2024 MCM数学建模美赛2024年A题复盘,思路与经验分享:资源可用性与性别比例 | 性别比例变化是否对生态系统中的其他生物如寄生虫提供优势(五)

审题

第四问让我们探究性别比例变化是否对生态系统中的其他生物如寄生虫提供优势。这里我们可以把问题简化一下,只探究性别比例会不会对寄生虫提供优势。因为考虑太多生物,会使模型更复杂,我这个水平处理不了这么复杂的问题,是我太菜了。

既然已经把问题简化了,接下来就是研究寄生虫有什么特性,七鳃鳗和寄生虫是什么关系,进一步研究出性别比例能否为寄生虫提供优势。

这道题里我们认为寄生虫是寄生在七鳃鳗上的,七鳃鳗是寄生虫的宿主。

然后我们通过查论文发现,寄生虫比较喜欢寄生在雌性个体上,而且寄生虫对宿主的致死率不能太高,否则寄生虫自身的种群的数量也会降低。寄生虫的数量与宿主的数量是关联的,一个宿主身上不能寄生无限多的寄生虫。

搞明白了寄生虫和宿主的关系,接下来就是建立寄生虫的种群增长模型了,套路和之前的问题都一样。只是这里因为寄生虫的数量和宿主的数量是关联的,所以我们要联立七鳃鳗和寄生虫的之前增长模型。

建模

七鳃鳗种群增长模型,这一问的模型和之前的七鳃鳗模型有一点区别,因为考虑了七鳃鳗作为宿主的情况。

这里x1是七鳃鳗的种群数量,x2是寄生虫的种群数量,r1 是七鳃鳗的自然增长率,K是七鳃鳗的最大种群数量,alpha是雄性占比,d2是寄生虫的感染致死率。因为寄生虫会导致宿主死亡,并且我们要考虑性别比例对寄生虫数量的影响,这里有个 - alpha * d2 * x2。

寄生虫的种群增长模型

这里x1是七鳃鳗的种群数量,x2是寄生虫的种群数量。r2是寄生虫的自然增长率,d1是寄生虫的自然死亡率。k是一个宿主上能寄生多少寄生虫的数量。因为一个宿主身上不能寄生无限多的寄生虫,所以寄生虫的数量受到k * x1的约束。

联立方程

这里设初始x1为100,x2为10。带入方程进行计算。

建模结果

从结果可以看到,确实当雄性占比越少,雌性占比越多时,寄生虫的数量越多,符合我们之前找的资料。说明性别比例可以为寄生虫提供优势。当然这张图还有很多可以分析的点,我就是不写了,主要是我忘得也差不多了。

灵敏度分析

在这个模型中的参数都是我们自己定的。所以我们还要探究我们设定的参数是否对模型有影响,影响大不大。这时就需要灵敏度分析。也就是探究在参数不同时,结果有说明变化。

我们探究了r1,r2,d1,d2不同时,模型计算的结果如下。

可以看到r1对结果的影响比较小,其他参数对结果的影响比较大。这里也有很多细节的点可以分析,我懒得写了。

代码

fun.m

function dx=fun(t,x,r1,r2,n1,n2,s1,s2)r1=0.02;%增长率r2=0.03;%感染率n1=1000;%鳗鱼种群最大值d1 = 0.01;%死亡率d2 = 0.1;%感染致死率alpha = 0.50;%性别比例x1 = r1 * x(1) *(1-x(1)/n1 - alpha * d2 * x(2)) ;x2 = r2 * x(2) *(1-x(2)/(3 * x(1))) - d1 * x(2);dx=[x1;x2];
end

run.m

h=0.1;%所取时间点间隔
ts=[0:h:1000];%时间区间
x0=[100,10];%初始条件
opt=odeset('reltol',1e-6,'abstol',1e-9);%相对误差1e-6,绝对误差1e-9
[t,x]=ode45(@fun,ts,x0,opt);%使用5级4阶龙格—库塔公式计算
% subplot(2,1,1);
plot(t,x(:,1),'r',t,x(:,2),'b','LineWidth',2),grid;
legend('x1','x2');
xlabel('time');
ylabel('Population (N)')
title('r = 0.03')
text(t(end), x(end,1)+5, ['N1= ', num2str(x(end,1))], 'HorizontalAlignment', 'right');
text(t(end), x(end,2)+5, ['N2= ', num2str(x(end,2))], 'HorizontalAlignment', 'right');% subplot(2,1,2);
% plot(x(:,1),x(:,2),'LineWidth',2),grid %作相轨线

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/775686.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

『大模型笔记』常见的分布式并行策略(分布式训练)

常见的分布式并行策略(分布式训练) 文章目录 一. 为什么分布式训练越来越流行二. 常见的并行策略2.1 数据并行2.2 模型并行2.3 流水并行2.4 混合并行二. 参考文献一. 为什么分布式训练越来越流行 近年来,深度学习被广泛应用到各个领域,包括计算机视觉、语言理解、语音识别、广…

Healix Protocol 的 HLX 通证预售:医疗领域的未来展望

Healix Protocol推出 HLX 通证预售,将带来医疗领域的重要变革。通过其区块链技术,Healix Protocol致力于重新定义医疗服务的可及性与负担性,成为医疗行业的希望之光。该项目旨在增强透明度、可及性和效率,推动医疗体系向更加公平和…

ripro子主题wori-child集成后台美化包(适用于设计素材站+资源下载站等)

新内容如下 1、子主题独立运行,彻底摆脱覆盖原主题文件 2、下载信息插件升级优化 3、细节优化 V1.0更新内容如下 1、同步暗黑美化、手机端美化 2、新增菜单合成幻灯片(后台自行设置) 3、新增公告统计 (后台自行设置) 4、新增…

C/C++ 不要使用 boost::asio::ip::address::from_string 函数来转换字符串为IP地址

如本文标题所示,不要使用 boost::asio::ip::address::from_string 函数来转换字符串为IP地址,它可能导致崩溃。 这是因为 boost::asio::ip::address::from_string 函数实现并不安全有问题,在 Android 平台NDK优化编译的情况下,100…

【小沐学AI】智谱AI大模型的一点点学习(Python)

文章目录 1、简介1.1 大模型排行榜 2、智谱AI2.1 GLM2.1.1 模型简介2.1.2 开源代码2.1.2.1 GLM-130B 2.2 ChatGLM2.2.1 模型简介2.2.2 开源代码2.2.2.1 ChatGLM2.2.2.2 ChatGLM22.2.2.3 ChatGLM3 2.3 CodeGeeX2.3.1 模型简介2.3.2 开源代码 2.4 CogView2.4.1 模型简介2.4.2 开源…

如何使用 ArcGIS Pro 自动矢量化水系

对于某些要素颜色统一的地图,比如电子地图,可以通过图像识别技术将其自动矢量化,这里为大家介绍一下 ArcGIS Pro 自动矢量化水系的方法,希望能对你有所帮助。 数据来源 教程所使用的数据是从水经微图中下载的电子地图数据&#…

政安晨:【深度学习神经网络基础】(二)—— 神经元与层

政安晨的个人主页:政安晨 欢迎 👍点赞✍评论⭐收藏 收录专栏: 政安晨的机器学习笔记 希望政安晨的博客能够对您有所裨益,如有不足之处,欢迎在评论区提出指正! 神经元是深度学习神经网络中的基本单元,模拟了…

CheatFetcher风灵月影修改器快速下载器

地址:https://github.com/MartinxMax/CheatFetcher/releases/tag/v1.0 CheatFetcher网络爬虫风灵月影作弊器快速下载器 采用翻译接口,实现输入中文转为英文搜索,并且英文结果转为中文输出你可以在此更快的下载到游戏修改器 示例 打开cmd窗口,或者其他终端运行 >CheatFe…

JavaSE——面向对象高级三(3/5)-枚举(认识枚举、拓展:抽象枚举、用枚举实现单例模式、枚举的应用场景)

目录 枚举的概述 认识枚举 拓展:抽象枚举 用枚举实现单例模式 枚举的应用场景 枚举的概述 认识枚举 枚举是一种特殊类。 枚举类的格式: 修饰符 enum 枚举类名{ 名称1,名称2,...; 其他成员... } public enum A{X,Y,Z;... } 注意: 枚举…

[晕事]今天做了件晕事29;iptables

今天办了一件晕事,主机之间做ping用tcpdump抓到了ping request,但是没有看到ping reply,查看主机的arp表,路由表都没有问题,忘记看iptables的规则。虽然在tcpdump看到包,只是代表包到了二层,并不…

C++:变量和常量(3)

变量 什么是变量:变量就是一个装东西的盒子 通俗:变量是用于存放数据的容器。我们通过变量名获取数据,甚至数据可以修改 变量的作用:给指定的内存空间起名,后期通过起的名字就可以调用整个内存空间 定义变量的格式 &a…

AXI Memory Mapped to PCI Express 学习笔记(四)——仿真设计

本文包含有关Vivado Design Suite中对AXI Memory Mapped to PCI Express core进行仿真的示例设计信息。 一、仿真设计概述 在仿真设计中,事务是从Root Port模型发送到配置为Endpoint的AXI Memory Mapped to PCI Express core,并在AXI块RAM控制器设计中…

基于模糊控制算法的倒立摆控制系统simulink建模与仿真

目录 1.课题概述 2.系统仿真结果 3.核心程序与模型 4.系统原理简介 5.完整工程文件 1.课题概述 对倒立摆模型进行模糊控制器simulink建模,利用倒立摆的摆角角度与小车的位置来控制小车的推力,控制了倒立摆的摆角问题,使得小车最终停在稳…

前端面试,笔试题

$refs的优点以及弊端 $refs的弊端是,状态管理比较混乱,不利于维护 异步组件和路由懒加载区别 异步组件:异步组件是一种技术,它允许在页面需要时才从服务器加载相应的组件。这种方式适用于大型应用,可以将应用分割成小…

如何在服务器上传/下载文件

从服务器下载文件到本地 打开xshell,输入:ssh root159.xxx.xxx.xx 然后需要输入密码 cd到目录文件夹下 cd /enmotech apt install zip zip -r uploads.zip uploads apt install lrzsz sz uploads.zip 从本地上传文件到服务器 如果文件是放在E盘…

SpringBoot实现RabbitMQ的WorkQueue(SpringAMQP 实现WorkQueue)

文章目录 1. 前言2. 思路3. 消息发送4. 消息接收4.1 能者多劳 总结 1. 前言 上一篇文章,实现了用 SpringBoot实现RabbitMQ的简单队列, 篇文章 操作 用SpringBoot实现RabbitMQ的WorkQueue(SpringAMQP 实现WorkQueue) Work queues,也被称为(Task queues&…

Python Flask-Mail实现邮件发送

一、邮件发送的扩展 关于如何找到flask发送邮件的插件?,上一篇已经分享了如何找到第三方插件,也找到了插件flask-mail的使用文档,那我们就来实战吧 二、根据文档,总结发送邮件的流程 从文档中可以总结出发送邮件的步…

springboot-vue前后端分离项目实例

天行健,君子以自强不息;地势坤,君子以厚德载物。 每个人都有惰性,但不断学习是好好生活的根本,共勉! 文章均为学习整理笔记,分享记录为主,如有错误请指正,共同学习进步。…

【C语言】Infiniband驱动pci_pcie_cap

一、注释 //include\linux\compat-2.6.h #define LINUX_BACKPORT(__sym) backport_ ##__sym//include\linux\compat-2.6.33.h #define pci_pcie_cap LINUX_BACKPORT(pci_pcie_cap)/*** pci_pcie_cap - 获取保存的PCIe能力偏移* dev: PCI 设备** PCIe能力偏移在PCI设备初始化时…

实例、构造函数、原型、原型对象、prototype、__proto__、原型链……

学习原型链和原型对象,不需要说太多话,只需要给你看看几张图,你自然就懂了。 prototype 表示原型对象__proto__ 表示原型 实例、构造函数和原型对象 以 error 举例 图中的 error 表示 axios 抛出的一个错误对象(实例&#xff0…