Modele oddziaływań między dwiema populacjami

Slides:



Advertisements
Podobne prezentacje
Wykład 4 2. Przykłady ruchu 1.5 Prędkość i przyśpieszenie c.d.
Advertisements

Sterowanie – metody alokacji biegunów II
Metody badania stabilności Lapunowa
Model Konkurujących Gatunków
Równanie różniczkowe zupełne i równania do niego sprowadzalne
Modelowanie pojedynczej populacji .
Funkcja liniowa, jej wykres i własności
Ile rozwiązań może mieć układ równań?
Wzmacniacz operacyjny
Model immunologiczny.
Badania operacyjne. Wykład 2
Wykład no 11.
Model ciągły wyceny opcji Blacka – Scholesa - Mertona
Instrumenty o charakterze własnościowym Akcje. Literatura Jajuga K., Jajuga T. Inwestycje Jajuga K., Jajuga T. Inwestycje Luenberger D.G. Teoria inwestycji.
Struna – rozwi ą zanie dAlemberta Ewa Jench WFiIS AGH.
Wykład 3 Sparametryzowane rodziny funkcji
Wykład XII fizyka współczesna
1.
Temat: Cechy populacji biologicznej.
Gatunek ziemnowodnego gryzonia rodziny bobrowatych. Dawniej występował w całej strefie umiarkowanej Europy i Azji, obecnie wyginął w wielu regionach.
Zespół Szkół Mechanicznych w Białymstoku
Stabilność Stabilność to jedna z najważniejszych właściwości systemów dynamicznych W większości przypadków, stabilność jest warunkiem koniecznym praktycznego.
MECHANIKA NIEBA WYKŁAD r.
Co to jest układ równań Układ równań – koniukcja pewnej liczby (być może nieskończonej) równań. Rozwiązaniem układu równań jest każde przyporządkowanie.
MECHANIKA NIEBA WYKŁAD r.
Opis matematyczny elementów i układów liniowych
Hipoteza cegiełek, k-ramienny bandyta, minimalny problem zwodniczy
Prąd elektryczny Opór elektryczny.
RUCH HARMONICZNY F = - mw2Dx a = - w2Dx wT = 2 P
Modele ze strukturą wieku
Metody Lapunowa badania stabilności
Modelowanie Symbiozy.
AUTOMATYKA i ROBOTYKA (wykład 6)
Biomechanika przepływów
Budowanie schematu blokowego
Stabilność Stabilność to jedno z najważniejszych pojęć teorii sterowania W większości przypadków, stabilność jest warunkiem koniecznym praktycznego zastosowania.
Elementy Rachunku Prawdopodobieństwa i Statystyki
Przykłady skrzyżowań ze znakami
Teoria sterowania 2011/2012Stabilno ść Kazimierz Duzinkiewicz, dr hab. in ż. Katedra In ż ynierii Systemów Sterowania 1 Stabilność Stabilność to jedno.
Teoria sterowania Wykład 9 Transmitancja operatorowa i stabilność liniowych układu regulacji automatycznej.
Ostyganie sześcianu Współrzędne kartezjańskie – rozdzielenie zmiennych
MODEL LOGISTYCZNY I JEGO UOGÓLNIENIA
Figury w układzie współrzędnych.
Wprowadzenie do ODEs w MATLAB-ie
Wprowadzenie do ciągłych układów dynamicznych
Sterowanie – metody alokacji biegunów II
Zasady przywiązywania układów współrzędnych do członów.
Algebra Przestrzenie liniowe.
Stabilność Stabilność to jedno z najważniejszych pojęć dynamiki systemów i teorii sterowania W większości przypadków, stabilność jest warunkiem koniecznym.
Mateusz Siuda klasa IVa
FUNKCJE Opracował: Karol Kara.
MECHANIKA 2 Wykład Nr 10 MOMENT BEZWŁADNOŚCI.
Dynamika układu punktów materialnych
FUNKCJE Pojęcie funkcji
Sterowanie populacją i eksploatacja populacji
Modele zmienności aktywów Model multiplikatywny Parametry siatki dwumianowej.
Ruch jednowymiarowy Ruch - zmiana położenia jednych ciał względem innych, które nazywamy układem odniesienia. Uwaga: to samo ciało może poruszać się względem.
MODELOWANIE ZMIENNOŚCI CEN AKCJI
Wykład Rozwinięcie potencjału znanego rozkładu ładunków na szereg momentów multipolowych w układzie sferycznym Rozwinięcia tego można dokonać stosując.
Analiza portfeli dwu- oraz trzy-akcyjnych
DALEJ Sanok Spis treści Pojęcie funkcji Sposoby przedstawiania funkcji Miejsce zerowe Monotoniczność funkcji Funkcja liniowa Wyznaczanie funkcji liniowej,
© Prof. Antoni Kozioł, Wydział Chemiczny Politechniki Wrocławskiej MATEMATYCZNE MODELOWANIE PROCESÓW BIOTECHNOLOGICZNYCH Temat – 5 Modelowanie różniczkowe.
Identyfikacja i modelowanie struktur i procesów biologicznych Laboratorium 1: Modele ciągłe. Model Lotki-Volterry. mgr. inż. Urszula Smyczyńska.
Rozwiązywanie układów równań Radosław Hołówko Konsultant: Agnieszka Pożyczka.
Rozpatrzmy następujące zadanie programowania liniowego:
Matematyka przed egzaminem czyli samouczek dla każdego
Teoria sterowania Wykład /2016
Jednorównaniowy model regresji liniowej
Figury w układzie współrzędnych
Zarządzanie populacjami zwierząt
Zapis prezentacji:

Modele oddziaływań między dwiema populacjami Model drapieżnik – ofiara z ograniczoną pojemnością środowiska dla ofiar Model z kryjówkami dla ofiar

Model drapieżnik – ofiara z ograniczoną pojemnością środowiska dla ofiar Jak wspomniano na ostatnich zajęciach w modelu Lotki-Volterry nie uwzględniono jednego z najważniejszych czynników powodujących stabilizację populacji ofiar, czyli KONKURENCJI WEWNĄTRZGATUNKOWEJ np. o pożywienie. Jeśli drapieżników w środowisku jest bardzo mało, to niewiele ofiar ginie na skutek polowania i w związku z tym ich liczebność wzrasta. W pewnym momencie przekracza ona pojemność środowiska dla gatunku Ԑ1, zatem osobniki tego gatunku nie mają co jeść, a co za tym idzie powinna wystąpić konkurencja, która ten wzrost powstrzyma.

Aby sformułować model drapieżnik-ofiara z ograniczoną pojemnością środowiska dla ofiar, zamiast założenia o wykładniczym wzroście populacji ofiar w przypadku braku drapieżników, przyjmujemy podobne założenia, jak dla modelu logistycznego, tzn. że oprócz procesu rozrodczości w populacji Ԑ1 występuje konkurencja, którą modelujemy za pomocą funkcji kwadratowej ( proporcjonalnie do kwadratu liczebności tego gatunku). Wobec tego w układzie V(t)- liczebność ofiar w chwili t P(t)- liczebność drapieżników w chwili t r- współczynnik rozrodczości ofiar Ԑ1 aVP- biomasa upolowanych ofiar a- współczynnik skuteczności polowań b- przelicznik upolowanych ofiar s- współczynnik śmiertelności drapieżników (*) Należy uwzględnić człon, który pojawił się w równaniu logistycznym, czyli :

Rozwiązania A=(0,0) ; B=(K,0) ; C= K- opisuje pojemność środowiska dla gatunku Ԑ1, analogicznie jak w modelu logistycznym Równania stacjonarne, założenia : V≠0 i P≠0. Funkcja nie zależy od czasu, więc pochodne są równe 0. /:V /:P Rozwiązania A=(0,0) ; B=(K,0) ; C=

Podstawowe własności typu istnienie, jednoznaczność i nieujemność rozwiązania dla nieujemnego warunku początkowego (V0,P0), są zagwarantowane dla układu (**) określone dla wszystkich t≥0, podobnie jak w przypadku układu (*) Dość prosto możemy wykazać też ograniczoność rozwiązań. Sformułujmy odpowiednie stwierdzenie : Rozwiązania układu (**) dla nieujemnego warunku początkowego (V0,P0), V0,P0≥0, pozostają ograniczone, co więcej V(t)≤max{V0,K} dla t≥0. Rozwiązania stacjonarne układu (**) zależą od wielkości parametru K.

Zajmiemy się teraz analizą portretu fazowego Zajmiemy się teraz analizą portretu fazowego. Izokliny zerowe są następującymi prostymi: dla zmiennej V: V=0  lub P=r/a(1-V/K); dla zmiennej P : P=0 lub  V=s/ab. Jeśli pojemność środowiska jest niewielka K ≤ s/ab, to istnieją dwa rozwiązania stacjonarne o nieujemnych współrzędnych A=(0,0) i B=(K,0). Jeśli natomiast jest ona duża K>s/ab, to mamy trzy rozwiązania stacjonarne, które mają sens biologiczny. Oprócz A i B jest C=(s/ab, r/a(1-s/abK)). W granicznym przypadku, tzn. Gdy K=s/ab rozwiązania B i C pokrywają się C=(s/ab, r/a(1-s/ab(s/ab) )) =(s/ab, r/a(1-s/s))=(s/ab,0)=B.

Okazuje się, że jeśli rozwiązanie stacjonarne C istnieje (czyli ) to jest ono globalnie stabilne dla wszystkich dodatnich warunków początkowych. Oznacza to, że jeśli na początku w środowisku występuje pewna liczba Vo>0 ofiar i Po>0 drapieżników, to wraz z upływem czasu liczebności te zbiegają się do wielkości określonych przez współrzędne rozwiązania stacjonarnego C. Biologicznie interpretujemy globalną stabilność w taki sposób, że oba gatunki Ԑ1 i Ԑ2 występują w danym środowisku.

Przykładowe portrety fazowe modelu drapieżnik-ofiara z ograniczoną pojemnością środowiska dla ofiar w przypadku dużej pojemności środowiska Wykresy odpowiadające portretowi fazowemu z prawej strony. Z taką sytuacją mamy do czynienia, gdy rozwiązania w krótkim czasie stabilizują się na poziomie rozwiązania stacjonarnego Druga wersja portretu fazowego i rozwiązań z lewej strony, odpowiada sytuacji, gdy rozwiązania stale oscylują wokół rozwiązania stacjonarnego

Przykładowy portret fazowy modelu drapieżnik-ofiara z ograniczoną pojemnością środowiska dla ofiar w przypadku małej pojemności środowiska Wykres rozwiązań odpowiadający portretowi fazowemu

W przypadku gdy mamy tylko 2 rozwiązania stacjonarne ( ) globalnie stabilne jest rozwiązanie B. Biologicznie interpretujemy to tak, że w rozpatrywanym środowisku naturalna liczebność gatunku Ԑ1 (ofiar) jest zbyt mała, aby drapieżniki mogły się wyżywić, co prowadzi do wyginięcia gatunku Ԑ2. Widzimy, że rozwiązania w modelu z ograniczoną pojemnością środowiska mają te same własności po niewielkim zaburzeniu. Co więcej, można pokazać, że układ z konkurencją wewnątrzgatunkową jest stabilny strukturalnie, a wyjściowy układ Lotki- Volterry nie, co uznaliśmy za jego wadę. TWIERDZENIE: Rozwiązanie stacjonarne A=(0,0) układu(**) jest zawsze niestabilne. Dla rozwiązanie stacjonarne B=(K,0) jest stabilne, natomiast rozwiązanie stacjonarne . Dla rozwiązanie B jest niestabilne, natomiast jest stabilne. TWIERDZENIE: Jeśli to rozwiązanie stacjonarne B jest globalnie asymptotycznie stabilne. Jeśli to rozwiązanie stacjonarne C jest globalnie asymptotycznie stabilne.

MODEL DRAPIEŻNIK- OFIARA Z KRYJÓWKAMI DLA OFIAR Następną możliwością wprowadzenia zmian w modelu (*) jest przyjęcie założenia, że pewna część ofiar jest niedostępna dla drapieżników, gatunek Ԑ1 wypracował część kryjówek, w których drapieżniki nie mogą ich dosięgnąć, np. ze względu na wielkość( drapieżniki nie mieszczą się w kryjówkach). Przyjmiemy dla uproszczenia, że liczba ukrywających się ofiar jest stała. Niech K oznacza liczbę ofiar, która się ukrywa. W tej sytuacji, tylko w przypadku V>K drapieżnik może upolować ofiarę. Wobec tego w modelu Lotki- Volterry w składniku opisującym polowanie będziemy mieli zamiast iloczynu VP iloczyn (V-K)P, gdyż P(t) drapieżników spotyka tylko V(t)-K ofiar w dowolnej chwili t. Otrzymujemy zatem układ równań: (***) Przy czym układ (***) odpowiada opisywanej sytuacji tylko dla V>K.

Jeśli V≤K to, ofiary nie są dostępne dla drapieżników, więc zgodnie z założeniem modelu Lotki- Voletrry ich liczebność rośnie wykładniczo, a liczebność drapieżników maleje, gdyż nie mają pożywienia. Skoro liczebność ofiar rośnie, w pewnym momencie przekracza wartość progową K i od tego momentu zaczyna obowiązywać układ (***). Podobnie jak w przypadku układu (*) rozwiązania układu (***) istnieją dla dowolnej chwili t≥0 oraz są jednoznaczne i nieujemne dla nieujemnych warunków początkowych, przy czym musimy założyć Vo > K, aby rozpatrywany układ opisywał środowisko z kryjówkami dla ofiar.

Przestrzeń fazowa w przypadku ( Przestrzeń fazowa w przypadku (***) ma nieco inną postać jak w przypadku układów (*) i (**). Jest ona postaci {(V,P):V≥K, P≥0}. W tak zdefiniowanej przestrzenia fazowej mamy jedno rozwiązanie stacjonarne. A= Okazuje się, że rozwiązanie to jest zawsze globalnie stabilne, zatem liczebność obu gatunków stabilizuje się wraz z upływem czasu na pewnych niezerowych poziomach, czyli oba gatunki współistnieją w danym środowisku. Dodatkowo uzyskaliśmy strukturalną stabilność układu (***)

Zaprezentowane modele z ograniczoną pojemnością środowiska dla ofiar oraz z kryjówkami dla ofiar mają pewną cechę wspólną – dla dowolnych parametrów układ zawsze jest globalnie stabilny. Rozwiązania wraz z upływem czasu zbiegają do jednego z rozwiązań stacjonarnych. Nie ma natomiast takich rozwiązań jak dla oryginalnego modelu Lotki- Volterry, gdzie rozwiązaniami były funkcje okresowe.

Bibliografia: Urszula Foryś ,,Matematyka w biologii”- Model drapieżnik – ofiara z ograniczoną pojemnością środowiska dla ofiar i model z kryjówkami dla ofiar. Wykonała: Aleksandra Ignaciuk Dziękuje za uwagę