数学建模：种群相互作用和灰色预测

Cola_Coder

于 2024-12-25 17:34:34 发布

阅读量1.7k

点赞数 17

本文链接：https://blog.csdn.net/weixin_73749601/article/details/144724466

版权

种群相互作用模型

种群竞争模型

使用Logistic模型 ,规定t时刻两个种群的初始时刻的数量x1,20 .还有t时刻的数量x1,2(t) ,分别的自然增长率r1,2

考虑获取共同资源 ,一个种群的能力是另一个的α倍

matlab代码

% fun.m
function dx=fun(t,x)   % 大家可以修改里面的参数，来看结果的变化
    r1=0.5;  r2=0.5; % 甲乙的增长率
%     r1=0.8;  r2=1; % 甲乙的增长率
    N1=300;   N2=500;   % 甲乙的最大数量
    % sigma1: 单位数量的乙种群(相对于N2)消耗的供养甲的食物量为单位数量的甲(相对于N1)消耗的供养甲的食物量的倍数。
    % sigma2: 单位数量的甲种群(相对于N1)消耗的供养乙的食物量为单位数量的乙(相对于N2)消耗的供养乙的食物量的倍数。
    sigma1=0.5;  sigma2=2;   
%     sigma1=0.5;  sigma2=4;   
%     sigma1=0.4;  sigma2=0.2;
%   当sigma1和sigma2同时大于1时（这种现象本身在自然界就几乎不可能出现），得到的结果不稳定。
%     sigma1=3;  sigma2=2;   
%     sigma1=2.2;  sigma2=2;   

    dx = zeros(2,1);
    dx(1) = r1*x(1)*(1-x(1)/N1-sigma1*x(2)/N2);
    dx(2) = r2*x(2)*(1-x(2)/N2-sigma2*x(1)/N1);
end

% code
clc;clear
%  Matlab求不出来解析解
% dsolve('Dx1 = 0.5*x1*(1-x1/300-0.5*x2/500)','Dx2=0.5*x2*(1-x2/500-2*x1/300)','x1(0)=80,x2(0)=100','t')

% 下面用ode45函数求数值解
% 自变量为时间t，范围为0-30； 甲乙两个种群的数量初始值为80，100（随便给的，大家可以调整来看结果的变化）
[t,x]=ode45('fun',[0 30],[80 100]); 
plot(t,x(:,1),'r-',t,x(:,2),'b-')  % x的第一列是甲种群数量，x的第二列是乙种群数量
legend('种群甲','种群乙')
% axis([0 30 0 500])

弱肉强食模型

还是规定初始时刻和t时刻种群数量 ,把有效接触数量考虑进去 ,微分方程还是见课本上

相互依存模型

情况一

注意：

(1)种群乙刚开始有一段下滑，说明不能独自生存，随着甲给它提供食物，乙的数量开始增加。
(2)种群甲和乙最终稳定时的数量均超过了N1和N2,这是因为甲乙之间相互依存，双方数量的增加导致生存环境改善了。

情况二

当α2<1时（单位数量甲（相对于N1)提供的供养乙的食物量为单位数量乙（相对于N2)消耗的供养乙食物量的倍数),

情况三

matlab代码

% fun1.m
% 情况一：甲可以独自生存，乙不能独自生存
function dx=fun1(t,x)   % 大家可以修改里面的参数，来看结果的变化
    r1=0.5;  r2=0.5; % 甲的增长率和乙的死亡率
    N1=300;   N2=500;   % 甲乙的最大数量
    % sigma1: 单位数量的乙种群(相对于N2)提供的供养甲的食物量为单位数量的甲(相对于N1)消耗的供养甲的食物量的倍数。
    % sigma2: 单位数量的甲种群(相对于N1)提供的供养乙的食物量为单位数量的乙(相对于N2)消耗的供养乙的食物量的倍数。
    sigma1=0.2;  sigma2=2;   
%     sigma1=0.2;  sigma2=0.8;
% 注意：当sigma1*sigma2>1时，微分方程不稳定，matlab计算数值解时可能会报错，这时候需要调整计算的范围。
%     sigma1=3;  sigma2=3;   
    dx = zeros(2,1);
    dx(1) = r1*x(1)*(1-x(1)/N1+sigma1*x(2)/N2);
    dx(2) = r2*x(2)*(-1-x(2)/N2+sigma2*x(1)/N1);
end

%fun2.m
% 情况二：甲乙均可以独自生存
function dx=fun2(t,x)   % 大家可以修改里面的参数，来看结果的变化
    r1=0.5;  r2=0.5; % 甲的增长率和乙的增长率
    N1=300;   N2=500;   % 甲乙的最大数量
    % sigma1: 单位数量的乙种群(相对于N2)提供的供养甲的食物量为单位数量的甲(相对于N1)消耗的供养甲的食物量的倍数。
    % sigma2: 单位数量的甲种群(相对于N1)提供的供养乙的食物量为单位数量的乙(相对于N2)消耗的供养乙的食物量的倍数。
    sigma1=0.2;  sigma2=2;   
%     sigma1=0.2;  sigma2=0.8;
    % 注意：当sigma1*sigma2>1时，微分方程不稳定，matlab计算数值解时可能会报错。
    dx = zeros(2,1);
    dx(1) = r1*x(1)*(1-x(1)/N1+sigma1*x(2)/N2);
    dx(2) = r2*x(2)*(1-x(2)/N2+sigma2*x(1)/N1);
end


% fun3.m
% 情况三：甲乙均不能独自生存
function dx=fun3(t,x)   % 大家可以修改里面的参数，来看结果的变化
    r1=0.2;  r2=0.2; % 甲的死亡率和乙的死亡率
    N1=300;   N2=500;    % 甲乙的最大数量
    % sigma1: 单位数量的乙种群(相对于N2)提供的供养甲的食物量为单位数量的甲(相对于N1)消耗的供养甲的食物量的倍数。
    % sigma2: 单位数量的甲种群(相对于N1)提供的供养乙的食物量为单位数量的乙(相对于N2)消耗的供养乙的食物量的倍数。
    sigma1=0.2;  sigma2=2;   
%     sigma1=5;  sigma2=5; 
%     sigma1=10;  sigma2=10;  % 这时候甲乙两个种群都能活下去了 
    dx = zeros(2,1);
    dx(1) = r1*x(1)*(-1-x(1)/N1+sigma1*x(2)/N2);
    dx(2) = r2*x(2)*(-1-x(2)/N2+sigma2*x(1)/N1);
end


% code
clc;clear
% 情况一：甲可以独自生存，乙不能独自生存
[t,x]=ode45('fun1',[0 50],[80 100]); 
figure(1)
plot(t,x(:,1),'r-',t,x(:,2),'b-')  % x的第一列是甲种群数量，x的第二列是乙种群数量
legend('种群甲','种群乙')

% 情况二：甲乙均可以独自生存
[t,x]=ode45('fun2',[0 50],[80 100]); 
figure(2)
plot(t,x(:,1),'r-',t,x(:,2),'b-')  % x的第一列是甲种群数量，x的第二列是乙种群数量
legend('种群甲','种群乙')

% 情况三：甲乙均不能独自生存
[t,x]=ode45('fun3',[0 50],[80 100]); 
figure(3)
plot(t,x(:,1),'r-',t,x(:,2),'b-')  % x的第一列是甲种群数量，x的第二列是乙种群数量
legend('种群甲','种群乙')

微分方程模型预测

微分方程预测就是利用数据直接构造微分函数 ,进行数据拟合
短、中、长期的预测都适合。
反应事物内部规律及其内在关系，但由于方程的建立是以局部规律的独立性假定为基础，当作为长期预测时，误差较大，且微分方程的解比较难以得到。

具体案例

传染病的预测模型、经济增长（或人口）的预测模型、Lanchester战争预测模型、药物在体内的分布与排除预测模型、烟雾的扩散与消失模型

列微分方程的常用方法

直接列方程

利用所学过的公式对某些实际问题列出微分方程。

微元分析法与任意区域上取积分的方法

利用已知的规律建立一些变量（自变量与未知函数）的微元之间的关系式。
然后再通过取极限的方法得到微分方程，或等价地通过任意区域上取积分的方法来建立微分方程。

模拟近似法

在一定的假设下，给出实际现象所满足的规律，然后利用适当的数学方法列出微分方程。
在实际的微分方程建模过程中，也往往是上述方法的综合应用。不论应用哪种方法，通常要根据实际情况，作出一定的假设与简化，并要把模型的理论或计算结果与实际情况进行对照验证，以修改模型使之更准确地描述实际问题并进而达到预测预报的目的。