和Welden[3]表示,具有清晰承载容量的后勤模型最方便地研究人口增长问题,因为相关方程包含很少参数。并暗示持续学模型基本方程的解决方案可以通过整合方程获取更多细节解决方案将在本文后文讨论印度政府规划委员会发布的报告《人口增长:趋势、预测、挑战与机遇》显示1901年出生下降趋势报告并告诉我们,死亡率远小于出生率暗示印度人口净增长卡尔豪布和OP.Sharma[5]工作显示人口增长趋势“Indivas人口现实:调和变化和传统”。可见印度人口在1900年末急剧增长CLakshmana在论文《印度人口开发环境》中显示,与前十年相比,2001至2011年印度人口增长下降他还指出,印度人口增长是环境恶化的主要原因。他建议立即采取补救行动扭转下降趋势从[2]和[3]可得出结论,用前期人口数据后勤模型精确估计印度人口从[4]、[5]和[6]中,我们得出结论,有必要估计印度每年的人口,而不是预测按普查预测这对于理解印度人口、环境和经济相关政策规划和执行变化中的人口趋势十分重要。因此,我们打算使用后勤模型估计印度2009至2012年人口增长情况,使用2007和2008年可用日期前人口数据分析误差模式,比较估计群数和实际群数并推导出基于误差模式的误差方程并预测2013年及其后至2025年印度人口增长 |
三.局部差分算法分析解析 |
 |
 |
| 2013年和2025年之前时间和人口表示法以类似方式延续至2012年承载容量C每日和PaulREhrlich[8] 论文提到India载量20亿常量qual2中的aqual2取法取法取代2007年印度人口承载量和参考量(取自表1)。The obtained value of term „A‟ is 0.725483734. |
| 最大增速squality3中术语sqkquak估计显示:后勤方程(3)重写2008年,即t=t1和P=P |
 |
 |
| 2013t=5,E5=1114542,2014t=6,E6=1561485,2015t=7,E7=1996141,2020t=12,e12=259951,2018年,t=10,e10=2830597,2019t=11,e11=2810215207,t=100e100=548961132018年、2019年和2020年误差值下降和2107年误差值达到约55亿并加负号后勤模型估计2107年人口为19.4亿这就意味着2107年修正人口约为19.4亿+(55亿+)=-35.6亿 |
值似乎不切实际和背信弃义多边趋势顺序3被丢弃 |
| 例2:图3显示误差估计印度人口和次最适配趋势曲线应该指出,趋势线是二阶多元方程R2值为 0.999表示它最适配趋势线.A二阶多元方程使用2009至2012年可用误差推导取方程时可变时间t值与例1相似推理方程 |
 |
| 验证方程(6)时用随机取用时间t替换年值交叉检验获取错误为2013 t=5,e5=1183814,2014年t=6,e6=179992,Year2015t=7,e7=2536410,Year2020,t=12,e12=8127100,Year2018T=10,e10=5512104,Year2019,t=11,e11=6745482,Year2107,t=100,e100=623097324可观察e10、e11和e1220182019和2020年误差值完全一致2107年误差值达约6.2亿后勤模型估计2107年人口为19.4亿这就意味着2107年修正人口约为19.4亿+6.2亿=25.6亿 |
值似乎不切实际和背信弃义,因为人口跨载量多边趋势顺序2被丢弃 |
| 例3:图4Bow显示误差图估计印度人口和另一个趋势线曲线应该指出,趋势线是线性线程R2值为0.944表示它是一个良好的趋势线。A线性方程使用2009至2012年可用误差推导取方程时可变时间t值相似例1和例2推理方程 |
| 234450-304070=. |
 |
| 验证方程(7)时用随机取用时间t取值替换交叉检验获取错误为2013 t=5,e5=868180,2014 t=6,e6=1102630,2015t=7,e7=1337080,2020t=12,e12=2509330,2018年t=10,e10=2040430,2019年e11=2274880,2107t=100,e100=23140930可观察e10、e11和e1220182019和2020年误差值完全一致2107年误差值达约0.024亿后勤模型估计2107年人口为19.4亿这就意味着2107年修正人口约为19.4亿+02.4亿=19.64亿值似乎现实和令人满意,尽管值接近印度的承载能力,但仍可短时使用线性趋势线可以接受R2值小于例1和例2表示误差估计精度下降线性趋势线提供现实结果2013至2025年估计并校正印度人口数:表3显示估计人口数、预测使用后勤模型校正印度人口数以及从例3线性误差方程和2009年百分率增长 |
 |
 |
六.结论 |
| 预测印度人口增长是重要形式可持续性点环境应该能够支持人民,因为这不仅环境,国家也应该为控制人口增长作出贡献。物流方法是预测印度人口和所有栖息地的好工具估计群数由误差组成 预测精度可以通过加差错方程提高在这项工作中,试图尽量减少预测印度人口错误通过合并线性误差方程而在一定程度上减少误差方程短时保持良好,当然会提高结果归正因素如常量squalityssqualqual并应指出,印度要达到20亿承载能力,需要多百年时间.所有讨论都得出结论,后勤方法加差错方程是人口估计的好工具 |
引用 |
|