Компьютерное моделирование в экологии кратко
Обновлено: 05.07.2024
На протяжении длительного периода времени биология была описательной наукой, мало приспособленной для прогнозирования наблюдаемых явлений. С развитием компьютерных технологий ситуация изменилась. Сначала наиболее используемыми в биологии были методы математической статистики, которые позволяли выполнять корректную обработку данных экспериментов и оценивать определенную значимость для принятия определенных решений и получения выводов. Со временем, когда методы химии и физики вошли в биологию, начали использовать сложные математические модели, которые позволяли обрабатывать данные реальных экспериментов и предсказывать протекание биологических процессов в ходе виртуальных экспериментов.
Модели в биологии
Моделирование биологических систем представляет собой процесс создания моделей биологических систем с характерными для них свойствами. Объектом моделирования может быть любая из биологических систем.
В биологии применяется моделирование биологических структур, функций и процессов на молекулярном, субклеточном, клеточном, органно-системном, организменном и популяционно-биоценотическом уровнях организации живых организмов. Применяется моделирование также к разным биологическим феноменам, условиям жизнедеятельности отдельных особей, популяций, экосистем.
Биологические системы – это очень сложные структурно-функциональные единицы.
Используется компьютерное и наглядное моделирование биологических компонентов. Примеров таких биологических моделей огромное количество. Приведем некоторые примеры биологических моделей:
Готовые работы на аналогичную тему
Основные виды моделей в биологии
Биологические модели на лабораторных животных воспроизводят определенные состояния или заболевания, которые встречаются у животных или человека. Их использование позволяет изучать при проведении экспериментов механизмы возникновения данного состояния или заболевания, его протекание и исход, воздействовать на его протекание. Примерами биологических моделей являются искусственно вызванные генетические нарушения, инфекционный процесс, интоксикация, воспроизведение гипертонических и гипоксических состояний, злокачественных новообразований, гиперфункция или гипофункция некоторых органов, неврозы и эмоциональные состояния.
Для создания биологических моделей воздействуют на генетический аппарат, применяется заражение микробами, вводят токсины, удаляют отдельные органы и т.д. Физико-химические модели воспроизводят с помощью химических или физических средств биологические структуры, функции или процессы и, обычно, они представляют собой далекое подобие биологического явления, которое моделируется.
Значительные успехи были достигнуты в создании моделей физико-химических условий существования живых организмов, их органов и клеток. Например, подобраны растворы неорганических и органических веществ (растворы Рингера, Локка, Тироде и др.), которые имитируют внутреннюю среду организма и поддерживают существование изолированных органов или культивируемых клеток внутри организма.
Моделирование биологических мембран позволяет выполнять исследование физико-химических основ процессов транспортировки ионов и влияния на него разных факторов. С помощью химических реакций, которые протекают в растворах в автоколебательном режиме, моделируются характерные для многих биологических феноменов колебательные процессы.
Математические модели (описание структуры, связей и закономерностей функционирования живых систем) построены на основе данных эксперимента или представляют собой формализованное описание гипотезы, теории или открытой закономерности какого-либо биологического феномена и для них необходима дальнейшая опытная проверка. Разные варианты таких экспериментов определяют границы использования математических моделей и представляют материал для ее дальнейшего корректирования. Испытание математической модели биологического явления на персональном компьютере дает возможность предвидеть характер изменения исследуемого биологического процесса в условиях, которые трудно воспроизвести с помощью эксперимента.
Математические модели дают возможность предсказать в отдельных случаях некоторые явления, которые были ранее неизвестны исследователю. Например, модель сердечной деятельности, которую предложили голландские ученые ван дер Пол и ван дер Марк, основанная на теории релаксационных колебаний, показала возможность особого нарушения сердечного ритма, которое впоследствии обнаружили у человека. Математической моделью физиологических явлений является также модель возбуждения нервного волокна, которая была разработана английскими учеными А. Ходжкином и А. Хаксли. Существуют логико-математические модели взаимодействия нейронов, построенные на основе теории нервных сетей, которые были разработаны американскими учеными У. Мак-Каллоком и У. Питсом.
Применение различных видов моделирования и типов моделей для преобразования природы. Выявление преимуществ компьютерного моделирования по сравнению с реальным экспериментом. Значение компьютерного моделирования для решения экологической проблемы.
| Рубрика | Программирование, компьютеры и кибернетика |
| Вид | статья |
| Язык | русский |
| Дата добавления | 27.01.2019 |
| Размер файла | 17,9 K |
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Роль компьютерного моделирования в экологии
Бекенов М.И. Мурзахметова А.А.
Аннотация
В статье рассматривается роль компьютерного моделирования в экологии. компьютерное моделирование экологический
The article discusses the role of computer modeling in ecology.
Технологии компьютерного моделирования широко используются в настоящее время. Целесообразность модельного обеспечения сложных технических разработок и научных исследований сегодня не вызывает никаких сомнений. В будущем, роль и значение компьютерного моделирования, безусловно, значительно возрастет. Современное компьютерное моделирование выступает как средство общения людей (обмен информационными, компьютерными моделями и программами), осмысления и познания явлений окружающего мира (компьютерные модели солнечной системы, атома и т.п.), обучения и тренировки (тренажеры), оптимизации (подбор параметров). Компьютерное моделирование является одним из эффективных методов изучения сложных систем. Компьютерные модели проще и удобнее исследовать в силу их возможности, проводить вычислительные эксперименты, которые по сравнению с реальным экспериментом затруднены из-за финансовых и физических препятствий или могут дать непредсказуемый результат. Логичность и формализованность компьютерных моделей позволяет выявить основные факторы, определяющие свойства изучаемого объекта-оригинала (или целого класса объектов), в частности, исследовать отклик моделируемой физической системы на изменения ее параметров и начальных условий. При представлении модели средствами математики и логики возникает абстрактный образ реального объекта, при исследовании образца реального объекта в качестве модели имеет место конкретное исследование [1].
Под моделированием понимается процесс построения, изучения и применения моделей. Главная особенность моделирования в том, что это метод опосредованного познания с помощью объектов-заместителей. Именно эта особенность метода моделирования определяет специфические формы использования абстракций, аналогий, гипотез, других категорий и методов познания. Моделирование представляет собой один из основных методов познания, является формой отражения действительности и заключается в выяснении или воспроизведении тех или иных свойств реальных объектов, предметов и явлений с помощью других объектов, процессов, явлений, либо с помощью абстрактного описания в виде изображения, плана, карты, совокупности уравнений, алгоритмов и программ [3].
Этап построения модели предполагает наличие некоторых знаний об объекте-оригинале. Познавательные возможности модели обуславливаются тем, что модель отражает какие-либо существенные черты объекта-оригинала. Вопрос о необходимости и достаточной мере сходства оригинала и модели требует конкретного анализа. Очевидно, что модель утрачивает свой смысл как в случае тождества с оригиналом (тогда она становится оригиналом), так и в случае чрезмерного во всех существенных отношениях отличия от оригинала. Таким образом, изучение одних сторон моделируемого объекта осуществляется ценой отказа от отражения других сторон. Поэтому любая модель замещает оригинал лишь в строго ограниченном смысле. Из этого следует, что для одного объекта может быть построено несколько "специализированных" моделей, концентрирующих внимание на определенных сторонах исследуемого объекта или же характеризующих объект с разной степенью детализации. Ниже представлен ряд методов моделирования, применяемых в естественных и технических науках [1].
Развитие информационных технологий привело к тому, что компьютеры стали использовать для моделирования процессов функционирования системы, причем в этом случае имелись алгоритм и программа, а математическая модель в ее классическом виде практически отсутствовала или предполагалось, что математической моделью является одно из аналитических представлений. Это направление получило название имитационного моделирования. Такие модели представляют собой компьютерную программу, которая шаг за шагом воспроизводит события, происходящие в реальной системе. Преимуществом имитационных моделей является возможность подмены процесса смены событий в исследуемой системе в реальном масштабе времени на ускоренный процесс смены событий в темпе работы программы [3].
В дальнейшем метод математического моделирования применялся в экологии все шире, что обусловливалось его большими потенциальными возможностями. Моделирование дает предварительное объяснение и предсказание поведения экосистем в условиях, когда теоретический уровень исследований природной среды недостаточно высок. В этом аспекте моделирование всегда будет дополнять теоретические построения, так как разрыв между практическим воздействием на природу и теоретическим осмыслением последствий такого воздействия сохраняется, и все качественно новые варианты перестройки биосферы обязательно должны моделироваться [4].
Сознательный выбор путей преобразования природы требует применения различных видов моделирования и типов моделей. Все виды моделирования, направленные на познание природы, находят применение при преобразовании биосферы. Применение различных типов моделей и видов моделирования способствует, с одной стороны, повышению теоретического статуса науки и синтезу знаний, а с другой, обеспечивает столь необходимую в наше время координацию преобразовательной и познавательной сторон человеческой деятельности [1].
Идеальные модели потребного будущего всегда формируются в мозгу человека. Чем крупнее планы преобразования, тем многограннее эти модели. Зависимость человека от объективных законов развития природы рождает потребность в построении вещественных моделей поведения и потребного будущего [2].
Говоря об общем значении компьютерного моделирования для решения экологической проблемы, следует отметить ускорение поиска наиболее приемлемого решения. Человечество получает возможность как бы ускорить свою адаптацию к природе. Руководствуясь в своей деятельности единственным, по существу, методом проб и ошибок (если понимать его в самом широком смысле), человечество должно делать много проб на многих моделях, прежде чем совершить одну реальную пробу, так как с ростом технических возможностей растет ущерб от ошибки [2].
В широком применении компьютерного моделирования для решения проблем познания и преобразования природной среды можно видеть соединение двух тенденций, характерных для современной науки, - кибернетизации и экологизации. ЭВМ в настоящее время применяют для выбора оптимальных вариантов использования различных видов ресурсов, для предсказания последствий загрязнения природной среды и т.п.
Машина моделирует поведение многих переменных, подбирая такую последовательность и комбинацию процессов в системе, которая максимизирует функцию, представленную показателем экономической эффективности многоцелевой системы водных ресурсов, эксплуатируемых в течение нескольких лет [3].
Намечается тенденция к тому, чтобы строить модели все более комплексные и все больших по размерам регионов. Дело в том, что критерий оптимизации системы каких-либо ресурсов зависит от стратегии использования ресурсов вообще и многих других факторов, связанных с преобразовательной деятельностью человека. Поэтому оптимальный вариант использования данного вида ресурсов может оказаться не оптимальным в рамках более общей задачи. В этой связи наиболее целесообразным выглядит моделирование не только отдельных фрагментов природной среды, но и биосферы в целом, ибо полученные при этом результаты позволяют лучше исследовать модели природных систем, расположенных на более низких структурных уровнях. Поскольку биосфера рассматривается как единое целое, постольку и действия человека по ее познанию и преобразованию (это относится и к моделированию) должны находиться в определенном единстве [5].
В последние десятилетия предприняты попытки рассмотрения с помощью компьютерного моделирования состояния и тенденций глобального развития системы взаимоотношений общества с природной средой [4].
1. Бахвалов Л.А. Моделирование систем. - М.: МГГУ, 2006. - С. 16-76.
2. Чернявский В.С. Системные понятия математического моделирования. - Усть-Каменогорск: ВКГТУ, 2009. - С. 16-96.
3. Рыжиков Ю.И. Имитационное моделирование. - Москва: СПб, 2004. - С.26-89.
4. Гришин А.М. Моделирование и прогноз экологических катастроф// Экологические системы и приборы. -2001. - №2 С.12.
5. В.В. Меншуткин. Путь к моделированию в экологии. Санкт-Петербург: Нестор-История, 2007. - С. 46-96.
Функция "чтения" служит для ознакомления с работой. Разметка, таблицы и картинки документа могут отображаться неверно или не в полном объёме!
Городской методический центр информационных технологий
г. Мурманска Компьютерное моделирование в экологии
Реферат Выполнил: Паялов Е.В.
(ученик 11 класса школы № 49)
Проверил: Пустоваченко Н.Н.
(директор ГМЦИТ г. Мурманска) Мурманск, 2005 Содержание
1. Компьютерное моделирование в экологии………………………………….5
Список литературы………………………………………………………………24 Введение
Экология – одно из слов, появившихся сравнительно недавно у всех на устах и на страницах газет и журналов. Ещё в 60-х годах XX века никто, кроме узких специалистов, его не знал, да и большинство из тех, кто знал, использовал в таком смысле, который вряд ли способен заинтересовать широкую общественность. А между тем, термину более 120 лет.
Математическое моделирование в экологии используется практически с момента возникновения этой науки. И, хотя поведение организмов в живой природе гораздо труднее адекватно описать средствами математики, чем самые сложные физические процессы, модели помогают установить некоторые закономерности и общие тенденции развития отдельных популяций, а также сообществ. Кажется удивительным, что люди, занимающиеся живой природой воссоздают её в искусственной математической форме, но есть веские причины, которые стимулируют эти занятия. Вот некоторые цели создания математических моделей в экологии:
Цель данной работы – познакомиться с некоторыми методами компьютерного моделирования в экологии и доказать важность компьютеров в моделировании экологических процессов.
Однако математическое (компьютерное) моделирование в экологии – достаточно обширная область исследования и по выбору объектов моделирования, и по набору методов, и по спектру решаемых задач. Поэтому довольно трудно охватить сразу все аспекты моделирования. Внимание в данной работе обращено на два класса методов: моделирование с помощью дифференциальных уравнений и методы, основывающиеся на экстремальных принципах биологии. Если примеры вариационных моделей относятся к довольно широкому кругу растительных и животных сообществ, то для подходов, основанных на дифференциальных уравнениях, в виду обширности материала внимание сконцентрировано на моделировании сообществ микроорганизмов.
Модели каждого из методов, безусловно, обладают своими достоинствами и недостатками. Так, дифференциальные или разностные уравнения позволяют описывать динамику процессов в режиме
Экология - одно из слов, появившихся сравнительно недавно у всех на устах и на страницах газет и журналов. Еще в 60-х годах нашего столетия почти никто, кроме узких специалистов, его не знал, да и большинство из тех, кто знал, использовал в таком смысле, который вряд ли способен заинтересовать широкую общественность. А между тем, термину более 120 лет.
и направление общественно-политической деятельности на 100 лет позднее, и занимающуюся проблемами охраны окружающей среды, взаимодействием с ней человеческого сообщества.
постановка их вполне очевидна и в познавательном плане интересна и полезна. Во-вторых, модели распространения загрязнений окружающей среды требуют использования весьма сложного математического аппарата, да и сами еще не вполне устоялись. Проблемы охраны окружающей среды чрезвычайно важны, но их обсуждение выходит за пределы нашего курса. Однако, для того, чтобы дать представление о задачах, стоящих перед современными исследователями в этой области, в следующем параграфе приведено описание одной из глобальных моделей, пытающихся выяснить пути взаимодействия экосистемы планеты с индустриальной и экономической системами современного общества.
Остановимся на некоторых понятиях, которые будут встречаться в этой главе. Под особью понимается отдельный индивидуум, отдельный организм. Популяция - это совокупность особей одного вида, существующих в одно и то же время и занимающих определенную территорию. И, наконец, сообщество - это совокупность совместно сосуществующих популяций.
В классической экологии рассматриваются взаимодействия нескольких типов:
• взаимодействие организма и окружающей среды;
• взаимодействие особей внутри популяции;
• взаимодействие между особями разных видов (между популяциями). Математические модели в экологии используются практически с момента возникновения этой науки. И, хотя поведение организмов в живой природе гораздо труднее адекватно описать средствами математики, чем самые сложные физические процессы, модели помогают установить некоторые закономерности и общие тенденции развития отдельных популяций, а также сообществ. Кажется удивительным, что люди, занимающиеся живой природой, воссоздают ее в искусственной математической форме, но есть веские причины, которые стимулируют эти занятия. Вот некоторые цели создания математических моделей в классической экологии.
1. Модели помогают выделить суть или объединить и выразить с помощью нескольких параметров важные разрозненные свойства большого числа уникальных наблюдений, что облегчает экологу анализ рассматриваемого процесса или проблемы.
4. Модели действительно могут пролить свет на реальный мир, несовершенными имитациями которого они являются.
При построении моделей в математической экологии используется опыт математического моделирования механических и физических систем, однако с учетом специфических особенностей биологических систем:
• сложности внутреннего строения каждой особи;
• зависимости условий жизнедеятельности организмов от многих факторов внешней среды;
• незамкнутости экологических систем;
• огромного диапазона внешних характеристик, при которых сохраняется жизнеспособность
Привлечение компьютеров существенно раздвинуло границы моделирования экологических процессов. С одной стороны, появилась возможность всесторонней реализации сложных математических моделей, не допускающих аналитического исследования, с другой - возникли принципиально новые направления, и прежде всего - имитационное моделирование.
4.2. МОДЕЛИ ВНУТРИВИДОВОЙ КОНКУРЕНЦИИ
Рассмотрим простейшую из указанных моделей для вида с дискретными периодами размножения, в которой численность популяции в момент времени t равна N , и изменяется во времени пропорционально величине основной чистой скорости воспроизводства R. Такими видами являются, например, большая часть растений, некоторые виды насекомых, у которых разные поколения четко разнесены во времени. Коэффициент R характеризует количество особей, которое воспроизводится в расчете на одну существующую, а также выживание уже существующих. Данная модель может быть выражена уравнением
(7.60)
решение которого имеет вид
(7.61)
где N 0 - начальная численность популяции. Эта модель, однако, описывает популяцию, в которой отсутствует конкуренция и в которой R является константой; если R>1, то численность популяции будет бесконечно увеличиваться. В реальности в какой-то момент начинают работать механизмы сдерживания роста популяции. В литературе приводится немало интересных примеров быстрого роста численности популяций, если бы для их размножения существовали идеальные условия. Особенно это относится к насекомым, растениям и микроорганизмам, которые могли бы покрыть земной шар толстым слоем, если им создать благоприятные условия для размножения. Но в действительности такого роста популяций, когда их численность увеличивается в геометрической прогрессии, на сколько-нибудь длительных промежутках времени не наблюдается.
Следовательно, в первую очередь необходимо изменить уравнение (7.60) таким образом, чтобы чистая скорость воспроизводства зависела от внутривидовой конкуренции.
Конкуренцию можно определить как использование некоего ресурса (пищи, воды, света, пространства) каким-либо организмом, который тем самым уменьшает доступность этого ресурса для других организмов. Если конкурирующие организмы принадлежат к одному виду, то взаимоотношения между ними называют внутривидовой конкуренцией, если же они относятся к разным видам, то их взаимоотношения называют межвидовой конкуренцией.
Рис. 7.37. К вопросу об ограничении скорости роста популяции
На рис. 7.37 показана простейшая возможная зависимость скорости воспроизводства от численности популяции. Точка А отражает ситуацию, в которой численность популяции близка к нулю, конкуренция при этом практически отсутствует, и фактическую скорость воспроизводства вполне можно описывать параметром R в его первоначальном виде. Следовательно, при низкой плотности популяции уравнение (7.60) вполне справедливо. В преобразованном виде оно выглядит так:
Точка В, напротив, отражает ситуацию, в которой численность популяции высока, и в значительной степени проявляется внутривидовая конкуренция. Фактическая скорость воспроизводства в результате конкуренции настолько снижена, что популяция в целом может не более чем восстанавливать в каждом поколении свою численность, потому что количество родившихся особей уравновешивается количеством погибших. Гипотезе, отраженной на рис. 7.37, соответствует уравнение
(7.62)
где a R K 1 . Это уравнение представляет собой модель роста популяции, ограниченного внутривидовой конкуренцией. Суть этой модели в том, что константа R в уравнении (7.60)
заменена на фактическую скорость воспроизводства, т е. 1 a N t , которая уменьшается по мере роста численности популяции N t . Достоинство полученного уравнения заключается в его простоте.
Такой тип конкуренции приводит к саморегуляции численности популяции, изображенной на рис. 7.38 (для некоторого набора параметров модели; численное решение).
Рис. 7.38. Изменение численности популяции согласно уравнению (7.62) при R = 2, К = 200, N 0 = 20
После несложного изменения в уравнении (7.62) может быть получена гораздо более общая модель, учитывающая интенсивность конкуренции. Простейшая из возможных зависимостей падения скорости роста популяции от ее численности, изображенная на рис. 7,37, является не законом природы, а всего лишь удобной гипотезой. Далеко не всегда реальная динамика численности популяции, определяемая внутривидовой конкуренцией, даже качественно согласуется с изображенной на рис. 7.38. Более общая гипотеза о законе падения скорости роста популяции в зависимости от ее численности приводит к следующему уравнению:
(7.63)
Общность данной модели в отличие от уравнения (7.62) обусловлена введением в модель параметра b, который определяет тип зависимости падения скорости роста популяции от ее численности.
Набор величин a, b, R можно использовать для сравнения и противопоставления сильно различающихся ситуаций. Другим положительным качеством уравнения (7.63) является его способность освещать новые стороны реального мира. Путем анализа кривых динамики популяций, полученных с помощью уравнения, можно прийти к предварительным выводам относительно динамики природных популяций.
На рис. 7.39, а, б, в и г , построенных с помощью численного моделирования, показаны различные варианты динамики численности популяций, полученные с помощью уравнения (7.63) при разном сочетании параметров b и R.
Рис. 7.39, а. Монотонное установление стационарной численности популяции при b =1,4, R =2
Рис. 7.39, б. Колебательное установление стационарной численности популяции при b =3,9, R =2
Важной частью исследования, связанного с моделью (7.63), является построение на фазовой плоскости (b, R) границ, которые разделяют монотонное затухание, затухающие колебания, устойчивые предельные циклы и случайные (хаотические) изменения, рис. 7.40 Для этого надо задаться значениями а и N 0 и производить расчеты, изменяя параметры b, R. Различить каждый из возможных режимов можно попытаться визуально, выполняя построение на экране компьютера графиков изменения численности популяции и запоминая соответствующие значения параметров b, R при переходе от одного режима к другому. Следует, однако, понимать,
Рис. 7.39, в. Устойчивые предельные циклы изменения численности популяции при b = 3,6, R = 4
Рис. 7.39, г. Случайные изменения численности популяции при b = 4,4, R = 4
что установление различии между квазипериодическими, апериодическими и хаотическими движениями - сложная математическая задача. Для ее решения используются методы преобразований Фурье и другие, рассмотрение которых выходит за пределы данной книги.
Рис. 7.40. Схематическое изображение фазовой диаграммы динамики численности популяции с дискретным размножением
До сих пор мы рассматривали модели, применимые к популяциям с дискретными периодами размножения. Но в природе встречаются и популяции, где рождение и гибель организмов происходит непрерывно; для таких популяции модели, выраженные уравнениями из предыдущего пункта, непригодны. Рассмотрим популяцию с непрерывным размножением и построим модель изменения ее численности. Математическим аппаратом здесь являются
дифференциальные уравнения. Скорость роста в этом случае можно обозначить N , тогда
средняя скорость увеличения численности в расчете на одну особь определяется величиной
Без учета внутривидовои конкуренции получаем N t N 1 = r или
Через r обозначена мгновенная удельная скорость роста численности, т.е. приращение численности за единицу времени в пересчете на одну особь. Согласие этой модели, вследствие того, что не учтена внутривидовая конкуренция, численность популяции при r > 0 будет неограниченно возрастать, т.е. будет наблюдаться экспоненциальный рост.
Теперь попробуем учесть внутривидовую конкуренцию. Для этого воспользуемся методом, который однажды уже применяли (см. рис. 7.37).
Обратимся к рис. 7.41. Когда численность популяции близка к нулю, скорость роста определяется величиной r, так как конкуренция еще не оказывает влияния на прирост популяции (точка А). Когда же при возрастании N достигается значение K (предельной плотности насыщения), скорость роста популяции снижается до нуля (точка В).
Читайте также: