vladraven/ACMF

# ACMF ## 自适应文明代谢框架 [] [] [] 自适应文明代谢框架（ACMF）是一个开源的数学框架，用于将长期的社会经济和人口动态建模为耦合非线性微分方程组。 与传统的宏观经济模型不同，ACMF 将社会表示为一个自适应的代谢系统，其中人口、制度、技术、经济和社会过程通过非线性反馈同步演化。 # 项目状态 **当前状态：** 积极研究中 当前代码库包含： - 形式化的数学规范； - 参考数值实现； - 实证验证框架； - 统计数据摄取 pipeline； - 校准与验证工具； - 基线对比框架； - 年龄结构化人口架构 (v2)。 数学核心已完成内部验证。 实证验证目前正在进行中。 # 核心思想 ACMF 将文明建模为由相互作用的区域子系统组成的动态系统。 每个区域包含代表以下内容的相互作用的变量： - 人口 - 生产力 - 自动化 - 制度 - 人力资本 - 道德资本 - 能动性 - 环境韧性 - 生育率 - 迁移 - 系统压力 该模型研究这些反馈回路如何影响长期的社会发展轨迹。 # 数学基础 最初的 ACMF 公式通过非线性状态向量描述每个区域 X = (A, Prod, Ch, M, G, V, Inst, R, F, P1, P2, P3) 其中完整的系统由多个相互作用区域上的耦合常微分方程组成。 数学规范包括： - 不变状态域； - 守恒特性； - 迁移约束； - 平滑非线性算子； - 耗散性； - 全局吸引子的存在性； - 可用于生产环境的数值实现指南。 # 年龄结构化架构 (v2) 从 2.0 版本开始，人口子系统正在进行重构。 不再使用 P1 P2 P3 作为内部人口状态， ACMF 现在将人口表示为 Population[province, gender, age_group] 传统的人口汇总数据仅用作报告变量。 历史验证使用观测到的人口组成部分。 场景模拟使用 ACMF 的内生动态。 这种分离消除了在实证验证过程中发现的结构性限制。 # 仓库结构 ``` acmf/ core/ solver/ demography/ calibration/ empirical/ raw/ processed/ reports/ statcan_ingest/ scripts/ tests/ docs/ examples/ ``` # 验证哲学 本项目区分以下两者： ## 数学验证 验证以下内容： - 数值稳定性； - 不变性； - 守恒定律； - 求解器正确性； - Jacobian 矩阵正确性。 ## 实证验证 验证以下内容： - 校准质量； - 样本外预测； - 滚动窗口交叉验证； - 省级指标； - 与统计基线的对比。 数学上的正确性并不自动意味着具有实证预测性能。 # 当前实证结果 实证框架目前执行： - 滚动交叉验证； - 基线对比； - 不确定性估计； - 多起点校准； - 省级评估。 当前的实验表明，最初的三个人群人口子系统**尚未优于**简单的人口基线模型。 这一结果促使了向新的年龄结构化人口架构的过渡。 作为项目科学发展历史的一部分，负面的实证结果被予以保留。 # 数据 本项目使用来自加拿大统计局的公开数据集。 示例包括： - 人口估计 - 出生人数 - 死亡人数 - 迁移 - GDP - 人口组成成分 代码库包含受支持数据集的解析器和标准化工具。 除非其许可证许可，否则不重新分发原始数据集。 # 科学目标 ACMF 的长期目标是提供一个可复现的框架，用于研究： - 人口转型； - 制度动态； - 技术变革； - 迁移； - 劳动力短缺； - 自动化； - 长期韧性； - 场景分析。 该框架旨在作为研究平台，而非预测服务。 # 开发原则 每一项架构变更都应满足： ✓ 数学一致性 ✓ 数值稳定性 ✓ 可复现性 ✓ 自动化测试 ✓ 实证验证 ✓ 与基线模型对比 # 运行 克隆仓库 ``` git clone https://github.com//acmf.git cd acmf ``` 安装依赖 ``` pip install -r requirements.txt ``` 运行测试 ``` pytest ``` 运行实证诊断 ``` python empirical/scripts/build_full_package.py ``` # 文档 代码库包含： - 数学规范 - 数值实现 - 架构文档 - 验证报告 - 实证诊断 - 开发历史 # 引用 如果您在研究中使用 ACMF，请同时引用： - 软件仓库 - 附带的科学出版物 包含一个 `CITATION.cff` 文件。 # 许可证 Apache License 2.0 # 免责声明 ACMF 是一个实验性的科学研究框架。 该数学模型经过了形式化规范和数值验证。 实证验证是一个持续的研究过程。 在通过可复现的实证评估证明其性能之前，本项目不声称其预测能力优于统计基线模型。 © 2026 ACMF Project

标签：Python, 人口统计学, 动态系统, 安全规则引擎, 常微分方程, 数学建模, 无后门, 社会经济学, 逆向工具