Xreferat.com » Рефераты по математике » Идентификация параметров осциллирующих процессов в живой природе, моделируемых дифференциальными уравнениями

Идентификация параметров осциллирующих процессов в живой природе, моделируемых дифференциальными уравнениями

их химическому взаимодействию, в результате чего образуются новые вещества, которые также начинают взаимодействовать с другими реагента-ми. В течении всех этих реакций концентрации реагентов колеблются и, на-конец, все химические преобразования завершаются и в качестве результата остаются какие-то определенные вещества, которые уже не реагируют между собой. Первая математическая модель осциллирующих химических реакций была предложена в работе Лотки [7].

Рассматривается математическая модель взаимодействия на молекулярном уровне веществ на основе следующих предположений:

1. При взаимодействии с молекулой вещества молекула вещества превращается в молекулу вещества . Это описывают в форме молекулярной ре-акции:


(1)


Такую реакцию относят к классу автокаталитических, так как наличие вещества обеспечивает превращение другого вещества в .

2. При взаимодействии с молекулой вещества молекула вещества пре-вращается в молекулу вещества , то есть происходит автокаталитическая молекулярная реакция:


(2)

3. Вещество в то же время необратимо распадается, превращаясь в вещество , то есть происходит молекулярная реакция


(3)


4. Скорости протекания реакций (1), (2), (3) пропорциональны концентрациям веществ в левых частях этих реакций, то есть равны соответственно:


, , , (4)


где символами , , обозначены концентрации веществ , , со-ответственно, а коэффициенты - положительные числа.

5. Скорость изменения концентрации каждого вещества равна сумме скоростей изменения концентраций этого вещества во всех реакциях, в которых оно участвует.

Из условий 1-5 следуют равенства:


,

,

,

, (5)


где - концентрация вещества . Это система ОДУ Лотки.


2.1.2 Осцилляция популяций в системе «хищник-жертва»

Первая экологическая модель типа «хищник – жертва» была предложена в книге Лотки [8]. Она основана на тех же уравнениях (5).

Пусть на острове живут жертвы (зайцы) и хищники (волки). Рассматривается математическая модель изменения величин (растительная пища для зайцев), , , (умершие волки) на основе следующих предположений:

1. Наличие зайцев и еды для них приводит к увеличению количества зайцев, что можно записать формулой:


(6)


2. Наличие волков и еды для них приводит к увеличению количества волков:


(7)


3. Волки умирают от болезней или старости:


(8)


4. Скорость изменения количества зайцев по формуле (6), скорость изменения количества волков по формуле (7) и скорость увеличения количеств умерших волков по формуле (8) равны соответственно:


, , , (9)


где символами , , обозначены количества растительной пищи, зайцев и волков, а - положительные коэффициенты.

5. Скорость изменения каждого из количеств (количество умерших волков) равна сумме скоростей изменения этих количеств в каждом из процессов (6), (7), (8), в котором соответствующая величина участвует.

Из условий 1-5 следуют уравнения Лотки (5), только символы имеют другой смысл.

Более общие модели поведения хищников и жертв в различных эко-логических ситуациях были предложены в лекциях Вольтерры [1]. В связи с этим, уравнения Лотки (5) называют часто уравнениями Лотки-Вольтерра.

И все же большая часть работ по этой тематике посвящена даже более упрощенному по сравнению с моделью Лотки двумерному случаю, так как это позволяет применять методы фазовой плоскости для динамических систем.

Сведение модели (5) к двумерной основано на предположении, что вели-чина постоянна. В случае модели осциллирующих химических реакций это означает, что вещества достаточно много, а в случае модели «хищник - жертва» это означает, что еды у зайцев достаточно много. Из этого предполо-жения следует, что . Так как величина входит только в послед-нее из уравнений (5), то второе и третье уравнения отделяются:


,

, (10)


где .

2.2 Другие модели


Они излагаются в многочисленных статьях и книгах. Кроме уже предложенных ранее, дадим здесь ссылку еще на одну книгу [6].


3. Идентификация параметров модели Лотки


3.1 Дифференциальные уравнения


Задачу Коши для уравнений Лотки (5) п.2 запишем, используя более стан-дартные математические обозначения:


,

, (1)

,

,

, (2)


Задача Коши (17), (18) п.1 будет следующей:


,

,

,

,

,

,

,

,

,

,

,

, (3)

,, (4)


Как видим, задача Коши (1), (2), (3), (4) полиномиальная, и для ее численного интегрирования можно применять метод рядов Тейлора.


3.2 Постановки задачи идентификации и функционалы МНК


Для конкретных биологических или иных моделей проводят реальные эксперименты по определению величин , от которых зависят функционалы типа (20) п.1.3. Каждый реальный эксперимент имеет и свои возможности (часто весьма ограниченные) и свою цену (возможно высокую) определения каждой величины .

Естественно поэтому использовать различные функционалы, зависящие от того или иного набора величин . Мы рассмотрим три функционала. Пер-вые два из них ориентированы на различные типы экспериментов с весьма ограниченными возможностями, а третий является их обобщением.

В эксперименте первого типа, при одном и том же начальном данном измеряются значения


(5)


одной из переменных в различные моменты , .

В эксперименте второго типа, при начальных данных ,, из-меряются значения


, (6)

величин , в один и тот же момент времени .

В эксперименте третьего типа, при начальных данных ,, из-меряются значения


(7)


величин , в моменты времени , ,.


Соответствующие функционалы равны:


, (8)

, (9)

, (10)


где - фиксированные весовые коэффициенты.

Градиентные уравнения и соответствующие начальные условия для этих функционалов следующие:


, (11)

, (12)

(13)

, (14)

3.3 Как ускорить вычисления


Опыт реальных вычислений показывает, что минимизация функционала методом градиентных уравнений естественно делится на два этапа. На первом этапе происходит быстрое уменьшение функционала. На втором этапе это уменьшение становится все более медленным, и процесс нахождения достаточно точного приближения параметров, соответствующих локальному минимуму функционала, может потребовать неприемлемо больших затрат машинного времени.

Для того, чтобы ускорить вычисления на втором этапе, необходимо ускорить численное интегрирование исходных уравнений, уравнений в вариациях и градиентных уравнений. Исходные уравнения и уравнения в вариациях, как правило, полиномиальные и для их численного интегрирования можно использовать метод рядов Тейлора.

Градиентные уравнения не полиномиальные, и на первом из упомянутых выше этапов их естественно интегрировать методами Рунге-Кутта. На втором этапе идентифицируемые параметры изменяются медленно и правые части градиентных уравнений можно аппроксимировать полиномами по этим параметрам в окрестности некоторого их текущего значения.

Эта аппроксимация достаточно точна только на некотором промежутке изменения , поэтому ее нужно время от времени строить заново в окрестности очередного текущего значения параметров. На соответствующих промежутках изменения приближенные полиномиальные градиентные уравнения можно интегрировать методом рядов Тейлора.

Отметим, что построение каждой аппроксимации градиентных уравнений требует многократного численного решения исходных уравнений и уравнений в вариациях, для чего можно использовать метод рядов Тейлора.

Перейдем к формулам. Уравнения точной градиентной задачи Коши

(15)

, , (16)


где , мы хотим заменить на приближенные градиентные уравнения:


, , (17)


где - полином по , а - набор его коэффициентов.

При этом мы хотим, чтобы величины


, (18)


были достаточно малыми при


, (19)

где - некоторое фиксированное число. Коэффициенты поли-нома можно найти методом наименьших квадратов с функционалом:


, (20)


где , , а - весовые коэффициенты.

Отметим, что при малых в качестве можно рассмотреть полином степени 3 или 4, а при больших и/или - полином степени 2.


3.4 Численный эксперимент


Мы опишем здесь постановку и результаты одного из численных экспери-ментов, проведенных в полном соответствии с рассмотренной выше схемой градиентного метода. Эти результаты опубликованы в работе [4].

Обратимся к дифференциальным уравнениям для модели Лотки в п. 3.1 и в численном эксперименте будем действовать по следующей схеме:

  1. Фиксируем начальные данные


, , , (21)


и параметры


, , (22)


  1. При этих значениях начальных данных и параметров

численным интегрированием задачи Коши (1),(2) находим значения концентрации реактанта в моменты времени , , то есть находим при .

Теперь можно имитировать «измерения» величин по формуле


, , (23)


где - независимые случайные величины, равномерно распределенные меж-ду и . Считаем, что - измерения, полученные в некотором реаль-ном эксперименте.

  1. Фиксируем начальное приближение:


(24)


и методом градиентных уравнений находим приближенное значение точки локального минимума .

Об эффективности метода можно судить по затраченному процессорному времени и по величине относительной погрешности:


(25)


Результаты этого численного эксперимента приведены на рисунках 1, 2.


4. О других методах идентификации


Ограничимся здесь ссылкой на электронную статью [5], в которой идентифицируются три неизвестных параметра в пяти кинетических уравнениях, описывающих изменение концентраций в биохимических реакциях с участи-ем различных тромбинов и их комплексов.

В этой работе рассматривается функционал МНК, использующий различные начальные данные, соответствующие измерениям для всех пяти переменных в фиксированные моменты времени , причем все эти измерения взяты из реальных экспериментов.

Для минимизации функционала используется программа VARPRO Стэнфордского университета, а численное интегрирование исходных уравнений (для вычисления функционала) проводится при помощи интегратора SDRIV1 Дэвида Кахане.


Литература


1. В. Вольтерра, «Математическая теория борьбы за существование». Москва. «Наука»,1976.

2. Э. Хайрер, С. Нёрсетт, Г. Ваннер, “Решение обыкновенных дифференциальных уравнений”, I. Нежесткие задачи. Москва. “Мир”,1990.

3. Э. Хайрер, Г. Ваннер, “Решение обыкновенных дифференциальных уравнений”, II. Жесткие и дифференциально - алгебраические задачи. Москва. “Мир”,1999.

4. L.K. Babadzanjanz, J.A. Boyle, D.R. Sarkissian, and J.Zhu, “Parameter Identification for Oscillating Chemical Reactions Modelled by Systems of ODE”, Journal of Computational Methods for Sciences and Engineering, 2002.

5. Bert W. Rust, ACMD, Robert W. Ashton, Chemical Science and Technology Laboratory, “Parameter Identifications”, 7/15/2001: math.nist.gov/mcsd/Reports/95/yearly/node28.html

6. R.Haberman, “Mathematical Models. Mechanical Vibrations, Population Dynamics, and Traffic Flow. Classics in Applied Mathematics, 21”, SIAM, Philadelphia, 1977.

7. A.J. Lotka, “Undamped oscillations derived from the law of mass action”,

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: