论文部分内容阅读
建立具有恐惧因素年龄结构的食蚜蝇-蚜虫种群系统,分析了系统解的正性,有界性和平衡点的局部渐近稳定性,给出了两种群达到稳定时食蚜蝇和蚜虫的数量比.研究结果发现恐惧因素不影响系统正平衡点的稳定性,但影响捕食者的数量.最后进行了数值模拟,直观给出了恐惧因素对捕食者-食饵系统的影响.
恐惧因素对食蚜蝇-蚜虫种群稳定性的影响
【摘 要】
：
建立具有恐惧因素年龄结构的食蚜蝇-蚜虫种群系统,分析了系统解的正性,有界性和平衡点的局部渐近稳定性,给出了两种群达到稳定时食蚜蝇和蚜虫的数量比.研究结果发现恐惧因素不影响系统正平衡点的稳定性,但影响捕食者的数量.最后进行了数值模拟,直观给出了恐惧因素对捕食者-食饵系统的影响.
【机 构】
：
西北农林科技大学理学院,呼伦贝尔学院数学系
【出 处】
：
数学的实践与认识
【发表日期】
：
2021年13期
【基金项目】
：
国家自然科学基金(12061033),内蒙古自然科学基金(2018MS01023),西北农林科技大学校级重点教学改革项目(JY1902013),教育部产学协同合作育人项目。
其他文献
图的控制参数理论在现实生活中广泛应用,如通信网络、监控系统等方面.确定网络的控制参数是NPC问题.Lakshmivardhan,Dhall提出了著名的互连网络—广义b—基超立方体网络.讨论了广义b—基超立方体网络当b=3,n=5时控制数的具体值;当b=3,n=1,2,3,4,5时独立控制数的具体值,当b=3,n=6,7时独立控制数的界,当b=3,n ≥ 4时独立控制数的界;当b=3,n=1,2,3,4时连通控制数的具体值,当b=3,5 ≤ n ≤ 7时连通控制数的界;当b=3,n=1,2,3,4时完美控制
主要研究当相关矩阵的逆矩阵可以表示为一些已知矩阵的线性组合时,纵向数据的参数估计问题.纵向数据分析中最常用的模型是广义线性模型.而广义线性模型的最根本问题是如何利用数据的组间相关性来提高统计推断的准确度和效率.目前应用最广泛的方法是广义估计方程方法.尽管当工具相关矩阵被错误建模时,该方法仍能保证估计的相合性,但估计的效率会大大降低.为避免工作相关矩阵的错误建模,提出了一种新的估计法,可以有效地处理纵向数据的组内相关性.证明了该估计法的渐进正态性质,并通过模拟计算和实例分析说明了该估计法的稳健性.
压缩感知理论利用信号的稀疏性这一特点,通过较少的观测数据来高概率地重构出原始信号,从而降低了采样的频率,打破了传统奈奎斯特采样定理的局限性,同时也缓解了采样设备在硬
心血管病是造成我国居民死亡和疾病负担的首要病因,如何根据病人的症状,实现对心血管病的预测,是开展本文研究的目的.提出一种基于证据理论的心血管病预测方法,首先,对与疾病有关的因素进行分类研究,然后,根据建立的模型得到BPA(基本概率指派),最后,通过心脏病数据集(Heart Disease Set)的预测实验验证了该方法的有效性,结论表明采用该方法后心脏病预测准确率为93.33%.
网络化众包创新模式,作为一种企业获取外部网络群体知识资源实现创新目标的新型创新模式,其存在组织形式松散、参与大众自由自愿、创新目的性强和信息不对称等特征,导致众包创新项目在运行过程中存在诸多风险.为此,从众包创新模式的运行流程出发,结合社会—技术系统理论,构建包括众包参与主体风险、众包创新模式风险、参与者关系风险、项目需求风险、技术复杂性风险和项目任务结构风险等六维度的众包创新项目风险识别体系,运用整合模糊证据推理的FMEA方法开展众包创新项目的风险评价,并以国内典型众包平台——品威客(www.epwk.
提出了一个新的分数阶时滞的食饵捕食者模型,在模型中增加了捕食者对食饵的功能反应即符合Holling-Ⅱ功能反应函数.研究了该系统在无时滞时,分数阶次相同或不相同等情况正平衡点的稳定性,以及在含有时滞时的稳定性和Hopf分岔,得到了系统正平衡点稳定的必要条件,求出了 Hopf分岔点.最后进行了数值模拟来验证理论的正确性.
当前国内铁路建设规模空前,然而鲜有研究对铁路工程建设的真实建设管理效率做出客观测评,也缺乏相关评价方法体系.基于层次分析法理论和超效率数据包络分析模型构建了铁路工程建设管理效果评价模型方法,并按成本管理、质量管理、进度管理、资源管理和安全管理五大维度建立了评价指标体系.基于典型铁路工程数据运用上述复合方法体系分别测算了各项目在五维度的管理效率,并根据层次分析法确定各维度权重值,完成了各决策单元总效率的综合计算与评价分析.取得了如下研究结论:提出了一种可用于量化综合评价铁路建设管理实施效率的判别方法体系,并
An explicit example of a Reich sequence for a uniquely extremal quasiconformal mapping in a borderline case between uniqueness and non-uniqueness is given.
随着大数据时代的到来,人工智能、物联网等技术的发展,移动对象位置信息的急剧膨胀,信息数据已经复杂化和多样化起来,使得研究时空轨迹数据变得相当困难.因此,挖掘复杂多样的时空轨迹数据隐含信息已经成为数据挖掘领域的核心问题.研究发现时空轨迹数据具有分布不均匀和频率不稳定等特点,通过探究其构成方式,提出一种适合时空轨迹数据的预处理方式;同时,基于移动对象在运动中轨迹数据的时空变化,探寻研究对象的活动规律,并以此构建了热点区域发现和周期模式发现方法;最后,从实际应用的角度出发,采用基于划分和基于密度的聚类算法,以2