【随机模拟】Python第三方库Cayenne 使用测试

最新推荐文章于 2024-08-29 15:54:17 发布

米奇巨型老鼠

最新推荐文章于 2024-08-29 15:54:17 发布

阅读量275

点赞数

分类专栏：随机过程文章标签： python 概率论算法

本文链接：https://blog.csdn.net/qq_35006861/article/details/111154885

版权

随机过程专栏收录该内容

2 篇文章 2 订阅

订阅专栏

安装问题

安装时出现 Microsoft Visual C++ 14.0 is required 的问题，直接参考博文[3]得以解决。

Tutorial

注：由参考博文[2]可知，cayenne在进行模拟的时候，默认加入马尔科夫跳跃过程这一随机扰动项，在模拟过程中在随机时间点的整数值之间跳跃。这个包会比较适合需要整数模拟的过程，如参考博文[2]中的例子，模拟感染人数变化的过程。

从官方文档可以得到该包的使用的格式主要有以下几个部分：

1. 模型建立格式（以下图化学反应系统为例）

简单化学反应系统

model_str = """
        const compartment comp1; # 定义反应区域
        comp1 = 1.0; # volume of compartment

        r1: A => B; k1; # differs from antimony
        r2: B => C; k2; # differs from antimony

# 反应速率
        k1 = 0.11;
        k2 = 0.1;
        chem_flag = false;
# 所考虑的系统是化学系统，提供的速率常数以摩尔或M或mol/L为单位，chem_flag应设置为true
# 所考虑的系统是生物系统，提供的速率常数以份数/L或CFU/L为单位，chem_flag应设置为false

# 初始值
        A = 100;
        B = 0;
        C = 0;
    """

2. 各函数及其参数

from cayenne import Simulation

▶ 导入1中编写好的模型文本
sim = Simulation.load_model(model_str, “ModelString”)

▶运行模拟
Simulation.simulate(max_t: float = 10.0, max_iter: int = 1000, seed: int = 0, n_rep: int = 1, n_procs: Optional[int] = 1, algorithm: str = ‘direct’, debug: bool = False, **kwargs)

max_t（float ，optional）–模拟的结束时间。默认值为10.0。
max_iter（int，optional）–仿真循环的最大迭代次数。默认值为1000次迭代。
seed（int ，可选）–用于生成模拟种子的种子。默认值为0。
n_rep（int ，optional）–所需模拟的重复次数。预设值是1。
n_procs（int，optional）–用于仿真的cpu内核数。使用None自动检测CPU内核的数量。预设值是1。
algorithm（str ，optional）–用于运行模拟的算法。默认值为"direct"。

在官方文档中，可知Cayenne包含direct，tau_leaping，tau_adaptive三个模拟算法，详细可从Algorithms了解。

▶ 可视化
Simulation.plot(species_names: list = None, new_names: list = None)

species_names (list, optional) – 要绘制的物种名称（list of str）。默认值为，None并绘制所有物种。（模型中的名称）
new_names (list, optional) – 要绘制的物种名称。默认"xi"为物种i。（自定义新名称）

▶ 结果提取
results = sim.results

final_times, final_states = results.final – 模拟运行的最终时间，状态
results.get_state() – 在特定时间获取系统状态
results.get_species() – 随时间访问特定物种的轨迹（各时间的状态列表）

Examples

▶ 运行测试官方例子1：
例子2

from cayenne import Simulation
model_str = """
        const compartment comp1;
        comp1 = 1.0; # volume of compartment

        r1: A => B; k1;

        k1 = 1.1;
        chem_flag = false;

        A = 100;
        B = 20;
    """
sim = Simulation.load_model(model_str, "ModelString")
sim.simulate()
sim.plot()

运行结果：
运行结果1.1
如果只需要其中一个物种的图像且重复运行n次，只需修改后两行的代码：

sim.simulate(algorithm="tau_leaping", n_rep=20)
sim.plot(species_names=["B"], new_names=["Species B"])

运行结果1.2
▶ 例子2：
例子2

from cayenne import Simulation
model_str = """
        const compartment comp1;
        comp1 = 1.0; # volume of compartment

        binding: S + E => SE; k1;
        dissociation: SE => S + E; k2;
        conversion: SE => P + E; k3;

        k1 = 0.006;
        k2 = 0.005;
        k3 = 0.1;
        chem_flag = false;

        S = 200;
        E = 50;
        SE = 0;
        P = 0;
    """
sim = Simulation.load_model(model_str, "ModelString")
sim.simulate(max_t=50, n_rep=10)
sim.plot()