
- •Передмова Основні поняття теорії моделювання
- •1. Теоретичні основи оптимізації виробничих процесів і систем.
- •1.1. Модульна структура комплексної моделі виробничої діяльності підприємства
- •1.2. Моделі динаміки біологічних систем
- •1.2.1. Динаміка популяцій
- •1.2.2. Проста модель епідемії
- •2. Основні задачі статистичного моделювання
- •2.1. Загальне поняття про лінійну регресію
- •2.2. Оцінка параметрів лінійної регресії за допомогою методу найменших квадратів
- •2.3. Властивості простої вибіркової лінійної регресії
- •2. Залишки мають нульову коваріацію зі спостережуваними значеннями х та оціненими значеннями .
- •3. Сума квадратів залишків є функцією від кута нахилу.
- •2.4. Коефіціенти кореляції та детермінації
- •2.4.1. Поняття про коефіцієнт кореляції
- •2.4.2. Декомпозиція дисперсій. Поняття про коефіцієнт детермінації
- •2.4.3. Зв'язок між коефіцієнтом кореляції та нахилом b1
- •2.4.4. Зв'язок між коефіцієнтом кореляції (г) і коефіцієнтом детермінації (r2)
- •2.4.5. Перевірка простої регресійної моделі на адекватність. Поняття f-крітеріюФішера.
- •3. Задачі лінійного програмування та їх застосування в управлінні сільськогосподарським виробництвом. Загальна задача лінійного програмування.
- •Алгоритм повних виключень Жордана-Гаусса для розв’язування системи лінійних рівнянь
- •Стандартна і канонічна форми задач лінійного програмування
- •Моделювання розміщення сільського господарства
- •Стохастичне моделювання виробництва при зрошенні.
- •Стохастична задача спеціалізації с.-г. Виробництва
- •3.1. Лінійні економіко-математичні моделі в сільськогосподарському виробництві
- •Базова модель оптимального поєднання галузей
- •Загальна модель оптимального поєднання галузей виробництва сільського господарства
- •Модель оптимізації використання кормів
- •Модель оптимізації виробництва кормів
- •Модель розміщення і структури посівів
- •Модель оптимізації сівозміни
- •Модель оптимального використання машинно-тракторного парку
- •Модель поповнення машинно-тракторного парку
- •Модель оптимізації структури машинно-тракторного парку
- •Модель складення оптимальних схем внесення добрив
- •Модель оптимізації виробництва зелених кормів
- •Модель обороту та структури стада
- •Модель розміщення роздрібної с.-г. Торгівельної мережі.
- •Модель планування господарської діяльності торгового підприємства.
- •4. Теорія ігор і лінійне програмування
- •4.1. Основні поняття теорії матричних ігор
- •4.2. Еквівалентність матричної гри пар і задач лінійного програмування
- •4.3. Теорема про мінімакс (максимін)
- •4.4. Зведення задач лінійного програмування до симетричної матричної гри з нульовою сумою
- •5. Теорія графів. Марковські ланцюги.
- •5.1. Основні елементи теорії графів
- •5.2. Марковські ланцюги.
- •6. Поняття про експертні системи
- •6.1. Експертні системи
- •Характеристики ес
- •Відомі експертні системи
- •Структура ес
- •Структура типової експертної системи.
- •Представлення знань
- •Класифікація ес за завданням, що вирішується
- •Класифікація ес за зв'язком з реальним часом
- •Етапи розробки ес
- •Переваги та слабкі місця експертних систем
- •Сфера застосування та перспективи розвитку
- •6.2. Штучний інтелект
- •Підходи і напрямки
- •Підходи до вивчення
- •Напрямки досліджень
- •Перспективи ші
- •6.3. Інтелектуальні інформаційні системи
- •Класифікація ііс
- •Забезпечення роботи ііс
- •Класифікація завдань, вирішуваних ііс
- •Типова схема функціонування інтелектуальної системи
- •6.4. Інформаційні технології в агроекономіці
- •Інформаційні технології і управління виробництвом
- •Структурований опис інформаційних технологій
- •Експертні системи «корал»
- •Область Експерта
- •Область Користувача
- •Термінологічний словник.
- •Література
- •Типова программа дисципліни «Моделювання технологічних процесів і систем» для студентів напряму підготовки 6.090101 “Агрономія” передмова
- •Теоретичні заняття
- •Список рекомендованої літератури
- •Моделювання в апк
- •Частина 2. Моделювання технологічних процесів
- •І систем
- •Навчальний посібник
1.2. Моделі динаміки біологічних систем
1.2.1. Динаміка популяцій
Одне з питань, яке дуже часто виникає в сучасній екології, полягає в наступному: як визначити чисельність тієї або іншої популяції через певний час? Відповідь на нього представляє не тільки теоретичний інтерес, але і має велике практичне значення. Дійсно, не знаючи цього, не можна правильно планувати експлуатацію різних поновлюваних природних ресурсів - промислових риб, мисливських угідь і тому подібне, розглянемо тут дві прості моделі, на яких проілюструємо підходи до цього питання [17].
Нехай деяка популяція (співтовариство особин одного вигляду) має у момент t0 біомасу x0. Припустимо, що в кожен момент часу швидкість збільшення біомаси пропорційна вже наявній біомасі, а виникаючі явища самоотруєння знижують біомасу пропорційно квадрату наявної біомаси. Якщо позначити біомасу у момент t через x(t), а зміна її за час ∆t через ∆x, то можна записати наступну наближену рівність:
∆x≈(kx-x2)∆t
де і k — постійні.
У диференціальній формі це ж співвідношення має вигляд:
(3)
Воно і є математичною моделлю процесу зміни біомаси популяцій.
Якщо поставити тепер питання про те, яка ж буде біомаса у момент Т, то для відшукання відповіді на нього можна вказати два шляхи: або дочекатися цього моменту і безпосереднім вимірюванням визначити біомасу (може трапитися, що це завдання фізично нездійсненне, наприклад, як зміряти біомасу популяції риби?), або скористатися математичною моделлю. Природно, ми виберемо останню дорогу. Розділяючи змінні в рівнянні (3) і інтегруючи його за умови x(t0)=x0, знаходимо наступне рішення:
Звідси вже можна визначити біомасу у момент Т:
На рис. 1.4. приведений графік залежності біомаси від часу.
Рис. 1.4. Залежність біомаси від часу при різних початкових значеннях x0
Уявимо собі, що ми задалися метою збирати «урожай» з даної популяції, тобто вилучати частину біомаси з екосистеми. Виникає питання: коли і скільки збирати урожаю, щоб сумарний урожай за час (t0, Т) був би максимальний? Це складніше питання, ніж попередній. Не зупинятимемося на його точному рішенні, а відзначимо тільки, що математична модель також дає можливість на нього відповісти. Якісно результат такий: поки біомаса менше деякого критичного значення, збір урожаю не проводиться зовсім, надалі ж для досягнення максимального сумарного урожаю необхідно вести безперервний збір його.
Ми розглянули вельми спрощену ситуацію, оскільки передбачалося, що популяція не взаємодіє ні з якими іншими популяціями, облік же цієї обставини, звичайно, значно ускладнює модель. Розглянемо одну з таких моделей.
Позначатимемо біомаси двох популяцій через х і у відповідно. Припустимо, що обидві популяції споживають один і той же корм, якого є обмежена кількість, і через це знаходяться в конкурентній боротьбі один з одним.
Рис.
1.5. Популяція
x
стабілізується,
популяція у
вимирає:
виконується умова
Рис. 1.6. Популяція x стабілізується, популяція у вимирає: виконується умова
Французький математик Вольтерра показав, що при такому припущенні динаміка популяцій досить добре описується наступною системою диференціальних рівнянь:
де k1, k2, 1, 2, 1, 2 - дійсні додатні числа. Перші члени правих частин характеризують швидкості росту популяцій, якби не було б обмежуючих чинників. Другі ж члени враховують ті зміни в швидкостях, які викликаються обмеженістю корму.
Розроблені в теорії диференціальних рівнянь методи дозволяють зобразити графіки, що виражають зв'язок між величинами х і у залежно від конкретних значень коефіцієнтів k1, k2, 1, 2, 1, 2 (мал. 1.5, 1.6). З цих малюнків можна зробити деякі висновки. Зрозуміло, що врешті-решт чисельність однієї з популяцій стає рівною нулю, а чисельність інший стабілізується. Та популяція, у якої відношення k/ менше, гине, інша ж виживає і стабілізується.