常微分方程建模R包ecode(二)——绘制相速矢量场

这篇具有很好参考价值的文章主要介绍了常微分方程建模R包ecode(二)——绘制相速矢量场。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

本节中我们考虑一个更为复杂的常微分方程模型,
d X C d t = ν ( X A + Y A ) − β ⋅ X C ⋅ ( Y C + Y A ) − ( μ + g ) ⋅ X C , ( 1 ) d Y C d t = β ⋅ X C ⋅ ( Y C + Y A ) − ( μ + g + ρ ) ⋅ Y C , ( 2 ) d X A d t = g ⋅ X C − β ⋅ X A ⋅ ( Y C + Y A ) , ( 3 ) d Y A d t = β ⋅ X A ∗ ( Y C + Y A ) + g ∗ Y C − ρ ∗ Y A ( 4 ) \frac{dX_C}{dt} = \nu (X_A + Y_A) - \beta · X_C · (Y_C + Y_A) - (\mu + g) · X_C, \quad(1) \\ \frac{dY_C}{dt} = \beta · X_C · (Y_C + Y_A) - (\mu + g + \rho) · Y_C, \quad(2)\\ \frac{dX_A}{dt} = g · X_C - \beta · X_A · (Y_C + Y_A), \quad (3) \\ \frac{dY_A}{dt} = \beta · X_A * (Y_C + Y_A) + g * Y_C - \rho * Y_A \quad(4) dtdXC=ν(XA+YA)βXC(YC+YA)(μ+g)XC,(1)dtdYC=βXC(YC+YA)(μ+g+ρ)YC,(2)dtdXA=gXCβXA(YC+YA),(3)dtdYA=βXA(YC+YA)+gYCρYA(4)
该常微分方程系统用于模拟一种树木传染病动态,其中 X C X_C XC代表易感树苗(susceptible sapling)的个体数, Y C Y_C YC代表感病树苗(infected sapling)的个体数, X A X_A XA代表易感成年树木的个体数(susceptible adult), Y A Y_A YA代表感病成年树木(infected adult)的个体数。显然 X C , Y C , X A , Y A ≥ 0 X_C,Y_C,X_A,Y_A≥0 XC,YC,XA,YA0

( 1 ) (1) (1)式中, ν ( X A + Y A ) \nu (X_A + Y_A) ν(XA+YA)代表繁殖产生新树苗的速率,其中 ν \nu ν是繁殖速率。 − β ⋅ X C ⋅ ( Y C + Y A ) -\beta · X_C · (Y_C + Y_A) βXC(YC+YA)指的是由于疾病传染,导致易感树苗转化为感病树苗的速率,其中 β \beta β为传染率。 − ( μ + g ) ⋅ X C , - (\mu + g) · X_C, (μ+g)XC,是指由于自然死亡及树木成长,导致易感树苗被移除,或是进入到易感成年树木的速率,其中 μ \mu μ为自然死亡率, g g g为树木生长率。

( 2 ) (2) (2)式中, β ⋅ X C ⋅ ( Y C + Y A ) \beta · X_C · (Y_C + Y_A) βXC(YC+YA)代表由易感树苗被传染而转化为感病树苗的速率, − ( μ + g + ρ ) ⋅ Y C - (\mu + g + \rho) · Y_C (μ+g+ρ)YC则包含自然死亡、树木成长、因疾病感染而死亡这三个过程,其中 ρ \rho ρ代表由于传染病而导致的死亡率。

( 3 ) (3) (3)式中, g ⋅ X C g · X_C gXC代表由于树木生长而使易感树苗转换为易感成年树木的速率, − β ⋅ X A ⋅ ( Y C + Y A ) - \beta · X_A · (Y_C + Y_A) βXA(YC+YA)代表由于疾病传染,使易感成年大树转换为感病成年大树的速率。

( 4 ) (4) (4)式中, β ⋅ X A ∗ ( Y C + Y A ) \beta · X_A * (Y_C + Y_A) βXA(YC+YA)对应于疾病传染过程, g ∗ Y C g * Y_C gYC对应于树木生长过程, − ρ ∗ Y A -\rho * Y_A ρYA对应于疾病导致的死亡过程。

研究一个常微分方程系统,最为直接的方法是研究其相速矢量场(phase velocity vector filed)。下面我们回顾一下与相速矢量场相关的几个重要概念,

常微分方程中的几个重要概念
相空间(phase space):是指所有模型变量的所有可能取值的组合构成的空间。在本节案例中,相空间为 { ( X C , Y C , X A , Y A ) ∣ X C , Y C , X A , Y A ≥ 0 } \{(X_C,Y_C,X_A,Y_A)| X_C,Y_C,X_A,Y_A≥0\} {(XC,YC,XA,YA)XC,YC,XA,YA0}
相点(phase point):相空间中的任意一个点称为相点。相点用于描述系统的状态。在本节案例中,相点 ( X C , Y C , X A , Y A ) = ( 10 , 60 , 20 , 100 ) (X_C,Y_C,X_A,Y_A)=(10,60,20,100) (XC,YC,XA,YA)=(10,60,20,100)代表系统中有10棵易感树苗、60棵感病树苗、20棵易感成树、100棵感病成树。
相速矢量(phase velocity vector):系统位于某一相点时,其速度大小和方向构成的矢量,叫做该相点所对应的相速矢量。在本节案例中,针对相点 ( X C , Y C , X A , Y A ) = ( 10 , 60 , 20 , 100 ) (X_C,Y_C,X_A,Y_A)=(10,60,20,100) (XC,YC,XA,YA)=(10,60,20,100),将 X C , Y C , X A , Y A X_C,Y_C,X_A,Y_A XC,YC,XA,YA的值代入式 ( 1 − 4 ) (1-4) (14),求出 ( d X C d t , d Y C d t , d X A d t , d Y A d t ) (\frac{dX_C}{dt}, \frac{dY_C}{dt} , \frac{dX_A}{dt} , \frac{dY_A}{dt}) (dtdXC,dtdYC,dtdXA,dtdYA),其值便是该相点所对应的相速矢量。相速矢量描述了系统位于某一相点时的运动方向和快慢。
相速矢量场(phase velocity vector field):相空间中所有相速矢量组成的集合。
相位曲线(phase curve):相点沿相速矢量场移动所形成的运动轨迹。

ecode包中,当函数plot作用于eode类的对象时,plot函数会自动绘制出某个常微分方程系统的相速矢量场,或相速矢量。在上一节中,我们介绍了当常微分方程系统中含有两个模型变量时,plot函数的用法。

本节所关注的模型含有四个模型变量 X C , Y C , X A , Y A X_C,Y_C,X_A,Y_A XC,YC,XA,YA,因而将介绍含有多个模型变量时,plot函数的行为。

一、绘制相速矢量场

首先我们在ecode包中构建上述模型(式 ( 1 − 4 ) (1-4) (14)):

library(ecode)

dX_Cdt <- function(X_C, Y_C, X_A, Y_A, nu = 0.15, beta = 0.1, mu = 0.15, g = 0.04)
  nu * (X_A + Y_A) - beta * X_C * (Y_C + Y_A) - (mu + g) * X_C

dY_Cdt <- function(X_C, Y_C, Y_A, beta = 0.1, mu = 0.15, g = 0.04, rho = 0.2)
  beta * X_C * (Y_C + Y_A) - (mu + g + rho) * Y_C

dX_Adt <- function(X_C, Y_C, X_A, Y_A, beta = 0.1, g = 0.04)
  g * X_C - beta * X_A * (Y_C + Y_A)

dY_Adt <- function(X_A, Y_C, Y_A, beta = 0.1, g = 0.04, rho = 0.2)
  beta * X_A * (Y_C + Y_A) + g * Y_C - rho * Y_A

x <- eode(dX_Cdt = dX_Cdt, dY_Cdt = dY_Cdt, dX_Adt = dX_Adt, dY_Adt = dY_Adt)
x
### An ODE system: 4 equations
### equations:
###   dX_Cdt = nu * (X_A + Y_A) - beta * X_C * (Y_C + Y_A) - (mu + g) * X_C 
###   dY_Cdt = beta * X_C * (Y_C + Y_A) - (mu + g + rho) * Y_C 
###   dX_Adt = g * X_C - beta * X_A * (Y_C + Y_A) 
###   dY_Adt = beta * X_A * (Y_C + Y_A) + g * Y_C - rho * Y_A 
### variables: X_C Y_C X_A Y_A 
### parameters: nu = 0.15, beta = 0.1, mu = 0.15, g = 0.04, rho = 0.2 
### constraints: X_A<1000 X_A>0 X_C<1000 X_C>0 Y_A<1000 Y_A>0 Y_C<1000 Y_C>0

由于我们没有在模型中指定模型变量的范围,ecode包自动将变量范围设置在 ( 0 , 1000 ) (0,1000) (0,1000)内。此时调用plot函数,

plot(x)
### Set X_A = 500, Y_A = 500 for mapping in two axis

常微分方程建模R包ecode(二)——绘制相速矢量场,r语言,开发语言,数据分析,数据可视化
输出结果如图所示。plot函数自动限制了 X A = 500 , Y A = 500 X_A = 500, Y_A = 500 XA=500,YA=500,并以 X C , Y C X_C, Y_C XC,YC为横、纵坐标系绘制相速矢量场。需要注意的是,该相速矢量图仅仅表示 X A , Y A X_A,Y_A XA,YA为固定值时的相速矢量场,该矢量场位于相空间内部的一个平面。

当常微分方程组含有多个模型变量时,如果不给plot任何参数,则plot函数默认会以常微分方程中前两个变量为坐标轴绘制相速矢量场,而其余变量将会被赋上一个固定值,其值等于该模型变量范围的中值。

二、自定义模型变量的值

如果不希望以 X A = 500 , Y A = 500 X_A = 500, Y_A = 500 XA=500,YA=500为限制条件,则可以在plot函数中添加set_covar参数,

plot(x, set_covar = list(X_A = 10, Y_A = 20))

常微分方程建模R包ecode(二)——绘制相速矢量场,r语言,开发语言,数据分析,数据可视化此时,plot函数给出的是 X A = 10 , Y A = 20 X_A=10, Y_A=20 XA=10,YA=20株时,以 X C , Y C X_C,Y_C XC,YC为坐标轴作出的相速矢量场。

如果想要固定 X C , Y C X_C, Y_C XC,YC,以 X A , Y A X_A, Y_A XA,YA为坐标轴作相速矢量场,则

plot(x, set_covar = list(X_C = 10, Y_C = 20))

常微分方程建模R包ecode(二)——绘制相速矢量场,r语言,开发语言,数据分析,数据可视化
此为 X C = 10 , Y C = 20 X_C=10, Y_C=20 XC=10,YC=20时,以 X A , Y A X_A, Y_A XA,YA为坐标轴的相速矢量场。

三、自定义模型变量的范围

上一节中已经提到,可以采用eode_set_constraint重新设置模型变量的范围。例如,以下代码将 X C , Y C , X A , Y A X_C, Y_C, X_A, Y_A XC,YC,XA,YA的范围位置为 ( 0 , 5 ) (0,5) (0,5)

x <- eode_set_constraint(x, new_constraint = c("X_C<5","Y_C<5","X_A<5","Y_A<5"))
x
### An ODE system: 4 equations
### equations:
###   dX_Cdt = nu * (X_A + Y_A) - beta * X_C * (Y_C + Y_A) - (mu + g) * X_C 
###   dY_Cdt = beta * X_C * (Y_C + Y_A) - (mu + g + rho) * Y_C 
###   dX_Adt = g * X_C - beta * X_A * (Y_C + Y_A) 
###   dY_Adt = beta * X_A * (Y_C + Y_A) + g * Y_C - rho * Y_A 
### variables: X_C Y_C X_A Y_A 
### parameters: nu = 0.15, beta = 0.1, mu = 0.15, g = 0.04, rho = 0.2 
### constraints: X_A<5 X_A>0 X_C<5 X_C>0 Y_A<5 Y_A>0 Y_C<5 Y_C>0

接下来,我们尝试固定 X A = 2 , Y A = 2 X_A = 2, Y_A = 2 XA=2,YA=2,以 X C , Y C X_C, Y_C XC,YC为坐标轴,绘制相速矢量场,

plot(x, set_covar = list(X_A = 2, Y_A = 2))

常微分方程建模R包ecode(二)——绘制相速矢量场,r语言,开发语言,数据分析,数据可视化
可以看到,该常微分方程组似乎在 X C , Y C X_C, Y_C XC,YC的值很小时存在使 d X C / d t , d Y C / d t = 0 dX_C/dt, dY_C/dt=0 dXC/dt,dYC/dt=0的点。

四、一维相速矢量场

如果一个常微分方程只有一个模型变量,或者在含有 n n n个模型变量的常微分方程组中,有 ( n − 1 ) (n-1) (n1)个变量的值都被固定了,那么plot函数就会绘制一维的相速矢量场。

现在我们尝试固定 X A = 2 , Y A = 2 , X C = 2 X_A = 2, Y_A = 2, X_C = 2 XA=2,YA=2,XC=2。这样,只剩下模型变量 X A X_A XA的值没有被固定。plot函数将以 X A X_A XA为唯一的坐标轴,绘制一维的相速矢量场,

plot(x, set_covar = list(X_A = 2, Y_A = 2, X_C = 2))

常微分方程建模R包ecode(二)——绘制相速矢量场,r语言,开发语言,数据分析,数据可视化
其中,每个相速矢量的值代表的是 d Y C / d t dY_C/dt dYC/dt在某一相点的对应值。

五、相速矢量

当所有模型变量都被赋值时,plot函数将会作出某一相点所对应的相速矢量。在相空间中,相速矢量的起点在其对应的相点,长度代表相点在相点在该处运动的速率。例如,在本节案例中,位于相点 ( X C 0 , Y C 0 , X A 0 , Y A 0 ) (X_{C0},Y_{C0},X_{A0},Y_{A0}) (XC0,YC0,XA0,YA0)的相速矢量的值为,
( d X C / d t , d Y A / d t , d X A / d t , d Y A / d t ) ∣ X C = X C 0 , Y C = Y C 0 , X A = X A 0 , Y A = Y A 0 (dX_C/dt,dY_A/dt,dX_A/dt,dY_A/dt)|_{X_{C}=X_{C0}, Y_{C}=Y_{C0}, X_{A}=X_{A0}, Y_{A}=Y_{A0}} (dXC/dt,dYA/dt,dXA/dt,dYA/dt)XC=XC0,YC=YC0,XA=XA0,YA=YA0
调用plot时,plot函数会画出相速矢量在各个维度上的值,

plot(x, set_covar = list(X_A = 2, Y_A = 2, X_C = 2, Y_C = 2))

常微分方程建模R包ecode(二)——绘制相速矢量场,r语言,开发语言,数据分析,数据可视化
该图给出了相点 ( 2 , 2 , 2 , 2 ) (2,2,2,2) (2,2,2,2)所对应的相速矢量,其中横坐标的每一个标签代表相速矢量在某一维度上的分解值,即 d X C / d t ∣ X C = 2 , d Y C / d t ∣ Y C = 2 , d X A / d t ∣ X A = 2 , d Y A / d t ∣ Y A = 2 dX_C/dt|_{X_C=2}, dY_C/dt|_{Y_C=2}, dX_A/dt|_{X_A=2}, dY_A/dt|_{Y_A=2} dXC/dtXC=2,dYC/dtYC=2,dXA/dtXA=2,dYA/dtYA=2

如何引用

Wu, H. (2023). ecode: An R package to investigate community dynamics in ordinary differential equation systems. bioRxiv, 2023-06.

原文见bioRxiv。文章来源地址https://www.toymoban.com/news/detail-621543.html

到了这里,关于常微分方程建模R包ecode(二)——绘制相速矢量场的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

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: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 数学建模笔记(六):常微分方程及其应用

    前为数学摆方程,后为拉普拉斯方程 要确定每次积分后 C C C 的值 利用MATLAB求解 当 t t t 趋于正无穷大时, x ( t ) x(t) x ( t ) 趋于 x 0 x_0 x 0 ​ 使用泰勒展开,方程二为线性更易求解,使用变量分离法求解 预测长时间后的情况 效益最大点小于 r 2 frac{r}{2} 2 r ​ 拿 E s 1 E_{s1} E

    2024年02月02日
    浏览(81)
  • 【数学建模】《实战数学建模:例题与讲解》第五讲-微分方程建模(含Matlab代码)

    如果这篇文章对你有帮助,欢迎点赞与收藏~ 微分方程建模是数学建模中一种极其重要的方法,它在解决众多实际问题时发挥着关键作用。这些实际问题的数学表述通常会导致求解特定的微分方程。将各种实际问题转换为微分方程的定解问题主要包括以下几个步骤: 确定研究

    2024年03月18日
    浏览(76)
  • Python小白的数学建模课-11.偏微分方程数值解法

    偏微分方程可以描述各种自然和工程现象, 是构建科学、工程学和其他领域的数学模型主要手段。 偏微分方程主要有三类:椭圆方程,抛物方程和双曲方程。 本文采用有限差分法求解偏微分方程,通过案例讲解一维平流方程、一维热传导方程、二维双曲方程、二维抛物方程

    2024年02月14日
    浏览(103)
  • 【数学建模\MATLAB】掌握用Matlab求解微分方程问题

    d y d t = a y 2 cfrac{dy}{dt}=ay^2 d t d y ​ = a y 2 结果 d 3 y d t 3 = b y cfrac{d^3y}{dt^3}=by d t 3 d 3 y ​ = b y 结果 x 2 + y + ( x − 2 y ) y ′ = 0 x^2+y+(x-2y)yprime=0 x 2 + y + ( x − 2 y ) y ′ = 0 结果: d 2 y d t 2 = a y , 初 始 条 件 为 y ( 0 ) = 5 , y ′ ( 0 ) = 1 cfrac{d^2y}{dt^2}=ay, text初始条件为y(0)=5,yprime(

    2024年02月03日
    浏览(45)
  • 美赛BOOM数学建模4-2微分方程传染病预测模型

    注明:本文根据数学建模BOOM网课简单整理,自用 ❑从最简单的指数传播模型说起 • 不同类型传染病的发病机理和传播途径各有特点 • 有的传染病,在得过一次后可获得 免疫力 ,但有的则不会 • 有的传染病具有 潜伏期 ,有的则没有 • 需要对不同类型的传染病建立相应

    2024年02月08日
    浏览(47)
  • 【数学建模】常用微分方程模型 + 详细手写公式推导 + Matlab代码实现

    微分方程基本概念 微分方程在数学建模中的应用 微分方程常用模型(人口增长模型、传染病模型) 2022.06.19 微分方程,是指含有未知函数及其导数的关系式。解微分方程就是找出未知函数。 微分方程是伴随着微积分学一起发展起来的。微积分学的奠基人Newton和Leibniz的著作中

    2024年02月09日
    浏览(67)
  • 0702可分类变量的微分方程-微分方程

    本节至第四节我们学习的都是一阶微分方程 ​ y ′ = f ( x , y ) y^{\\\'}=f(x,y) y ′ = f ( x , y ) (2-1) 一阶微分方程对称形式 p ( x , y ) d x + Q ( x , y ) d y = 0 ( 2 − 2 ) p(x,y)dx+Q(x,y)dy=0qquad (2-2) p ( x , y ) d x + Q ( x , y ) d y = 0 ( 2 − 2 ) 若以x为自变量,y为因变量,则 d y d x = − P ( x , y ) Q (

    2024年02月04日
    浏览(51)
  • (矩阵)一阶微分方程和伯努利方程

    伯努利方程的标准形式: 伯努利方程解法: 方程两边同时除以y的n次, 做变量替换y-z: 转换为线性微分方程: 最后换回原来的变量即可得到伯努利方程。 一阶线性微分方程的标准形式: 当Q(x)=0,为齐次方程;当Q(x)≠0,为非齐次方程。 已知如下矩阵,求解一阶线性微分方

    2024年02月05日
    浏览(57)
  • 微分方程应用——笔记整理

    首先,根据正常思路走,化简得到式子:    不难发现,设  后面得出该方程的通解: 这里要注意什么等于这个通解   --- z 又因为该曲线过点  所以可以求出c为3 该题虽然简单,但是要注意几个问题,该定义域在第一象限,还有就是求解中变量的代换

    2024年02月11日
    浏览(40)
  • 一阶常微分方程

    第一次写博客记录自己的学习过程,写的不好希望大家斧正。 讲的更多的是常微分方程的解法的理解,也是我在学习中遇到各种证明的关键点,希望通过记录博客深化对于证明的理解,建立起数学思维,而不是知其然而不知其所以然。因此阅读中需要读者有一定的基础,与实

    2024年02月05日
    浏览(45)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包