Autres exemples de modèles

Slides:



Advertisements
Présentations similaires
Comportement des gaz.
Advertisements

La microbiologie prévisionnelle
Le tri des déchets, une composante de léducation à lenvironnement pour un développement durable Extrait du B.O N°28 du 15/07/2004 Léducation à lenvironnement.
Les populations.
Récifs artificiels dans un cadre bioeconomique spatial
Modèles d’écosystèmes de poissons coralliens
Modèle proies-prédateurs
Chap. 3 Travail Energie Oscillations
Master IXXI, cours interdisciplinaire de systèmes dynamiques Emmanuel Risler, INSA de Lyon 1 - Equations différentielles sur la droite.
Master IXXI, cours interdisciplinaire de systèmes dynamiques Emmanuel Risler, INSA de Lyon 3 - Systèmes différentiels dans le plan, suite.
Sytèmes dynamiques – modélisation Emmanuel Risler 2008 – 2009 INSA de Lyon - GEN.
Énergie dans un M.H.S. Dans un mouvement harmonique simple l’énergie est conservée soit: Prenons l’exemple d’un système m-k (en position horizontale)
L’Équilibre chimique Aspect qualitatif.
Les Traits et Tendances Démographiques
Recherche 2.
ACTIVITE : Analyser un graphique
ANALYSE DE LA REPONSE FONCTIONNELLE EN PRESENCE D’AGREGATION
Prévisions météorologiques, projections climatiques : que peut- on prévoir et avec quelle fiabilité ? Exercice 3: que peut-on prévoir à long terme ?
Modèle proie - prédateur
NOTION DE METAPOPULATION
Exemple en dynamique de population
Diagnostique de la variabilité interne dans les simulations dun modèle régional piloté Par: Oumarou Nikiéma (Maîtrise) Directeur: Mr. René Laprise.
Systèmes mécaniques et électriques
Représentation des systèmes dynamiques dans l’espace d’état
Systèmes mécaniques et électriques
Représentation des systèmes dynamiques dans l’espace d’état
Représentation des systèmes dynamiques dans l’espace d’état
Prévisions météorologiques, projections climatiques : que peut- on prévoir et avec quelle fiabilité ? Suggestions pour le travail final.
Prévisions météorologiques, projections climatiques : que peut- on prévoir et avec quelle fiabilité ? Exercice 1: le modèle de Lorenz: synthèse.
Prévisions météorologiques, projections climatiques : que peut- on prévoir et avec quelle fiabilité ? Exercice 2: estimation de la prévisibilité dans le.
Prévisions météorologiques, projections climatiques : que peut- on prévoir et avec quelle fiabilité ? Exercice 3: que peut-on prévoir à long terme ? Synthèse.
JE RÉVISE MON CONTRÔLE DE GÉOGRAPHIE
La croissance des populations
Emmanuel Chassot et Didier Gascuel
Environmental fluctuations can stabilize food web dynamics by increasing synchrony David A. Vasseur and Jeremy W. Fox Ecology Letters, 2007 Présenté par:
L’étude des populations
Le pendule simple.
Modélisation de la formation de bancs de poissons
Introduction aux équations différentielles ordinaires (EDO)
Commande en espace d’état
Physique 3 Vibrations linéaires et ondes mécaniques
Physique 3 Vibrations et ondes mécaniques
Physique 3 Vibrations et ondes mécaniques
Dynamique des ligneux dans les écosystèmes tropicaux
Les populations.
Caswell 2001 Sinauer Associates
Modèles d’évolution de population
Nancy Paris 1912 La naissance du chaos: Jules Henri Poincaré.
Le belge : une espèce en voie de disparition ? Un contexte démographique dans les leçons de mathématiques. CREM, Nivelles, 07/05/08 Johan Deprez cfr.
Les Écosystèmes 1.
L’équilibre chimique.
Guy Gauthier, ing., Ph.D. 6 janvier 2015
Modèles d’évolution de population
Les populations.
LES PRINCIPES DE LA THERMODYNAMIQUE
Remédiation.
Couche limite atmosphérique
Le chaos pourquoi ? Permet de modéliser un type de mouvement récent qui n’est ni uniforme, ni accéléré. Des dynamiques chaotiques ont été mises en évidence.
Simulations par agents situés en biologie
L’écologie des populations
La croissance des populations
Cours 6: Modélisation Mathématiques
La réaction chimique Chapitre 12 : Les objectifs de connaissance :
 PASSER en mode diaporama
Système chaotique Moulin du chaos.
Equilibre Ecologico Economique Pêche et sur pêche.
Couche limite atmosphérique Micrométéorologie. Exemples de paramétrisations de K Contraintes: K=0 quand il n ’y a pas de turbulence K=0 au sol (z=0) K.
I. Le premier principe Plan du cours II. Le second principe III. Les équilibres entre phases IV. Les équilibres chimiques 1. Systèmes (ouvert, fermé, isolé)
Présentation sur l’état d’avancement du projet Poorfish en Mauritanie Barcelona, Aril 2007 Par Brahim Ould Mouhamed Tfeil et Khallahi Brahim.
Chapitre 4 Equations différentielles ordinaires à n variables.
Transcription de la présentation:

Autres exemples de modèles Guy Gauthier Juin 2010

Dynamique de la population Si une population possède un potentiel biotique définit par r, alors la population N obéit à cette loi: r est la fécondité maximale dont une espèce peut faire preuve en l’absence de facteurs limitant.

Dynamique de la population La solution de cette équation est: Il n’y a pas de mortalité, seulement des naissances. Pas vraiment réaliste…

Dynamique de la population Redéfinissons r: b = taux de naissance; m = taux de mortalité. Reste que le résultat est une exponentielle. Modèle de Malthus (1798).

Facteur limitant En présence d’un facteur limitant (ex.: ressources alimentaires), le taux de mortalité augmente et le taux de natalité diminue. K = capacité limite du milieu. Verhulst (1838).

Modèle de Verhulst Équation de la courbe logistique: Points d’équilibre N = 0 N = K r=2 K=1000

Ajout de prédateurs Modèle de Lotka-Volterra. En l’absence d’interaction: Croissance exponentielle des proies (N) et extinction des prédateurs (P).

Modèle de Lotka-Volterra Si les proies interagissent avec les prédateurs: Habileté des proies à échapper aux prédateurs Habileté des prédateurs à attraper les proies

Modèle de Lotka-Volterra Points d’équilibres: Solution évidente, avec populations égales à 0. Autre solution:

Modèle de Lotka-Volterra Exemples: r1 = 3; r2 = 5; k1 = 1/100; k2 = 1/100;

Modèle de Lotka-Volterra Comparaison avec ce qui est observé dans la nature.

Dans l’espace d’état Point d’équilibre

Variantes du modèle de Lotka-Volterra Introduction de la limite du milieu: Points d’équilibre: 1) N = P = 0; 2) N = r2/k2; P = (r1/k1)(1-r2/(Kk2))

Variantes du modèle de Lotka-Volterra Stabilisation des populations:

Variantes du modèle de Lotka-Volterra Réponse fonctionnelle du prédateur:

Variantes du modèle de Lotka-Volterra Introduction du taux de prédation:

Variantes du modèle de Lotka-Volterra Effet de ce taux de prédation:

Variantes du modèle de Lotka-Volterra Introduction d’une réponse fonctionnelle du coté des proies:

Variantes du modèle de Lotka-Volterra Effet de cette fonction:

Équation de Lorentz Soit le système suivant: Modèle de convection atmosphérique.

Équation de Lorentz Simulation:

Comportement chaotique Simulation:

Deux conditions initiales proches …mènent à deux évolutions très différentes après quelques moments

Équation de Lorentz Modèle météorologique. A cette époque, on envisageait pouvoir faire des prévisions météorologiques à long terme.

Équation de Lorentz Cette équation montre l’aspect chaotique de l’évolution de la météo. Donc, prévisions à long terme impossibles. A court terme… Il suffit de regarder Météomédia et de voir que les prévisions ne sont pas très justes…

Double pendule inversé Position des masses

Double pendule inversé Énergie potentielle Énergie cinétique

Double pendule inversé Lagrangien

Double pendule inversé Ainsi, pour le premier angle D’où

Double pendule inversé Et, pour le deuxième angle D’où

Double pendule inversé Simulation

Double pendule inversé Ce système est sujet aussi à un phénomène chaotique.