Более века спустя Винзор (Winsor, 1932, 1) отмечал, что «кривая Гомпертца долго интересовала только статистиков страховых учреждений. Однако в последнее время она используется различными авторами как кривая роста для оценки как биологических, так и экономических феноменов». Но он называл только три области применения: рост веса скота (но только после того как животные достигли около 70 % своей зрелой массы), рост размера раковины двустворчатого моллюска и рост гигантского Тихоокеанского моллюска, делая вывод, что в силу практически аналогичных свойств ни логистическая кривая, ни кривая Гомпертца не имеют «значительного преимущества друг перед другом в отношении количества явлений, рост которых можно было бы описать с их помощью» (Winsor, 1932, 7).
Но это было до того, как во многих исследованиях было обнаружено, что более старая функция во многих случаях является предпочтительной. К природным явлениям, которые лучше всего описывает функция Гомпертца, относятся такие фундаментальные биохимические процессы, как рост нормальных и злокачественных клеток, кинетика ферментативных реакций и интенсивность фотосинтеза как функция концентрации CO
2
Основным недостатком кривой логистического роста является ее симметрия: она напоминает колебания маятника, набирающего максимальную скорость в середине траектории. Точка перегиба логистической кривой приходится на 50 % максимального значения, в результате чего схема роста дает симметричную колоколообразную кривую (кривую Гаусса), которая будет рассмотрена в следующем разделе. Многие организмы демонстрируют более быстрые темпы роста на начальных стадиях, и кривые их роста достигают точки перегиба гораздо раньше, чем асимптотического максимума. Аналогично многие процессы распространения (будь то внедрение новых промышленных методов или распространение владения бытовой техникой) следуют асимметричной S-образной траектории.
И поскольку степень асимметрии также зафиксирована в асимметрической функции Гомпертца, многие попытки избавиться от этих недостатков ведут к формулированию нескольких дополнительных моделей роста логистического типа. Цуларис (Tsoularis, 2001) рассмотрел эти производные модели главные из которых были представлены Берталанффи (von Bertalanffy, 1938), Ричардсом (Richards, 1959), Блумбергом (Blumberg, 1968), Тернером и др. (Turner et al., 1976) и Берчем (Birch, 1999), а также предложил собственную обобщенную логистическую функцию, из которой можно получить все эти модификации. Они не систематизированы в зависимости от практической ценности: все эти функции принадлежат к одной семье (являясь вариациями на тему S-образного роста), и ни одна из них не превосходит другие сигмоидальные кривые с тремя постоянными по степени пригодности.
Фон Берталанффи (von Bertalanffy, 1938) построил уравнение роста на аллометрическом (неравномерном) соотношении между скоростью обмена веществ и массой тела животного, где масса меняется в связи с разницей анаболических и катаболических процессов. Максимальный темп роста функции (точка перегиба) находится на уровне около 30 % (8/27) асимптотического значения и применяется при изучении роста и продукции лесного хозяйства, но особенно в гидробиологии, для коммерческих видов рыбы, таких как треска (Shackell et al., 1997), тунец (Hampton, 1991), а также акул (Cailliet et al., 2006) и даже белых медведей (Kingsley, 1979). Однако Рофф (Roff, 1980, 127) доказывал, что данная функция «в лучшем случае пригодна для отдельных случаев, а в худшем лишена смысла» и от нее следует отказаться, так как она исчерпала себя в исследованиях рыболовного промысла. Дей и Тейлор (Day and Taylor, 1997) также пришли к выводу, что уравнение фон Берталанффи не следует использовать для моделирования возраста и размера организмов в период зрелости.
Ричардс (Richards, 1959) модифицировал уравнение фон Берталанффи, чтобы оно соответствовало эмпирическим данным о росте растений. Функция, также известная как модель роста Чапмана Ричардса, имеет на один параметр больше, чем логистическая кривая (необходимый для асимметрии), и широко используется в исследованиях лесного хозяйства, а также для моделирования роста млекопитающих и птиц и для сравнения влияния ухода на рост растений, но имеются и возражения против ее использования (Birch, 1999). Ее точка перегиба колеблется на уровне от менее 40 % до почти 50 % асимптотического значения. Тернер и др. (Turner et al., 1976) называл модифицированное ими уравнение Ферхюльста универсальной функцией роста. Гиперлогистическая функция Блумберга (Blumberg, 1968) также является модификацией уравнения Ферхюльста, предназначенной для моделирования роста размеров органов, а также динамики населения.
И распределение Вейбулла, изначально разработанное для изучения вероятности отказа вследствие изменения свойств материала (Weibull, 1951) и используемое в тестах на надежность в инжиниринге, легко модифицируется для получения гибкой функции роста, которая может дать самые разнообразные сигмоидальные функции роста. Оно используется в лесном хозяйстве для моделирования высоты и объемного прироста отдельных видов деревьев, а также объема и возраста полиморфических лесных насаждений (Yang et al., 1978; Buan and Wang, 1995; Gómez-García et al., 2013). Двумя последними пополнениями по-прежнему растущего семейства сигмоидальных кривых являются новое уравнение роста, разработанное Берчем (Birch, 1999), и уже упоминавшаяся обобщенная логистическая функция Цулариса (Tsoularis, 2001). Берч модифицировал уравнение Ричардса, чтобы оно лучше подходило для универсальных имитационных моделей, особенно для представления роста различных видов растений с отличающимися вегетационными периодами, тогда как Цуларис (Tsoularis, 2001) предложил уравнение обобщенного логистического роста, включающее все прежде использовавшиеся функции в качестве особых случаев.
Логистические кривые в прогнозировании
Логистические кривые являются любимым инструментом специалистов по прогнозам благодаря их способности отражать, часто очень точно, траектории роста как живых организмов, так и антропогенных артефактов и процессов. Конечно, с их помощью можно сделать ценные открытия, но в то же время я должен предостеречь от излишнего энтузиазма при использовании логистических кривых в качестве инструментов прогнозирования отказоустойчивости. В своем вердикте Ноэль Бонней (Noel Bonneuil, 2005, 267) вспоминал «золотой век логистической кривой, когда Перл с энтузиазмом применял одну и ту же функцию к любому случаю роста, от длины хвостов крыс до данных переписи населения США» и развенчал заявления об удивительно точном применении этой модели к историческим данным, назвав их «сомнительным триумфом: большинство процессов ограниченного роста действительно напоминают логистические, но это мало способствует пониманию исторических процессов Подбор кривых слишком часто вводит в заблуждение по двум направлениям: его не только не следует использовать в качестве эмпирического доказательства, но он может скрывать важные детали».
Очевидно, что применение этих кривых для долгосрочного прогнозирования не гарантирует успеха. Их использование может давать новые идеи и обеспечивать представление о пределах, и в этой книге я представлю примеры из прошлого, когда прогнозы оказывались очень точными и могли служить надежным признаком ближнесрочного роста. Но в других случаях даже высокоточное логистическое соответствие прошлых траекторий приводило к обманчивым выводам о предстоящем росте, а ошибки прогнозов превосходили ожидаемые и приемлемые ±1025 % отклонений за период в 1020 лет.