Estimación numérica de parámetros en modelos matemáticos para el control de plagas
DOI:
https://doi.org/10.19136/jobs.a10n29.6375Palabras clave:
Comensalista, Punto de equilibrio, Métodos multi pasos, Estimación de parámetros, SpuxResumen
En este trabajo nos centramos en la estimación de parámetros de un modelo matemático para la interacción de tres especies, (planta, plaga, agente de bio control), con el objetivo de garantizar la sobrevivencia de todas las especies. Se lleva a cabo un análisis cualitativo del modelo matemático para mostrar la dinámica del mismo. El modelo se resuelve utilizando un esquema numérico basado en los métodos multi pasos, el código obtenido se acopla con el entorno de trabajo Spux para estimar, mediante simulaciones estocásticas, los parámetros desconocidos del modelo. Los resultados obtenidos muestran que Spux da valores esperados de los parámetros, porque los resultados de las simulaciones hechas, con los valores de los parámetros estimados recrean de manera satisfactoria los datos proporcionados.
Referencias
P. A. Abrams and L.R. Ginzburg. “The nature of predation: prey dependent, ratio dependent or neither?” Trends in Ecology & Evolution, 15(8):337–341, 2000. https://doi.org/10.1016/S0169-5347(00)01908-X DOI: https://doi.org/10.1016/S0169-5347(00)01908-X
C. Albert, H. R. K´’unsch, and A. Scheidegger. “A simulated annealing approach to approximate bayes computations”. Statistics and Computing, 25:1217–1232, 2012. https://api.semanticscholar.org/CorpusID:8239929 DOI: https://doi.org/10.1007/s11222-014-9507-8
Roger Arditi and Lev R. Ginzburg. “Coupling in predator-prey dynamics: Ratio-dependence”. Journal of Theoretical Biology, 139(3):311–326, 1989. https://doi.org/10.1016/S0022-5193(89)80211-5 DOI: https://doi.org/10.1016/S0022-5193(89)80211-5
J. C. Butcher. Numerical Differential Equation Methods, chapter 2, pages 55–142. John Wiley & Sons, Ltd, 2016. https://doi.org/10.1002/9781119121534.ch2 DOI: https://doi.org/10.1002/9781119121534.ch2
J. C. Butcher. Runge - Kutta Methods, chapter 3, pages 143–331. John Wiley & Sons, Ltd, 2016. https://doi.org/10.1002/9781119121534.ch3 DOI: https://doi.org/10.1002/9781119121534.ch3
A.M. Ellison. “Bayesian inference in ecology”. Ecology Letters, 7(6):509–520, 2004. https://doi.org/10.1111/j.1461-0248.2004.00603.x DOI: https://doi.org/10.1111/j.1461-0248.2004.00603.x
D. Gamerman and H. F. Lopes. Markov Chain Monte Carlo Stochastic Simulation for Bayesian Inference, Second Edition. Chapman & Hall/CRC, 2006. DOI: https://doi.org/10.1201/9781482296426
D. Gamerman and H.F. Lopes. Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference, Second Edition. Chapman & Hall/CRC Texts in Statistical Science. Taylor & Francis, 2006. https://books.google.com.mx/books?id=yPvECi L3bwC DOI: https://doi.org/10.1201/9781482296426
E. Hairer, S.P. Nørsett, and G. Wanner. “Solving Ordinary Differential Equations I: Nonstiff Problems”. Springer Series in Computational Mathematics. Springer Berlin Heidelberg, 2008. https://books.google.com.mx/books?id=F93u7VcSRyYC
W. K. Hastings. “Monte carlo sampling methods using markov chains and their applications”. Biometrika, 57(1):97–109, 1970. http://www.jstor.org/stable/2334940 DOI: https://doi.org/10.1093/biomet/57.1.97
M. F. Jim´enez, G. Ble, and M. Falconi. “A biocontrol agent as a commensal in a plant-pest interaction & nbsp”. ECOLOGICAL MODELLING, 468, 2022. https://ideas.repec.org/a/eee/ecomod/v468y2022ics0304380022000758.html DOI: https://doi.org/10.1016/j.ecolmodel.2022.109957
J. Peinado, J. Ib´an˜ez, E. Arias, and V. Hernández. ‘Adams bashforth and adams moulton methods for solving differential riccati equations”. Computers & Mathematics with Applications, 60(11):3032–3045, 2010. https://doi.org/10.1016/j.camwa.2010.10.002 DOI: https://doi.org/10.1016/j.camwa.2010.10.002
E. Rukmangadachari. Mathematical Methods. Dorling Kindersley, 2009. https://books.google.com.mx/books?id=Vju6XxmlGcUC
A. Safin, D. Bouffard, F. Ozdemir, C. L. Ram´on, J. Runnalls, F. Georgatos, C. Minaudo, and J. Sukys. “A bayesian data assimilation framework for lake 3d hydrodynamic models with a physics-preserving particle filtering method using spux-mitgcm v1”. Geoscientific Model Development, 15(20):7715–7730, 2022. DOI: https://doi.org/10.5194/gmd-15-7715-2022
Scientific Computing Group at Eawag and SIS ID at ETH Zurich. spux Documentation, Release 0.4.0, November 2019.
J. Sukys and B Bacci. “Spux framework: a scalable package for bayesian uncertainty quantification and propagation”, 2021. DOI: https://doi.org/10.5194/egusphere-egu2020-9834
J. Sukys and M. Kattwinkel. “Spux: Scalable particle markov chain monte carlo for uncertainty quantification in stochastic ecological models”, 2017. https://doi.org/10.48550/arXiv.2105.05969
A. Tutueva, T. Karimov, and D. Butusov. “Semi-implicit and semi-explicit adams-bashforth-moulton methods”. Mathematics, 8(5), 2020. https://www.mdpi.com/2227-7390/8/5/780 DOI: https://doi.org/10.3390/math8050780
J.M. Zelle. Python Programming: An Introduction to Computer Science. Franklin Beedle Series. Franklin, Beedle, 2004. https://books.google.com.mx/books?id=aJQILlLxRmAC
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2024 Journal of Basic Sciences
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Usted es libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia
Bajo los siguientes términos:
- Atribución — Usted debe dar crédito de manera adecuada , brindar un enlace a la licencia, e indicar si se han realizado cambios . Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
- NoComercial — Usted no puede hacer uso del material con propósitos comerciales .
- SinDerivadas — Si remezcla, transforma o crea a partir del material, no podrá distribuir el material modificado.
- No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
Avisos:
No tiene que cumplir con la licencia para elementos del materiale en el dominio público o cuando su uso esté permitido por una excepción o limitación aplicable.
No se dan garantías. La licencia podría no darle todos los permisos que necesita para el uso que tenga previsto. Por ejemplo, otros derechos como publicidad, privacidad, o derechos morales pueden limitar la forma en que utilice el material.
