一、问题描述
2023年COMAP高中数学建模竞赛(HiMCM)问题A聚焦于蒲公英——这种被称作Taraxacum officinale的植物,原产于欧亚大陆,现已经在全球范围内广泛分布。蒲公英因其鲜艳的黄色花朵(见图1)和独特的“绒球”状种子头(见图2)而易于辨认,其种子借助类似降落伞结构的“pappus”进行风力传播。
1、建立数学模型预测当一株处于“绒球”阶段的蒲公英位于一片开放的一公顷土地边缘时,在接下来的1个月、2个月、3个月、6个月和12个月内蒲公英在该地块上的扩散情况。要求模型考虑不同气候条件(如温带、干旱及热带气候)对蒲公英生长的影响。
2、蒲公英、人类和其他植物群之间的关系是复杂的。由于这种植物能够在不同的环境中茁壮成长,一些人将其称为讨厌的杂草或入侵物种。相反,蒲公英的每一部分都是可食用的,这种植物有着丰富的药用和烹饪历史。
构建一个能够计算入侵物种“影响因子”的数学模型。此模型应综合多种变量,包括植物特性及其对环境造成伤害的程度和性质。
a. 通过使用该模型为蒲公英计算其影响因子来验证模型的有效性。
b. 应用该模型计算你选择的另外两种经常被视为入侵物种的植物的影响因子,并确定每种植物在其被认为是入侵地的具体区域。
由以上部分可以得出,赛题主要关注以下三个方面:
1、蒲公英的生长扩散情况;
2、蒲公英的生态影响;
O奖获得者团队的研究思路如下:
1、构建蒲公英扩散模型。团队考虑到温度、风速和湿度等随机变量对蒲公英种子传播的影响,并通过输入这些参数,结合等效温度曲线、不同风向下的种子散布距离及生物特性等因素,利用蒙特卡洛方法来模拟蒲公英在特定环境条件下随着时间推移的扩散过程。
2、构建植物影响因子模型,旨在量化评估入侵植物对人类和环境产生的不良影响。该模型包含两个类型的影响因子:全球影响因子(IFG)与局部影响因子(IFL),分别用于从总体层面比较不同物种的入侵性,以及在特定地点细化分析单一物种的入侵程度。
二、蒲公英扩散模型
模型使用了蒙特卡洛方法进行模拟。
输入:模型考虑了3组随机变量,即温度、风速和湿度,并引入了等效温度曲线,以及水平风和上升气流下蒲公英种子的散布距离等具体细节。还包括了随机生物特性与行为的影响因素。
输出:蒲公英扩散可视化
为了尽可能贴近现实中一年中的温度变化(北半球),假设温度随时间呈正弦波变化,周期为一年(360天)。设置在北半球环境中最低温度出现在1月1日(t=0)。由此得到正弦函数描述的温度变化曲线。
可量度的现实数据是一年中温度的均值和方差。以此,推导出方程的系数A、B。
分布方向:假定种子总是跟随风向散播,风向均匀分布在0到360度之间。
散布距离:模型区分了由于水平风导致的正常距离sN和上升气流导致的长距离sL,并取两者中较大的值作为实际散布距离。
正常距离sN:假设在水平风作用下,种子因绒球较大而受到显著空气阻力,所以,以统计意义上的恒定速度移动。其含义为,高度与下落速度的比值(时间)与横向移动距离与横向速度的比值(时间)相等。
长距离sL:文中假定其遵循指数分布,求积分得出其累积分布函数P(sL<s)的形式,利用函数可以得知一株蒲公英传播至不同距离的概率。供后面蒙特卡洛模拟计算。
蒲公英并非每时每刻都会传播,只有在“绒球”阶段才会传播。如果需要贴合实际进行模拟,势必要量化、估计蒲公英的生长周期。
论文将蒲公英生命周期被划分为六个阶段:种子、发育、散布、间歇散布、保持和休眠。
每个阶段的时间长度、生长速率和繁殖习性(如每年产生种子的数量、成熟后的种子分散方式、绒球高度等)均根据适应因子k进行了量化。
适应因子k是用温度T和平均湿度µH进行评估。由此将一年的季节与蒲公英的生长相联系。如当温度低于24℃时,只有一定比例(例如12.5%)的花朵开花并散播种子;而当温度高于24℃时,会有一部分花进入“保持”状态,在低温下恢复生长和散布;当温度降至零度以下时,则进入冬季休眠阶段,直至气温回升。
蒙特卡洛算法基于随机抽样原理,利用大量重复实验来模拟真实世界中复杂、随机的蒲公英扩散过程,并最终通过统计结果得出预测结论。
针对每一颗蒲公英,模型依据给定的一年中的每一天(360天)运行模拟,通过评估当前温度和适应因子k(与植物对特定环境条件的适应能力相关)来确定其所在阶段。每次迭代过程中,模型根据相应不同阶段的规则更新蒲公英的状态,如是否开花,种子散布成功与否的概率计算。
为了获得稳定且具有代表性的结果,模型采用了两阶段运行策略,每阶段运行1000次。第一阶段用于寻找最佳开始时间以最大化模型预测效果;第二阶段则固定由第一阶段所确定的起始时间,以得到最可能的蒲公英扩散模式。
论文选择美国的6个城市作为实证对象,由此调查得到温度、湿度和风力条件。
三、结果与讨论
为了获得最佳的仿真结果,算法阶段一用于寻找仿真开始的最佳时刻,也就是从哪月开始计算能够使得蒲公英种群的数量尽可能大。文中分别从每个月的第一天开始运行12次(试次)算法,并获得每个月份下每个试次的数量和平均距离。例如,佛罗里达州的结果如图5所示。不同试次下蒲公英的数量差异很大。对于佛罗里达州,当开始日期是5月1日时,我们会得到最大的蒲公英数量。因此,我们将把五月作为下一阶段的开始月份。
在第二阶段中,我们从第一阶段的最佳起始月开始,为每个位置运行模型1000次,记录每次蒲公英的诸多种子落入、生长的位置,绘制散点图。最终得到蒲公英传播图。
资料获取
今天分享就到这里,后续将持续更新优秀论文解析。近20年优秀论文与HIMCM备考软件、资料已备好,需要的小伙伴可关注微信公众“思谋EDU”,添加助理微信免费领取。
78G超全数学建模资料: 历年HIMCM优秀论文——O奖: