Populációdinamikai modellek

Hasonló dokumentumok
2. Alapfeltevések és a logisztikus egyenlet

BIOMATEMATIKA ELŐADÁS

Populációdinamikai modellek szemléltetése Matlab-bal

Populációdinamika. Számítógépes szimulációk szamszimf17la

Dinamikai rendszerek, populációdinamika

Populációs kölcsönhatások. A populációs kölcsönhatások jelentik az egyedek biológiai környezetének élő (biotikus) tényezőit.

A MODELLALKOTÁS ELVEI ÉS MÓDSZEREI

Populációdinamika és modellezés. A populációk változása populációdinamika. A populáció meghatározása. Modellezés

MATLAB. 8. gyakorlat. Differenciálegyenletek

A differenciálegyenletek csodálatos világa

Bevezetés a kaotikus rendszerekbe

Függőleges koncentrált erőkkel csuklóin terhelt csuklós rúdlánc számításához

Populációdinamika kurzus, projektfeladat. Aszimptotikus viselkedés egy determinisztikus járványterjedési modellben. El adó:

Ensemble előrejelzések: elméleti és gyakorlati háttér HÁGEL Edit Országos Meteorológiai Szolgálat Numerikus Modellező és Éghajlat-dinamikai Osztály 34

Annak a function-nak a neve, amiben letároltuk az egyenletünket.

Populáció A populációk szerkezete

Hiszterézises káoszgenerátor vizsgálata

Georg Cantor (1883) vezette be Henry John Stephen Smith fedezte fel 1875-ben. van struktúrája elemi kis skálákon is önhasonló

A MATEMATIKA NÉHÁNY KIHÍVÁSA

Lotka Volterra-féle populációdinamikai modellek vizsgálata

Térbeli struktúra elemzés szél keltette tavi áramlásokban. Szanyi Sándor BME VIT. MTA-MMT konferencia Budapest, június 21.

ODE SOLVER-ek használata a MATLAB-ban

Közönséges differenciálegyenletek megoldása Mapleben

A fák növekedésének egy modelljéről

Eddig csak a polinom x-ben felvett értékét kerestük

AZ ID JÁRÁS SZÁMÍTÓGÉPES EL REJELZÉSE. rejelzése. lat. Földtudományos forgatag április 19.

Konjugált gradiens módszer

I. Fejezetek a klasszikus analízisből 3

Fajok közötti kapcsolatok

Differenciálegyenletek numerikus integrálása április 9.

Vadbiológia és ökológia II.

REGIONÁLIS KLÍMAMODELLEZÉS AZ OMSZ-NÁL. Magyar Tudományos Akadémia szeptember 15. 1

3. Fuzzy aritmetika. Gépi intelligencia I. Fodor János NIMGI1MIEM BMF NIK IMRI

Matematikai modellezés

MISKOLCI EGYETEM GÉPÉSZMÉRNÖKI ÉS INFORMATIKAI KAR MATEMATIKAI INTÉZET SZAKDOLGOZATI TÉMÁK

Folytonos rendszeregyenletek megoldása. 1. Folytonos idejű (FI) rendszeregyenlet általános alakja

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Predáció populációdinamikai hatása

Összefoglalás és gyakorlás

ANALÍZIS TANSZÉK Szakdolgozati téma. Piezoelektromos mechanikai redszer rezgését leíró parciális

Nem-lineáris programozási feladatok

Egyenletek, egyenlőtlenségek VII.

Differenciálegyenletek numerikus megoldása

A matematikai feladatok és megoldások konvenciói

1. A matematikai logika alapfogalmai. 2. A matematikai logika műveletei

Rend, rendezetlenség, szimmetriák (rövidített változat)

DIFFERENCIAEGYENLETEK, MINT A MODELLEZÉS ESZKÖZEI AZ ISKOLAI MATEMATIKÁBAN

Az Állatökológia tárgya

Modellezés. Fogalmi modell. Modellezés. Modellezés. Modellezés. Mi a modell? Mit várunk tőle? Fogalmi modell: tómodell Numerikus modell: N t+1.

Matematika II képletek. 1 sin xdx =, cos 2 x dx = sh 2 x dx = 1 + x 2 dx = 1 x. cos xdx =,

Lineáris algebra. (közgazdászoknak)

Két naszád legkisebb távolsága. Az [ 1 ] gyűjteményben találtuk az alábbi feladatot és egy megoldását: 1. ábra.

KORSTRUKTURÁLT POPULÁCIÓDINAMIKAI MODELL STABILITÁSA

Bevezetés az ökológiába Szerkesztette: Vizkievicz András

Differenciálegyenletek. Vajda István március 4.

3. Lineáris differenciálegyenletek

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Elhangzott gyakorlati tananyag óránkénti bontásban. Mindkét csoport. Rövidítve.

A TANTÁRGY ADATLAPJA

LINEÁRIS EGYENLETRENDSZEREK október 12. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak

A meteorológia az időjárás tudománya

Az ökológia alapjai. Diverzitás és stabilitás

Lotka-Volterra koevolúciós modellek vizsgálata

Kutatói pályára felkészítı akadémiai ismeretek modul

Komputeralgebra Rendszerek

2. MÉRÉSELMÉLETI ISMERETEK

Lineáris egyenletrendszerek

Populációdinamikai modellek numerikus megoldása Matlab alkalmazásával

Feladatok Differenciálegyenletek II. témakörhöz. 1. Határozzuk meg a következő elsőrendű lineáris differenciálegyenletek általános megoldását!

Feladatok a Diffrenciálegyenletek IV témakörhöz. 1. Határozzuk meg következő differenciálegyenletek általános megoldását a próba függvény módszerrel.

Zárthelyi mintapéldák. Majzik István BME Méréstechnika és Információs Rendszerek Tanszék

Függvények növekedési korlátainak jellemzése

Fraktálok. Bevezetés. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék Tavasz

Matematika gyógyszerészhallgatók számára. A kollokvium főtételei tanév

Kétharmad a letelepedési kötvények ellen. Az Iránytű Intézet októberi közvélemény-kutatása

Normák, kondíciószám

Számítógépes Modellezés 11. Differenciálegyenletes modellek. Inga

PhD szigorlat Differenciálegyenletek és megoldásuk tárgyai

A Newton-Raphson iteráció kezdeti értéktől való érzékenysége

valós számot tartalmaz, mert az ilyen részhalmazon nem azonosság.

Matematika III. harmadik előadás

Az inga mozgásának matematikai modellezése

Méréselmélet MI BSc 1

VÁLASZTHATÓ TANTÁRGY 3 kredit, 90 óra, 1 félév 10 óra előadás 4 óra előadás 20 óra gyakorlat óra önálló munka 86 óra önálló munka

11. modul: LINEÁRIS FÜGGVÉNYEK

KOOPERÁCIÓ ÉS GÉPI TANULÁS LABORATÓRIUM

Matematika II. 1 sin xdx =, 1 cos xdx =, 1 + x 2 dx =

A figurális számokról (III.)

Gyakorló feladatok: Formális modellek, temporális logikák, modellellenőrzés. Majzik István BME Méréstechnika és Információs Rendszerek Tanszék

2. Reprezentáció-függvények, Erdős-Fuchs tétel

Numerikus módszerek 1.

Differenciálegyenletek december 13.

Numerikus módszerek I. zárthelyi dolgozat (2017/18. I., A. csoport) Megoldások

A PiFast program használata. Nagy Lajos

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Rasmusen, Eric: Games and Information (Third Edition, Blackwell, 2001)

4. Kartell két vállalat esetén

JPTE PMMFK Levelező-távoktatás, villamosmérnök szak

konvergensek-e. Amennyiben igen, számítsa ki határértéküket!

A TERMELÉSI FOLYAMATOK HATÉKONY ÉS OPTIMÁLIS IRÁNYÍTÁSA A KOMPLEX MÓDSZER ALKALMAZÁSÁVAL

Átírás:

Populációdinamikai modellek Populációdinamika és a modellezés Populáció és modellezése A populációdinamika a különféle élőlények egyedszámának, illetőleg népességviszonyainak térbeni és időbeli változásával foglalkozik. Mivel e tényezők hatással vannak az ember életkörülményeire, ezért fontos, hogy megfelelő képet kapjunk ezekről a változásokról, s esetlegesen előrejelzéseket is tudjunk tenni velük kapcsolatban. Ahhoz, hogy megfelelő rálátásunk legyen a folyamatokra, szükséges, hogy a saját ismereteink alapján, a rendelkezésünkre álló eszközökkel befogadjuk, feldolgozzuk a környezetből érkező adatokat, és értelmezzük is őket. Ebben segít a modellezés. Egy modell felállításakor voltaképpen a környezetet egyszerűsítjük le, s a valós adatok alapján a modellünkkel igyekszünk minél inkább a környezetben tapasztaltakhoz hű eredményekre jutni. A matematikai modellezés A mi esetünkben egy, vagy többszereplős, sok változóval és állandókkal, alapvetően biológiai tárgyú folyamatokat kívánunk modellezni. Tekintve, hogy a hangsúly a változásokon van, a matematikában fellelhető differenciálegyenlet-rendszerek egy jó kiindulási pontnak tűnnek. Alapvető biológiai ismeretek mellett, elég nagyszámú rendelkezésre álló adat alapján felállíthatóak különféle differenciálegyenletek a populáció egyes tagjai létszámának változására, melyeket megfelelő matematikai (függvénytani, differenciálszámítási ) ismeretek segítségével meg lehet oldani. Egyedszámokkal, és populációs állandókkal dolgozik ez a fajta modell, minden egyes differenciálegyenletben helyet kapnak a populáció egyes tagjainak egymáshoz való viszonyai (szimbiózis, antibiózis, élősködés ). Egy leegyszerűsített populáció (vagyis lényegében a modelljeink) alapvetően három féleképpen viselkedhet: 1. Aszimptotikusan stabil viselkedésről beszélünk, hogyha tetszőleges kezdőállapotról a folyamat egy meghatározott állapothoz tart (de azt sohasem éri el: például a korlátos növekedés modellje). 2. Periodikus viselkedésről beszélünk, hogyha bizonyos T időközönként a folyamat ismétli önmagát (például a Lotka-Volterra modell). 3. Kaotikus viselkedésről beszélünk, hogyha a folyamat nagymértékben függ a kezdőállapottól. Ilyenkor nem lehetséges megfelelő előrejelzéseket tenni a jövőre nézve (általában három változó esetén) 1 / 10

A matematikai modellezés kisegítése A modellekre általánosan is jellemző, hogy minél inkább hű a valósághoz, annál pontosabbak, annál megbízhatóbbak, de ugyanakkor annál bonyolultabbak is. Ez különösképpen igaz egy differenciálegyenlet-rendszerekre épülő modell esetében. Éppen emiatt van szükség az informatika vívmányaira. Ugyanis az ilyen modelleknél igaz, hogy jó dolog, ha van egy kézzelfogható megoldásunk (például egy konkrét függvény), de nem feltétlenül szükséges. A változásokról, a populáció tagjai közötti kapcsolatokról, és ezek jövőbeni alakulásáról egy grafikon sokkalta többet is tud mondani, mint mondjuk egy másfél oldalas kifejezés. Nemcsak, hogy szemléletesebb, de könnyebben is kezelhető, hiszen alapvető, de lényeges tulajdonságok olvashatóak le róla; mint például: 1. a folyamat alaptípusa (aszimptotikusan stabil, periodikus, kaotikus) 2. egyensúlyi pontok megléte és fajtája (stabil, instabil) 3. görbék menete, típusa (esetleges kapcsolatok más görbékkel) 4. a folyamat érzékenységének mértéke A számítógépen többféle programmal is szemléltethetjük egy-egy differenciálegyenlet-rendszer megoldásait. Professzionális segítséget nyújt az általunk is használt Matlab nevezetű program. Némi programozói alapismeret segítségével könnyen kezelhető, és igen sok lehetőséget nyújtó programról van szó. Rendelkezik beépített ODE megoldó-algoritmusokkal, amik nagyban megkönnyítik a munkánkat a differenciálegyenlet-rendszerek kezelése terén. Emellett számos egyéb funkciójának köszönhetően lehetővé teszi a megfelelő típusú szemléltetést, továbbá a paraméterek gyors módosítását is, ami pedig egy alaposabb, és hatalmas adatmennyiséggel dolgozó kutatás kivitelezését teszi lehetővé. Populációdinamikai modellek és számítógépes vizsgálatuk A különféle modellekről Egy differenciálegyenleteken alapuló populációdinamikai modell esetében a legmeghatározóbb tényező a változók (tehát a résztvevők, a jelenlévő fajok) száma. Már itt az elején megjegyeznénk, hogy a különféle paraméterek, mint halálozási arány, táplálkozásnál használatos arányokat (amik önmagukban is függnek a környezet egyéb tényezőitől [éghajlat, terület ], s emiatt változhatnak) itt nem tekintjük változóknak. Dolgozatunk során alapvetően az egyváltozós, és a kétváltozós modelleket mutatjuk be, de szó lesz a háromváltozós modellekről is. Eme modellek részek kezelhetőségük, bonyolultságuk, viselkedésük szempontjából is nagymértékben eltérnek egymástól, ezért is szükséges a szétválasztásuk. 2 / 10

Egyszereplős modellek Ezek a legegyszerűbb modellek, numerikusan (többé-kevésbé egyszerűen) megoldhatóak. Igen ismertek, és általában a populációdinamika bevezetésénél kerülnek elő. Ezeknél a számítógépnek alapvetően csak szemléltető szerepe van. Két típusát különböztethetjük meg: I. Korlátlan növekedés modellje: Lényege, hogy az adott faj szaporodását, fejlődését semmilyen tényező nem gátolja meg, így a faj egyedszáma minden határon túlnőne. Ez persze csak egy idealizált modell, a valóságban nem fordulhat elő. Jelen esetben a II. egyenlet megoldása szükséges, ahol β egy paraméter. Korlátos növekedés modellje: A korlátlan növekedés modelljénél valószínűbb modellt jelent a korlátos növekedés modellje, amely a fajra nézve egy környezeti tényezők által meghatározott eltartóképességet feltételez, amely által meghatározott egyedszámot a populáció egyre inkább megközelít, mint ideális értéket. Lényegében a differenciálegyenletet kell megoldani, ahol α paraméter, K pedig az eltartó-képesség. 1. ábra: Korlátos növekedés modelljének lehetséges kimenetelei 3 / 10

Kétszereplős modellek Ezen modellekben két faj él egy populációban, s eme két faj között felléphet versengés, együttélés, vagy pedig antibiózis (ragadozó-zsákmány modell). Ezek már olyan esetek, amikre már nincsen megfelelően alkalmazható megoldó-formula. Itt már nagy szerepet kap a Matlab programunk, mind a megoldásban, mind a szemléltetésben. Ezek már összetettebb modellek, többféle is ismeretes, mi a legismertebbel, az un. Lotka-Volterra modellel, és változataival foglalkoztunk. A Lotka-Volterra modell legegyszerűbb változata az alábbi differenciálegyenlet-rendszert tételezi fel: Itt az x változó a zsákmány létszámáról tájékoztat, az y változó pedig a ragadozóéról. (Az a, b, c, d pedig paraméterek.) Alapvetően ennek a megoldása periodikus folyamat lesz, kivétel, hogyha a kiindulási értékünk a fixpont. Könnyen belátható, hogy fixpontként a és az pontok szolgálnak. Egy érdekesebb változata ennek a modellnek az, amikor egy vadász is beleszól a populáció változásába, és tizedeli mind a zsákmány, mind pedig a ragadozó állományát: Ebben az esetben is periodikus megoldásokat kapunk a folyamatokra. Emellett látható, hogy ha vadászat is zajlik, az a zsákmány számára kedvezőbb feltételeket teremt. Ennek az eredménynek igen érdekes a történelmi háttere. A második világháború folyamán a tengeri ütközetek miatt szünetelt a halászat a Csendes-óceánon. A háború végeztével megkezdték újra a halászást, és meglepődve tapasztalták, hogy arányaiban több ragadozó halat fognak, mint nem ragadozót. Ezzel az érdekes problémával fordultak Volterrához, aki Lotkától függetlenül, de vele egy időben dolgozta ki a később kettőjükről elnevezett modell különféle változatait. 4 / 10

2. ábra: Lotka-Volterra modell két változata, felül a hagyományos, alul pedig a vadászattal kiegészített változat; a bal oldali oszlopban a két faj egyedszámának változása az idő függvényében (a kék a zsákmány, a piros a ragadozó), a jobb oldali oszlopban pedig a két faj egyedszámának változása egymás függvényében. Háromszereplős modellek Ezekben a modellekben már három faj szerepel a populációban, melyeknek különféle viszonyulásaik képzelhetőek el. Itt már megoldó-formulákkal, praktikákkal nem megoldható differenciálegyenlet-rendszerekről beszélünk, emiatt szinte létfontosságú a számítógépes segítség. Kutatásunk egy jókora hányadában az úgynevezett Harlekin katicák esetével foglalkoztunk. A Harlekin katicákat mezőgazdasági célokból telepítették eredetileg be a rendes katicák mellé, ugyanis sokkal agresszívebben fogyasztotta a levéltetveket. Habár nem az új klímához volt szokva, akklimatizálódott, és mint új csúcsragadozó lépett be a populációba (ugyanis a rendes katicák lárváit is elfogyasztotta). Vizsgálódásunk célja az volt, hogy megtudjuk, vajon mi lesz a Harlekin katicákkal, illetőleg a rendes katicákkal (ki fog-e valamelyik halni, vagy sem). Ennek az esetnek a vizsgálatához többféle ismert modellt is megvizsgáltunk: 1. Tanabe-Namba modell: Ezen modell egy olyan alaphelyzetből indul, melyben a csúcsragadozó a zsákmányt is fogyasztja, nemcsak a ragadozót, de a ragadozó csak a zsákmányt eszi meg. Ezen modell a legtriviálisabb kiterjesztése a Lotka-Volterra modellnek, mondhatni az egyik legidealizáltabb háromváltozós modell. Viszont néhány paraméterére igen érzékenyen viselkedik (jelen esetben a felvázolt differenciálegyenlet-rendszerben a c paraméter például ilyen), ami miatt könnyen kaotikusan kezdhet viselkedni. 5 / 10

3. ábra: A Tanabe-Namba modell egy lehetséges kaotikus kimenetele; baloldalon az egyes fajok egyedszámának alakulása az idő függvényében; a jobb oldalon pedig az egyes fajok egyedszámának alakulása egymás függvényében (3 dimenzióban). 2. Hastings-Powell modell: Ez egy alapvető tápláléklánc-struktúrán alapszik: a ragadozó megeszi a zsákmányt, a csúcsragadozó csak a ragadozót eszi meg. Az egyik legelső ilyen háromváltozós modellnek számított 1991-es megjelenésekor. Egy egyszerűsített verziója az alábbi egyenletrendszert vázolja fel: 6 / 10

Eme modell igaz pontosabb, mint a Tanabe-Namba, de a mi esetünkben nem jól használható, mivel nem megfelelő a populáció szerkezete (itt nem fogyasztja a csúcsragadozó a zsákmányt). 4. ábra: A Hastings-Powell modell egy lehetséges kaotikus kimenetele; a baloldalon az egyes fajok egyedszáma az idő függvényében, a jobb oldalon pedig egymás függvényében (3 dimenzióban). 3. Konkurens ragadozó: Ebben az esetben a belépő ragadozó szintén csak a zsákmányt fogyasztja, s konkurens félként jelenik meg az eredeti ragadozó számára. Eme modell akkor lenne jól használható, ha a katicás történetünk a tervezetteknek megfelelően zajlott volna le (tehát, ha mindkét katica csupán a levéltetveket fogyasztaná). Az ide tartozó differenciálegyenlet-rendszer: 7 / 10

Konklúzió A kutatások során az egészen egyszerű modellektől kiindulva több igen bonyolult modellig jutottunk, nem csak ismerkedés, hanem vizsgálódás terén is. Megismerkedtünk a differenciálegyenletekkel, és differenciálegyenlet-rendszerekkel, bizonyos megoldási praktikákkal, ötletekkel. Betekintést nyerhettünk a káoszelméletbe, és a fraktálok világába is. Megismerkedtünk a Matlab nevű programmal, amely kutatásunk során végig hatalmas segítséget nyújtott nekünk. A folyamatos fejlesztéseknek alávetett program a lehetőségek végtelen tárházát rejti magában, nem csak a mi kutatási témánk terén. Nyilvánvalóvá vált számunkra, hogy a program alapú matematikai modellezés a matematikának egy viszonylag fiatal, és rengeteg kutatási témát, megoldatlan problémán rejt még magában. Mindezen tények arra sarkalltak minket, hogy munkánkat precízen vigyük véghez, s hogy minél jobban megismerkedjünk a Matlabbal, kiaknázzuk eme erőforrást. Szalai Péter, Benyó Krisztián Témavezető: Mincsovics Miklós 8 / 10

Irodalomjegyzék Alligood, K., Sauer, T., and Yorke, J.: Chaos: An Introduction to Dynamical Systems. Morris W. Hirsch, Stephen Smale, Robert L. Devaney: Differential Equations, Dynamical Systems and An Introduction to Chaos. Blanchard, P., Devaney, R. L., and Hall, G. R. Differential Equations. Tanabe, K., Namba, T.: Omnivory creates chaos in simple food web models; Ecology, Vol. 86., No. 12. Hastings, A., Powell, T.: Chaos in a Three-Species Food Chain, Ecology, Vol. 72., No. 3. Hatvani László, Pintér Lajos: Differenciálegyenletes modellek a középiskolákban 9 / 10

Tartalomjegyzék Populációdinamika és a modellezés... 1 Populáció és modellezése... 1 A matematikai modellezés... 1 A matematikai modellezés kisegítése... 2 Populációdinamikai modellek és számítógépes vizsgálatuk... 2 A különféle modellekről... 2 Egyszereplős modellek... 3 Kétszereplős modellek... 4 Háromszereplős modellek... 5 Konklúzió... 8 Irodalomjegyzék... 9 10 / 10