Автор работы: Пользователь скрыл имя, 26 Декабря 2011 в 10:12, реферат
На разных уровнях развития живой материи продукционные процессы проявляют себя по-разному, но их феноменологическое описание всегда включает рождение, рост, взаимодействие с внешней средой, в том числе с другими особями своего вида или других видов, смерть особей. Именно это обстоятельство позволяет применять сходный математический аппарат для описания моделей роста и развития у таких, казалось бы, удаленных друг от друга по лестнице уровней организации живой материи, как клеточная популяция и сообщество видов в экосистеме.
Введение. 3
1. Моделирование как метод познания. Основные определения. 5
2. Основные модели роста популяций. 9
3. Модель популяции с наименьшей критической численностью 15
Заключение. 22
Список литературы. 23
Реферат на тему:
«Модель
популяции с наименьшей
критической численностью»
Выполнила
ст. гр. БМЗС-61
Саблина А.В.
Проверил
Лазуренко
Р.Р.
г. Ростов-на-Дону
2011 г.
Оглавление.
Введение. 3
1. Моделирование как метод познания. Основные определения. 5
2. Основные модели роста популяций. 9
3. Модель популяции с наименьшей критической численностью 15
Заключение. 22
Список
литературы. 23
На разных уровнях развития живой материи продукционные процессы проявляют себя по-разному, но их феноменологическое описание всегда включает рождение, рост, взаимодействие с внешней средой, в том числе с другими особями своего вида или других видов, смерть особей. Именно это обстоятельство позволяет применять сходный математический аппарат для описания моделей роста и развития у таких, казалось бы, удаленных друг от друга по лестнице уровней организации живой материи, как клеточная популяция и сообщество видов в экосистеме.
Описание
изменения численности
Преимущества
математического анализа любых,
Рассмотрим
понятия «моделирование» и «
Объект – некоторая часть окружающего нас мира, которая может быть рассмотрена как единое целое. Примеры объектов – дерево, мяч, ПК, программа, сосед за партой. Для идентификации объектов служит имя, определяющее его свойства. Свойство – совокупность признаков объекта, по которым его можно отличить от других объектов.
Модель – упрощенное подобие реального объекта (процесса), созданного человеком для определенного применения (цели).
Модели бывают: материальные (натурные) и информационные (описание объекта моделирования в определенной форме), делятся на статические и динамические.
Типы моделей – табличные (объекты и их свойства представлены в виде списка, их значения размещаются в ячейках прямоугольной таблицы), иерархические (отражающие процесс классификации – биология, файловая структура…) – вид Граф, сетевые (сложная структура связи между элементами – сотовая телефонная связь, Интернет).
Моделирование – это метод познания, состоящий в создании иисследование моделей.
Процесс разработки моделей и их исследование на компьютере можно разделить на несколько основных этапов.
На первом этапе исследования объекта или процесса обычно строится описательная информационная модель. Такая модель выделяет существенные, с точки зрения целей проводимого исследования, параметры объекта, а несущественными параметрами пренебрегает.
На втором этапе создается формализованная модель, т.е. описательная информационная модель записывается с помощью какого-либо формального языка. В такой модели с помощью формул, уравнений, неравенств и т.д. фиксируются формальные соотношения между начальными и конечными значениями свойств объектов, а также накладываются ограничения на допустимые значения этих свойств.
На третьем этапе необходимо формализованную информационную модель преобразовать в компьютерную модель, т.е. выразить ее на понятном для компьютера языке. Существуют два принципиально различных пути построения компьютерной модели:
· построение алгоритма решения задачи и его кодирование на одном из языков программирования;
· построение компьютерной модели с использованием одного из приложений (электронных таблиц, СУБД и т.д.).
Четвертый этап исследования информационной модели состоит в проведении компьютерного эксперимента. Если компьютерная модель существует в виде программы на одном из языков программирования, ее нужно запустить на выполнение и получить результаты.
Если компьютерная модель исследуется в приложении, например, в электронных таблицах, можно провести сортировку или поиск данных, построить диаграмму или график и т.д.
Пятый этап состоит в анализе полученных результатов и корректировке исследуемой модели. В случае различия результатов, полученных при исследовании информационной модели, с измеряемыми параметрами реальных объектов, можно сделать вывод, что на предыдущих этапах построения модели были допущены ошибки или неточности.
Метод построения математических моделей — метод математического познания действительности изучаемых реальных объектов или объектов, уже описанных в других областях знаний, с целью их более глубокого изучения и решения всех, возникающих в этих реальных ситуациях задач с помощью математического аппарата.
Математическая модель — это приближённое описание какого-нибудь класса явлений, выраженное на языке какой-нибудь математической теории (с помощью системы алгебраических уравнений и неравенств, дифференциальных или интегральных уравнений, функций, системы геометрических предложений, векторов и т.п.).[1]
Математическое моделирование — описание анализируемого объекта внешнего мира с помощью математической символики.
Как алгоритм математической деятельности метод математического моделирования содержит три этапа:
При этом должны
соблюдаться следующие
После того как математическая модель построена, возможны два случая:
Это развитие математических
теорий находит затем применение
к изучению той области знаний,
в которой возникла исходная задача,
а также и других объектов реального
мира, приводящих к математическим
объектам того же класса.
2.1.
Модель неограниченного
роста численности популяции.
Все живые организмы теоретически способны
к очень быстрому увеличению численности.
При неограниченных ресурсах и отсутствии
гибели от болезней, хищников и т.п. даже
при низкой исходной численности популяция
любого вида за сравнительно короткий
срок может так вырасти, что покроет весь
земной шар сплошным слоем.
Способность к увеличению численности
за данный промежуток времени называют
биотическим потенциалом вида.[2]
У разных видов биотический потенциал
разный: у крупных млеко питающихся численность
может возрастать в год лишь в 1,05 - 1,1 раза,
а у мелких насекомых (рачков, дафний) численность
в год может возрасти в 1010-1030 раз. А у бактерий
и одноклеточных водорослей еще быстрее.
Во всех этих случаях, при идеальных условиях
численность будет расти в геометрической
прогрессии, и график изменения численности
будет представлять собой экспоненту.
Рост численности в геометрической прогрессии
называется экспоненциальным
ростом.
В лабораторных условиях наблюдать экспоненциальный
рост можно в популяциях дрожжей, водоросли
хлореллы, бактерий на начальных стадиях
роста.
В природе экспоненциальный рост наблюдается
при вспышках саранчи, непарного шелкопряда
и других насекомых. Экспоненциально может
расти численность животных, заселенных
в новую местность, где у них мало врагов
и много пищи (классический пример - рост
численности кроликов, завезенных в Австралию).
Во всех этих случаях экспоненциальный
рост наблюдается в течение коротких промежутков
времени, после чего скорость роста численности
снижается.
2.2.
Модель Мальтуса (рождаемость
- смертность)
В популяциях микроорганизмов удельная
скорость роста зависит от скорости деления
клеток. Исходные клетки делятся на дочерние,
что и определяет прирост численности.
В популяциях многоклеточных организмов
удельная скорость роста зависит от рождаемости
и смертности. [3]
Рождаемость характеризует частоту появления
новых особей в популяции. Различают рождаемость
абсолютную и удельную. Абсолютная
рождаемость - число особей, появившихся
в популяции за единицу времени. Удельная
рождаемость выражается в числе особей
на особь в единицу времени. Например,
для популяции человека как показатель
удельной рождаемости обычно используют
число детей, родившихся в год на 1000 человек.
Смертность (абсолютная и удельная)
характеризует скорость убывания численности
популяции, вследствие гибели особей от
хищников, болезней, старости и т.д.
Используя такие параметры модели изменения
численности популяции, австрийский священник
Мальтус опубликовал в 1802 году результаты
своих исследований, основанных на данных
о росте населения в американских колониях.
Приведем его рассуждения:
Пусть в популяции с начальной численностью
N особей за промежуток времени dt появляется
dN новых особей. Если число вновь появившихся
особей прямо пропорционально N и dt, то
имеем уравнение dN=r*dt*N. Разделив обе части
на dt, получим:
(1)
где dN/dt - абсолютная скорость роста численности
, r - биотический потенциал.
Решением уравнения (1) будет
(2)
В дискретном виде это уравнение можно
записать так:
(3)
2.3. Модель Ферхюльста (рождаемость
и смертность с учетом
роста численности)
Как правило, численность популяции зависит
не только от рождаемости и смертности,
но и от ограниченности пищевых и других
ресурсов. Вскоре за созданием модели
Мальтуса, бельгийский математик Ферхюльст
задался вопросом: будет ли население
Бельгии расти неограниченно? Ответом
на этот вопрос было создание новой модели
динамики численности популяции при ограниченных
ресурсах, описываемой следующим уравнением:
(4)
где r
- удельная скорость роста численности,
N - численность популяции,
m - число встреч членов популяции, при
котором они могут конкурировать за какой-либо
ресурс.
Уравнение это отличается от уравнения
экспоненциального роста (уравнения Мальтуса)
выражением m*N2, которое как раз и
отражает ограниченность ресурсов.
Перепишем уравнение (4) так:
Информация о работе Модель популяции с наименьшей критической численностью