Dinâmica Populacional

Slides:



Advertisements
Apresentações semelhantes
Métodos Computacionais
Advertisements

Controle Digital - CDG Prof. Cesar da Costa
Ciclo de vida.
Tiago A. Almeida Walter Furloni DT-FEEC-UNICAMP
Experiência do Usuário BusinessIntelligence SOA e Processos de Negócios Gerenciamento de Dados Desenvolvimento Mensagem da Plataforma de Aplicação Melhore.
AQUECEDORES DE ÁGUA POR ENERGIA SOLAR
Abordagem Exploratória e Investigativa - IBSME
Equilíbrio Químico Professor Valentim Nunes, Departamento de Engenharia Química e do Ambiente Gabinete: J207 – Campus de Tomar Web:
Competição intra-específica
TEORIA DA PRODUÇÃO.
INSTITUTO SUPERIOR TÉCNICO
Sociedade Humana Trabalho realizado por : Sandra Mendes nº LECN
8. EVOLUÇÃO DA INDÚSTRIA.
Ludwig Krippahl, 2007 Programação para as Ciências Experimentais 2006/7 Teórica 9.
16 Março 2006Vectores, Gráficos e Funções - Trajectória de um Projéctil1 Vectores, Gráficos e Funções Trajectória de Projéctil Pedro Barahona DI/FCT/UNL.
Ludwig Krippahl, 2008 Programação para as Ciências Experimentais 2007/8 Teórica 11.
Ciclos, Vectores e Gráficos Simulação da Queda de Corpos II
31 de Março de 2005Trajectória de um Projéctil - Gráficos e Funções1 Trajectória de Projéctil –Gráficos e Funções Pedro Barahona DI/FCT/UNL Março 2005.
2 de Junho de 2005Conclusão1 Pedro Barahona DI/FCT/UNL Junho 2005.
1 Conclusão DI/FCT/UNL 1º Semestre 2004/ Ciclos de Simulação A técnica usada no exemplo da queda livre pode ser utilizada para trajectórias a duas.
DINÂMICA TECNOLÓGICA E EVOLUÇÃO DA ESTRUTURA INDUSTRIAL
Problemas de Forma Não-padrão
Apresentação Tabular e Gráfica
Metodologia Científica e Tecnológica
Princípios de Controle
Aldilene Silva Célia Regina Daniela Alencar Maria do Socorro
Inteligência Artificial
TEORIA ECONOMICA I.
4m – 8 = 4 + 7m É dada a seguinte equação EQUAÇÕES
Metodologia Científica Medidas de Frequência e Associação
2. Condicionamento operante ou instrumental:
Origem da diversidade biológica
INTRODUÇÃO À ENGENHARIA
Modelagem da reação van der vusse
A função logística. Tipos básicos de variáveis em C++.
2ª Aula Modelação da dinâmica de populações. Crescimento e decaimento de 1ª ordem. Equação da logística.
Contabilidade de Custos
Modelando com ED de 1ª ordem– alguns modelos simples
2ª Aula Modelação da dinâmica de populações. Crescimento e decaimento de 1ª ordem. Equação da logística.
Física Aula 02 - Mecânica.
COMO OS CIENTISTAS DESCOBREM AS COISAS ?
Modelação Dinâmica António Câmara ADSA. Modelação dinâmica Desenvolvimento de modelos de simulação dinâmica Solução de equações diferenciais utilizando.
Prof. André Andrian Padial
Prof.Celso J. Munaro (DEL-CT-UFES)
Estrutura e Dinâmica Populacional
DISCIPLINA Pesquisa de Tecnologias Emergentes - PTE Profa. Eliane 2013 A01.
Regressão Linear.
A vida em fragmentos Biologia de populações em habitats limitados Roberto Kraenkel IFT-UNESP junho de 2008.
Capitulo 5: Simplex Voltando ao exemplo da confecção da D. Maria, e modificando um pouco os valores apenas para facilitar nossos cálculos e o entendimento,
Capitulo 5: Simplex Voltando ao exemplo da confecção da D. Maria, e modificando um pouco os valores apenas para facilitar nossos cálculos e o entendimento,
Ludwig Krippahl, 2009 Programação para as Ciências Experimentais 2008/9 Teórica 12.
Equações Diferenciais Ordinárias
Censos: indicações para o trabalho individual. Critérios de avaliação a) capacidade de exploração do site Censos b) capacidade de interpretação da informação.
A produção de bens e serviços
Inteligência Artificial
PRODUÇÃO
Sistemas de Controle III N8SC3
O Espaço Geográfico Rural
ANÁLISE DE DADOS EM BIOLOGIA Prof. Ronei Baldissera.
Sistemas de Controle III N8SC3
Modelo de Equações Estruturais
6.1 Tecnologia de produção
Biodiversidade Computadores
DINÂMICAS POPULACIONAIS COM CAOS
Sistemas de equações lineares MCEF 2011/12. O Sistemas lineares constituem um caso particular dos sistemas não lineares, sendo que os métodos estudados.
Trabalho e Energia O problema fundamental da dinâmica de uma partícula é saber como a partícula se move, se conhecermos a força que actua sobre ela (como.
Preservar e Recuperar o Meio Ambiente Crescimento da População Humana e Sustentabilidade 1.
INTERVALO DE CONFIANÇA PARA A MEDIA POPULACIONAL (σ 2 desconhecido ) Sabemos que se o tamanho da amostra for superior a 30 a distribuição amostral das.
Logaritmos Fabio Licht.
Title.
Transcrição da apresentação:

Dinâmica Populacional Modelo de Malthus Modelo de Verhulst Problema em estudo Resolução do Problema Programa em Matlab Resultados Conclusão

Modelo Malthus Segundo Malthus a velocidade de crescimento da população é directamente proporcional ao seu tamanho. Velocidade de crescimento de uma população t – tempo que passa ao longo da experiência (variável independente) p – tamanho populacional (variável dependente)

Modelo Verhulst Generalização do modelo de Malthus tendo em consideração a COMPETITIVIDADE inevitável entre elementos de uma população.

Problema em estudo Numa altura em que assuntos como a evolução das espécies e tão abordado ao nível da própria extinção das mesmas, gostaríamos de observar como poderiam estes métodos e este tipo de estudo ajudar a retirar informações para esta matéria que vem sendo tratada cada vez com maior intensidade. Foi com este intuito que escolhemos estudar uma população de mochos, segundo os métodos que dispomos. Saber como a população evoluiu e se alterou do ponto de vista da sua dinâmica de crescimento e tenderá a modificar-se no futuro.

Resolução do Problema

Programa em Matlab clear; T_inicial=0 T_final=25 P_inicial=2 % milhares de mochos tol=1.e-3 [t,p]=ode23('malthus',T_inicial,T_final,P_inicial,tol) plot(t,p,'-',t,p,'o'); title ('Evolução da população pelo modelo de Malthus (ODE23)'); xlabel ( 'Tempo Ti=0, Tf=25' ); ylabel ( 'População P(0)=2 milhares de mochos' ); pause [T,P]=ode45('malthus',T_inicial,T_final,P_inicial,tol) plot(T,P,'-',T,P,'*'); title ('Evolução da população pelo modelo de Malthus (ODE45)'); plot(t,p,'-',t,P,'b*') title('Comparação entre os resultados obtidos para os 2 integradores') [t1,p1]=ode23('verhulst',T_inicial,T_final,P_inicial,tol) plot(t1,p1,'-',t1,p1,'o'); title ('Evolução da população pelo modelo de Verhulst (ODE23)');

[T1,P1]=ode45('verhulst',T_inicial,T_final,P_inicial,tol) plot(T1,P1,'-',T1,P1,'*'); title ('Evolução da população pelo modelo de Verhulst (ODE45)'); xlabel ( 'Tempo Ti=0, Tf=25' ); ylabel ( 'População P(0)=2 milhares de mochos' ); pause plot(t1,p1,'-',T1,P1,'b*') title('Comparação entre os resultados obtidos para os 2 integradores') plot(t1,p1,'-',t,p,'b*') title('Comparação dos 2 modelos (aplicando ODE23)') plot(T1,P1,'-',T,P,'b*') title('Comparação dos 2 modelos (aplicando ODE45)')

Ficheiro Malthus.m % Esta função aplica o modelo de Malthus function pM=malthus(t,p) % t: tempo(escalar) % p: vector coluna da solução k=0.02; % taxa de crescimento da população pM=k*p; Ficheiro Verhulst.m % Esta funçao vai aplicar o modelo de Verhulst function pV=Verhulst (t,p) c=1; % considerarmos este valor já que este minimizaria o coeficiente de competição %entre os indivíduos, tal como consideramos que acontece na nossa população. a=(k+c/2); b=(c/2); pV=a*p-b*(p.^2);

Resultados (Modelo Malthus)

Resultados (Modelo Verhulst)

Malthus vs Verhulst

Conclusão Modelo de Malthus: população estritamente crescente População final=3297 Modelo de Verhulst: população decrescente População final=1040