| 模型名称 | 模型介绍 | 应用场景 | 优缺点 |
| --- | --- | --- | --- | --- |
| 一元线性回归模型 | 研究两个变量之间线性关系的统计模型，通过最小二乘法对模型参数进行估计，建立经验回归方程来描述自变量与因变量之间的关系。 | 分析一个因素（如汽车流量）对另一个因素（如PM2.5浓度）的影响，并据此进行预测。 | 优点：简单直观，计算量小，易于理解和解释；缺点：只考虑了一个自变量，对于复杂的实际问题可能不够准确，无法反映其他因素的影响。 |
| 多元线性回归模型 | 在一元线性回归的基础上，考虑多个自变量对因变量的线性影响，通过建立多元回归方程来描述它们之间的关系。 | 分析多个因素（如汽车流量、风速、气温等）对某个结果（如PM2.5浓度）的综合影响，并进行预测。 | 优点：能综合考虑多个因素，更全面准确地反映变量间的关系；缺点：计算相对复杂，需要较多的数据支持，且对数据的质量和数量要求较高。 |
| 马尔萨斯人口模型 | 用时刻的人口数 \( p_t \) 表示，起始时刻为 \( t = 0 \) 时 \( p_0 \) 的值已知，求得解析式为 \( p_t = p_0 e^{rt} \)，是一个指数型函数模型。 | 用于预测人口数量随时间的变化趋势，在一定时期内对人口增长的描述较为有效。 | 优点：模型简单，能够快速地给出人口增长的大致趋势；缺点：没有考虑到环境资源等因素的限制，当人口基数较大或经过较长时间后，预测结果会与实际情况产生较大偏差。 |
| Logistic 人口模型 | 在马尔萨斯模型的基础上进行了改进，考虑了环境容纳量等因素，其模型形式为 \( p(t) = \frac{K}{1 + A e^{-rt}} \)。 | 更符合实际情况地预测人口数量的增长趋势，尤其是在人口增长接近环境容纳量时，预测效果较好。 | 优点：相较于马尔萨斯模型，更能准确地反映人口增长的规律，考虑到了环境等因素的限制；缺点：模型中的参数估计相对复杂，需要较多的数据来确定。 |
| 正方体模型 | 以正方体为研究对象，利用其结构特征来解决空间问题，如截面面积取最值等问题。 | 解决与正方体相关的空间几何问题，通过构建正方体模型，将问题置于更大的背景中进行分析和求解。 | 优点：对于具有正方体结构特征的空间问题，能够提供清晰的思路和方法；缺点：适用范围有限，仅适用于与正方体相关的特定问题。 |
