文档介绍：生物学中非线性数学模型的构建与应用
　　【摘要】提出了非线性数学模型在生物学中的两种主要构建形式，并通过非线性数学模型在生物学中的详细应用，得出简单明了的数学公式在解析复杂多变的生物学问题中的重要意义。
　　【关键词】生物学非线性数学模生物学中非线性数学模型的构建与应用
　　【摘要】提出了非线性数学模型在生物学中的两种主要构建形式，并通过非线性数学模型在生物学中的详细应用，得出简单明了的数学公式在解析复杂多变的生物学问题中的重要意义。
　　【关键词】生物学非线性数学模型构建应用
　　现代生物学的理论根底是建立在线性程度较高的数学、物理以及化学的根底之上，然而在生物学研究中，由于生物机体的复杂性，且所受影响因素众多，故在各种变量之间大量存在的是非线性关系，如细菌增殖过程、泌乳、产蛋、生长过程、种群增长规律、药物效应变化过程、对激素的感受才能变化过程等都是典型的非线性关系。因此，为了更好地研究生物规律性，有必要深化研究生物的非线性数学模型。
　　1非线性数学模型所谓数学模型是指用来描绘某种现象的特征或本质的数学关系式。线性数学模型是反映自变量与因变量之间线性对应关系的数学表达式，一般也称这种关系为直线回归。非线性数学模型是相对于线性数学模型而言，其自变量与因变量间不能在坐标空间表示为线性对应关系，一般也称这种变量间的关系为曲线回归。非线性数学模型的一般形式为：y=f(x,β)+ε其中，f〔x，β〕为某种形式的函数，依不同的情况而异。所以从广义的角度看，线性数学模型仅是非线性摸型的特殊形式，它最简单，也最有用，因此得到广泛应用。然而在理论中，由于事物的互相联络和互相作用，真正能表现出高度线性对应关系的情况是不多的。在生物学研究中非线性关系大量存在，生物的非线性数学模型的构建，有助于我们更好的探究与研究。
　　2非线性数学模型在生物遗传中的构建我们从经历、实验数据、已有的模型推出一个新的模型来解释生物，然后发现不够准确，接着就推翻原有的模型建立新的模型。这样周而复始，从中我们可以体会到生物学是非线性的。非线性数学模型本身的特点就决定了其多样性，在不同的变量间，甚至在一样的变量间而在不同的场合中，都有不同的非线性关系，因此也就需要用不同的适宜模型来处理。建立模型是处理非线性关系时最根本、最关键、最费力的工作。一个适宜的模型应准确地刻画变量间的互相关系，正确反映其内在规律性；而一个不当的模型那么可能带有较大的系统误差，因此会歪曲变量间的关系，据此只能得到错误的结论。
　　。如lgisti方程，这个方程最早由德国生物数学家Verhaulst于1837年提出其雏形，但未能引起重视，1920年Pearl等在研究美国人口自1790年以来的变化规律时总结出其一般形式。他们考虑问题的出发点是，人口的变化在无灾难性减少和生育控制时是一个连续的增加过程，其变化速率正比于人口数量和剩余环境容量，即：dNdt=μ′N(Nf-N)=μN(1-NNf〕式中，Nf为环境最大容量，N为当时人口数量，μ=μ′Nf，为生长系数。通过常规的数学分析方法，对上式积分后即可得到lgisti方程：N=Nf1+(Nf-Ne)N0e-μt其一般形式为：N(t)=A1+e-k(t-b)这就是一个表示种群大小随