双时滞四维捕食网络的分析【基于matlab的动力学模型学习笔记_6】

最新推荐文章于 2024-04-02 09:53:34 发布

歪卜巴比

最新推荐文章于 2024-04-02 09:53:34 发布

阅读量1.9k

点赞数 9

分类专栏：基于matlab的动力学模型研究文章标签： matlab 动力学

本文链接：https://blog.csdn.net/L1234X/article/details/120661320

版权

基于matlab的动力学模型研究专栏收录该内容

13 篇文章 85 订阅

订阅专栏

/*仅当作学习笔记，若有纰漏欢迎友好交流指正，此外若能提供一点帮助将会十分荣幸*/

本系列谈论过单时滞，但还没提及过双时滞，本文将着重介绍一种双时滞系统并对其进行简单处理分析。

摘要：本文针对一个捕食网络，根据其特性建立起一个双时滞四维系统。首先分析其稳定性，找到其正平衡点，然后通过调试时滞量τ来模拟预测网络模型的发展前景。并根据所求得临界滞量τ0，带入实值仿真出其Hopf分岔图形。

0引言

自然界中，广泛存在着种群之间的捕食与被捕食关系，他们一起构成了生物链，为流传的“大鱼吃小鱼，小鱼吃虾米”就通俗易懂的道出了生物链之间的关系。而为了保护生态链的完整，甚至保证整个生态系统的有序发展，对其中捕食系统的研究就存在相当的意义。

在捕食系统中，最经典的就是Lotka-Volterra捕食模型(简称L-V模型)，其模型方程为：

-V模型中，x1(t)、x2(t)分别表示再t时刻食饵和捕食者的密度，而x1、x2则分别表示食饵和捕食者在t时刻的种群密度变化量。a10代表食饵种群内自然增长率、a12代表捕食者对食饵捕食的所造成的影响（或者说威胁）、a20代表捕食者种群内部因素带来的数量变化，比如生老病死亦或同族之间的相互争斗带来的影响、a21代表食饵对捕食者所提供的积极影响，即提供食物来源[2]。

显而易见，L-V模型相当的粗略，考虑的因素也很少。因此，在此基础上本文通过增加模型的维数，来加长食物链的长度；通过加入更多系数来模拟捕食者捕食时间、捕食者成长期等因素的影响。试图通过考虑到更多的因素来提高模型的真实性，然后可以人为的调整控制因素来使生物链达到一个动态平衡，即达到一个良性。

1.建立系统模型

根据实际情况，并借鉴文献[1]我们这里设置的捕食模型应该具备如下前提条件：

该双时滞的四维捕食模型为：

在该模型中，x1(t)、x2(t)、x3(t)、x4(t)分别代表一二三级食饵，和食物链顶端的捕食者。其中，一级食饵为食物链最低端，会被二级食饵捕食，二三级食饵以此类推（即生物链的概念，但捕食者只捕食比自己低一级的食饵，这里不考虑跨级捕食）。

而dx1/dt、dx2/dt、dx3/dt、dx4/dt分别代表一二三级食饵，和食物链顶端的捕食者在时刻的数量变化情况。

1.1参数设置

①对一级食饵，即x1(t)而言：

②对二级食饵，即x2(t)而言：

③对三级食饵，即x3(t)而言

④对最高级捕食者，即x4(t)而言

⑤而对于时间常数τ

1.2约束条件

2.正平衡点及稳定性分析

求正平衡点，即各个种群之间的发展达到一个动态平衡，也就是各个种群的数量达到一个稳态值，变化量为0，即

2.1初始条件下的正平衡点

我们设平衡点为E*由于各个种群的变化率为0，由上文中的模型可得：

求解该方程组，我们可以用到solve函数来求解，其对应程序如下：

%计算正平衡点
syms x1 x2 x3 x4%定义自变量
syms a10 a11 a12 a20 a22 a21 a23 a30 a33 a32 a34 a40 a43%定义系数
[solx1,solx2,solx3,solx4]=solve(x1*(a10-a11*x1-a12*x2)==0,x2*(-a20-a22*x2+a21*x1-a23*x3)==0,x3*(-a30-a33*x3+a32*x2-a34*x4)==0,x4*(-a40+a43*x3)==0,x1,x2,x3,x4)
solutions=[solx1,solx2,solx3,solx4]%方程组
m=double(solx1)%x1*的值
y=double(solx2)%x2*的值
z=double(solx3)%x3*的值
h=double(solx4)%x4*的值

由于x1*、x2*、x3*、x4*均为非负，因此为了表达的简洁，这里只把符合条件的解列出来：

可以看出，符合条件的解就只有一组，因此这也佐证了该系统只有唯一的一个正平衡点E*

2.2特征矩阵求解

利用solve函数可以求得模型（1）的雅可比矩阵，其程序为：

%计算正平衡点

syms x1 x2 x3 x4%定义自变量

x=[x1,x2,x3,x4]

syms a10 a11 a12 a20 a22 a21 a23 a30 a33 a32 a34 a40 a43%定义系数

f=[a10*x1-a11*x1^2-a12*x1*x2,-a20*x2-a22*x2^2+a21*x1*x2-a23*x2*x3,-a30*x3-a33*x3^2+a32*x2*x3-a34*x3*x4,-a40*x4+a43*x3*x4]%定义函数，以矩阵形式展示

j=jacobian(f,x)%计算雅可比矩阵

但上述公式并未考虑到时滞因素τ，加上时滞因素后，求得模型（1）的完整雅可比矩阵为：

由雅可比矩阵可以推出其对应特征矩阵X为：

通过特征矩阵X我们又可以推出其特征方程（其中为了在MATLAB里表示方便，τ用y代替），这里可以用到det和collect函数，其具体程序为：

%求特征方程
syms x1 x2 x3 x4%定义自变量
syms a10 a11 a12 a20 a22 a21 a23 a30 a33 a32 a34 a40 a43 y t1 t2 e%定义系数
f=[-a11*x1,-a12*x1*e^(-y*t1),0,0;a21*x2*e^(-y*t2),-a22*x2,-a23*x2*e^(-y*t1),0;0,a32*x3*e^(-y*t2),-a33*x3,-a34*x3*e^(-y*t1);0,0,a43*x4*e^(-y*t2),0];
m=det(f)%计算矩阵
k=collect(m,y)%得特征方程

根据初始条件τ=τ1+τ2，将计算结果整合可得出其特征方程为：

其中：

2.3稳定性分析

2.3.1 τ1=τ2=τ=0时

特征方程（2）可以改写为：

根据文献[3]对正平衡点的初值情况分析思路，我们可得以劳斯-赫尔维茨判据为依据，对于四阶方程来说，为了保证特征方程M的系统稳定，即本文的系统（1）。其需要满足假设H1：

2.3.2存在一个临界τ0，使得τ2=τ0-τ1

即假设存在一个临界滞量τ0，使得当τ在τ0附近取值时（但τ<τ0），系统（1）仍稳定。这里就近似的把系统（1）转化为一个单时滞系统。

τ>0，假设λ=iw(w>0)作为特征方程（2）的一个纯虚根带入（2）中，分离出实部和虚部，得：

根据上式，整理出sinwτ和coswτ的表达式：

其中：

2.4 总结

3.仿真

3.1参数设置

3.2系数求解

在正平衡点E*处，将参数带入模型（1）中得：

求解上式方程组，对应程序为：

syms S L A M 
[solS,solL,solA,solM]=solve(S*(1.4-0.2*S-0.4*L)==0,L*(-0.2-0.2*L+0.3*S-0.4*A)==0,A*(-0.2-0.2*A+0.3*L-0.4*M)==0,M*(-0.2+0.3*A)==0,S,L,A,M)%列出方程组
solutions=[solS,solL,solA,solM]
x1=double(solS)%x1*的值
x2=double(solL)%x2*的值
x3=double(solA)%x3*的值
x4=double(solM)%x4*的值

得：

从上述众多组解中，由于x*均大于0，则取最后一组解（并化为小数形式），即：

3.3结果仿真

程序：

clear;clc;
%--------------------------------------------------------------------
%   参数设置
%--------------------------------------------------------------------
a10=1.4;                                                                
a11=0.2;                                                                     
a12=0.4;  
a20=0.2;                                                                
a22=0.2;                                                                     
a21=0.3;
a23=0.4;
a30=0.2;                                                                
a33=0.2;                                                                     
a32=0.3;
a34=0.4;
a40=0.2;                                                                
a43=0.3;  
%初值取平衡点E*  
S=2.9197;
L=2.0417;
A=0.6667;
M=0.6979;
T=0:60;
%tao取值
t1=10;
t2=8;
t0=t1+t2;
for idx = 1:length(T)-1
    if idx<=t0%第一阶段
    S(idx+1)=S(idx)+S(idx)*(a10-a11*S(idx)-a12*L(idx));
    L(idx+1)=L(idx)+L(idx)*(-a20-a22*L(idx)+a21*S(idx)-a23*A(idx));
    A(idx+1)=A(idx)+A(idx)*(-a30-a33*A(idx)+a32*L(idx)-a34*M(idx));    
    M(idx+1)=M(idx)+M(idx)*(-a40+a43*A(idx));
    elseif idx>t0%第二阶段，时滞开始起作用
    S(idx+1)=S(idx)+S(idx)*(a10-a11*S(idx)-a12*L(idx-t1));
    L(idx+1)=L(idx)+L(idx)*(-a20-a22*L(idx)+a21*S(idx-t2)-a23*A(idx-t1));
    A(idx+1)=A(idx)+A(idx)*(-a30-a33*A(idx)+a32*L(idx-t2)-a34*M(idx-t1));    
    M(idx+1)=M(idx)+M(idx)*(-a40+a43*A(idx-t2));
    end
end
%画出图像
figure
subplot(2,2,1),plot(T,S);
grid on;
xlabel('t');
ylabel('S(t)');
title('x1');
subplot(2,2,2),plot(T,L);
grid on;
xlabel('t');
ylabel('L(t)');
title('x2');
subplot(2,2,3),plot(T,A);
grid on;
xlabel('t');
ylabel('A(t)');
title('x3');
subplot(2,2,4),plot(T,M);
grid on;
xlabel('t');
ylabel('M(t)');
title('x4');

4结论

5参考文献

武利青,王晓云.一类具有双时滞四维捕食模型的定性分析.中北大学学报:自然科学版,2019(2):97-102.
李大虎,陈淑苹,童欢,朱文文.具有捕食者相互残杀项双时滞系统的Hopf分支.湖北师范学院学报：自然科学版,2011,31(3):76-80.
李颖. HR神经元模型的正平衡点稳定性分析.甘肃科技纵横，2017.01.022
Yang, LX Yang, XF. Propagation Behavior of Virus Codes in the Situation That Infected Computers Are Connected to the Internet with Positive Probability.[J].Discrete Dynamics in Nature and Society,2012,(1):1-13

歪卜巴比

关注

9
点赞
踩
45

收藏

觉得还不错? 一键收藏
2
评论
双时滞四维捕食网络的分析【基于matlab的动力学模型学习笔记_6】

/*仅当作学习笔记，若有纰漏欢迎友好交流指正，此外若能提供一点帮助将会十分荣幸*/本系列谈论过单时滞，但还没提及过双时滞，本文将着重介绍一种双时滞系统并对其进行简单处理分析。摘要：本文针对一个捕食网络，根据其特性建立起一个双时滞四维系统。首先分析其稳定性，找到其正平衡点，然后通过调试时滞量τ来模拟预测网络模型的发展前景。并根据所求得临界滞量τ0，带入实值仿真出其Hopf分岔图形。0引言自然界中，广泛存在着种群之间的捕食与被捕食关系，他们一起构成了生物链，为流传的“大鱼吃小鱼，小鱼吃虾米”就
复制链接

扫一扫