دانلود مقاله ISI انگلیسی شماره 21750 + ترجمه فارسی
عنوان فارسی مقاله

رشد جمعیت به صورت فرآیند تصادفی غیر خطی

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی
21750 2003 6 صفحه PDF 8 صفحه WORD
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Population growth as a nonlinear stochastic process
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Mathematical and Computer Modelling, Volume 38, Issues 11–13, December 2003, Pages 1437–1442

فهرست مطالب ترجمه فارسی
چکیده
واژگان کلیدی
۱- مقدمه
۲- مدل 
۳- نتایج 
۴- خلاصه گفتارها
کلمات کلیدی
فرآیندهای تصادفی غیر خطی - رشد جمعیت - معادلات فوکر پلانک - میانگین ​​تکامل - ارزیابی خطر
ترجمه چکیده
رشد تراکم احتمالی جمعیت زیستی با استفاده از معادلات دیفرانسیل تصادفی غیر خطی برای فرآیند رشد و معادلات فوکر-پلانک برای تراکم¬های احتمالی وابسته به زمان به دست می آید. مشخص شده است که اثر شرایط اولیه به سرعت از منحنیرشد میانه این فرآیند از بین می رود. ولی رفتار واریانس به شرایط اولیه بستگی دارد. این واریانس به شکل یکنواخت افزایش می یابد، در حالت ثابت به حد ماکسیمم می رسد و یا در راه رسیدن به حد ماکسیمم در نزدیک نقطه¬ای که نرخ¬های رشد (نه اندازه جمعیت) در نقطه حداکثر قرار دارد دارای تکامل نسبتا پیچیده¬ای خواهد بود. سپس این واریانس تا ارزش حالت دایمی خود کاهش می یابد. کاربرد این مشاهدات در ارزیابی ریسک در معرض جمعیت¬های در حال رشد، از قبیل جمعیت¬های میکروبی، است که اگر اندازه جمعیت به سطح بحرانی برسد باعث مسمومیت غذایی می شود.
پیش نمایش مقاله
پیش نمایش مقاله رشد جمعیت به صورت فرآیند تصادفی غیر خطی

چکیده انگلیسی

The evolution of the probability density of a biological population is described using nonlinear stochastic differential equations for the growth process and the related Fokker-Planck equations for the time-dependent probability densities. It is shown that the effect of the initial conditions disappears rapidly from the evolution of the mean of the process. But the behaviour of the variance depends on the initial condition. It may monotonically increase, reaching its maximum in the steady state, or have a rather complicated evolution reaching the maximum near the point where growth rates (not population size) is maximal. The variance then decreases to its steady-state value. This observation has implications for risk assessments associated with growing populations, such as microbial populations, which cause food poisoning if the population size reaches a critical level.

مقدمه انگلیسی

A more general approach is to recognise that the fluctuations are an intrinsic part of the growth process and include them into the formulation of the equations. This approach does not involve any unreasonable assumptions of independence of the growth path and previous fluctuations. These are naturally included in dynamics. This paper investigates the situation when the deterministic growth equations are replaced by their stochastic forms, noting particularly the relationship between the mean and the variance of the process as growth proceeds.

نتیجه گیری انگلیسی

Growth equations are assumed to provide an adequate description of biological growth. Dependencies between the mean and the variance have been observed, particularly in cases of animal growth [4]. These results show that the relationship between the mean and variance may be more complex when nonlinear growth processes are involved. In particular it should be expected that circumstances will exist where the variance of the process will increase to a level above the steady-state variance before falling back to the steady-state variance. Intuitively, one might expect that the process would reach maximum variance at the steady state, and in this case it would be expected that a measurement of the variance made at the steady state would establish an upper bound. This analysis makes clear the danger of such an approach if, for example, the goal was to measure the risk to food safety or to water quality through micro-organism growth. Note that the behaviour described is a specific feature of nonlinear growth. Both the mean and variance of growth processes that can be described by linear differential equations (for example, limited or decreasing exponential growth) with a random growth rate, always monotonically evolve to their steady-state values. This work also suggests that the statistical fitting of growth equations to data would be enhanced by using a model which allowed for the variance to change with time.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.