1 / 9

Pr éda-ragadozó interakciók modellezésének lehetőségei R-ben

Pr éda-ragadozó interakciók modellezésének lehetőségei R-ben. Hogyan használjuk az R- t?. Mint más emberek: - adatelemzés - statisztika - grafika Modellezés R-ben: – a lkalmaz ott modellek – „m agya rázó” modellek – demostráló modellek és modellezés. Ökológiai modellek.

pembroke
Download Presentation

Pr éda-ragadozó interakciók modellezésének lehetőségei R-ben

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Préda-ragadozó interakciók modellezésének lehetőségei R-ben

  2. Hogyan használjuk az R-t? • Mint más emberek: - adatelemzés - statisztika - grafika • Modellezés R-ben: – alkalmazott modellek – „magyarázó” modellek – demostráló modellek és modellezés

  3. Ökológiai modellek • Egy ökológiai rendszer vagy alrendszer matematikai modellje • Folyamat (process) modellek: • rendszer megismerés, hipotézis tesztelés (préda-predátor modell, sejtautomaták) • Szintézis (synthetic) modellek: ismeretek összefoglalása, döntéshozás (vízminőség, globális folyamatok)

  4. A feladat(ok)…. • 1. csomagok letöltése, telepítése - A csomagok (simecol, odesolve) • 2. A scriptek letöltése, értelmezése • 3. Néhány példa kiszámítása • 4. jegyzőkönyv elkészítése • 5. jegyzőkönyvek elküldése (*.pdf-ben) az elek.zoltan@aotk.szie.hu címre • 6. elindulni lassan hazafelé…

  5. 1. modell • library(odesolve) • library(simecol) • ##########basic Lotka-Volterra predator prey-model • # k1-growth rate of the prey population. • #k2-encounter rate of predator and prey. • #k3-death rate of the predator population. • data(lv) • print(lv) • parms(lv) <- list(k1=0.8, k2=0.1, k3=0.9) • times (lv)<- c(from=0, to=300, by=0.6) • init(lv) <- c(prey=1, predator=5) • print(lv) • plot(sim(lv))

  6. Példa - Lotka-Volterra-alapmodell:init(lv) <- c(prey=10, predator=5)

  7. Példa - Lotka-Volterra-alapmodell:init(lv) <- c(prey=5, predator=10)

  8. 2. modell • #########predator prey-model with three equations: predator, prey and resource (e.g. nutriens, grassland) • library(odesolve) • library(simecol) • data(lv3) • plot(sim(lv3)) • solver(lv3) <- "lsoda" • parms(lv3)<- list (b=0.1, c=0.5, d=0.1, e=0.4, f= 0.4, g=0.1) • init(lv3)<- list (s=0.8, p=0.2, k=0.0) • times(lv3)<- c(from=0, to=100, by=0.1), • print(sim(lv3)) • plot(sim(lv3)) # wrong! integration overlooks internal inputs • plot(sim(lv3, hmax=1)) # integration with correct maximum time step

  9. http://www.univet.hu/users/zelek/okologia-III/ • www.simecol.de • T.J.Case (2000): An Illustrated Guide to Theoretical Ecology. Oxford University Press, New York.

More Related