在 ODE 系统中为条件初始值添加一个 if then 语句;求解
Adding an if then statement to condition initial value in ODE system; deSolve
我正在尝试添加一个 if then 语句来调节我的状态变量之一的初始值,并且我正在使用 deSolve。本质上,我想在模拟开始后引入第 3 个 ODE(在本例中是第 3 个物种)。
下面是没有条件的代码:
Antia_3sp_Model <- function(t,y,p1){
# Parms
ri <- p1[1]; rj <- p1[2]; k <- p1[3]; p <- p1[4]; o <- p1[5]
# State vars
Pi <- y[1]; Pj <- y[2]; I <- y[3]
# ODEs
dPi = ri*Pi - k*Pi*I
dPj = rj*Pj - k*Pj*I
dI = p*I*(Pi/(Pi + o) + Pj/(Pj + o))
list(c(dPi,dPj,dI))
}
# Parm vals
ri <- 0.3; rj <- 0.2; k <- 0.001; p <- 1; o <- 1000 # Note that r can range btw 0.1 and 10 in this model
parms <- c(ri,rj,k,p,o)
# Inits
Pi0 <- 1; Pj0 <- 1; I0 <- 1
N0 <- c(Pi0,Pj0,I0)
# Time pt. sol'ns
TT <- seq(0.1,200,0.1)
# Sim
results <- lsoda(N0,TT,Antia_3sp_Model,parms,verbose = TRUE)
这是我到目前为止所拥有的,在尝试添加 if then 语句之后,说在时间 = 50 之前,第三个状态变量的初始值将为 0,并且在时间 = 50 或以上,第三个状态变量的初始值为 1.
Antia_3sp_Model <- function(t,y,p1){
# Parms
ri <- p1[1]; rj <- p1[2]; k <- p1[3]; p <- p1[4]; o <- p1[5]
# State vars
Pi <- y[1]; Pj <- y[2]; I <- y[3]
if (t[i] < t[50]){
Pj0 = 0
}
else if (t[i] >= t[50]){
Pj0 = 1
}
# ODEs
dPi = ri*Pi - k*Pi*I
dPj = rj*Pj - k*Pj*I
dI = p*I*(Pi/(Pi + o) + Pj/(Pj + o))
list(c(dPi,dPj,dI))
}
# Parm vals
ri <- 0.3; rj <- 0.2; k <- 0.001; p <- 1; o <- 1000 # Note that r can range btw 0.1 and 10 in this model
parms <- c(ri,rj,k,p,o)
# Inits
Pi0 <- 1; Pj0 <- 1; I0 <- 1
N0 <- c(Pi0,Pj0,I0)
# Time pt. sol'ns
TT <- seq(0.1,200,0.1)
# Sim
results <- lsoda(N0,TT,Antia_3sp_Model,parms,verbose = TRUE)
有什么建议吗?
如果我需要添加任何其他信息,请告诉我,非常感谢您的阅读! :)
对我来说,对于 t >= 50 的“第三个状态变量的初始值”应该为 1 的语句的含义并不完全清楚。初始值定义了状态变量的开始,然后由微分方程演化。在下文中,我展示了以下方法:
- 状态变量 Pj 初始化 为 t = 50 时的给定值。这可以通过 事件 .
来处理
- 状态变量 Pj 在 t >= 50 处接收额外的外部输入。这可以通过外部信号来处理,也称为 强制函数.
第一个例子展示了事件机制,实现为数据框eventdat
。也可以通过事件函数以更灵活的形式实现。
这里我将 t=50 时的“初始”状态值增加到 100,以使效果更加明显。时间向量的舍入 TT
是为了避免警告(如果您想知道为什么请询问)。
library("deSolve")
Antia_3sp_Model <- function(t, y, p1){
# Parms
ri <- p1[1]; rj <- p1[2]; k <- p1[3]; p <- p1[4]; o <- p1[5]
# State vars
Pi <- y[1]; Pj <- y[2]; I <- y[3]
# ODEs
dPi <- ri*Pi - k*Pi*I
dPj <- rj*Pj - k*Pj*I
dI <- p*I*(Pi/(Pi + o) + Pj/(Pj + o))
list(c(dPi, dPj, dI))
}
parms <- c(ri = 0.3, rj = 0.2, k = 0.001, p = 1, o = 1000)
N0 <- c(Pi = 1, Pj = 1, I = 1)
TT <- round(seq(0.1, 200, 0.1), 1)
## An "initial value" is the value at the beginning. We call the value during
## simulation the "state". If it is meant that the state should be changed at
## a certain point of time, it can be done with an event
# tp: initial value at t=50 set to 100 to improve visibility of effect (was 1)
eventdat <- data.frame(var = "Pj", time = 50, value = 100, method = "rep")
results <- lsoda(N0, TT, Antia_3sp_Model, parms, events=list(data=eventdat), verbose = TRUE)
plot(results, mfcol=c(1, 3))
强制函数可用于实现依赖于时间的参数或连续向状态添加常数值。另请注意 ODE 模型的紧凑样式。是否使用 with
函数是个人喜好问题。两者各有利弊。
但是,使用事件还是强制函数会有很大的不同。
Antia_3sp_Model <- function(t, y, p, import){
with(as.list(c(y, p)), {
dPi <- ri*Pi - k*Pi*I
dPj <- rj*Pj - k*Pj*I + import(t)
dI <- p*I*(Pi/(Pi + o) + Pj/(Pj + o))
list(c(dPi, dPj, dI))
})
}
signal <- approxfun(x=c(0, 50, max(TT)), y=c(0, 1, 1), method="constant", rule=2)
results <- lsoda(N0, TT, Antia_3sp_Model, parms, import=signal, verbose = TRUE)
plot(results, mfcol=c(1, 3))
我正在尝试添加一个 if then 语句来调节我的状态变量之一的初始值,并且我正在使用 deSolve。本质上,我想在模拟开始后引入第 3 个 ODE(在本例中是第 3 个物种)。
下面是没有条件的代码:
Antia_3sp_Model <- function(t,y,p1){
# Parms
ri <- p1[1]; rj <- p1[2]; k <- p1[3]; p <- p1[4]; o <- p1[5]
# State vars
Pi <- y[1]; Pj <- y[2]; I <- y[3]
# ODEs
dPi = ri*Pi - k*Pi*I
dPj = rj*Pj - k*Pj*I
dI = p*I*(Pi/(Pi + o) + Pj/(Pj + o))
list(c(dPi,dPj,dI))
}
# Parm vals
ri <- 0.3; rj <- 0.2; k <- 0.001; p <- 1; o <- 1000 # Note that r can range btw 0.1 and 10 in this model
parms <- c(ri,rj,k,p,o)
# Inits
Pi0 <- 1; Pj0 <- 1; I0 <- 1
N0 <- c(Pi0,Pj0,I0)
# Time pt. sol'ns
TT <- seq(0.1,200,0.1)
# Sim
results <- lsoda(N0,TT,Antia_3sp_Model,parms,verbose = TRUE)
这是我到目前为止所拥有的,在尝试添加 if then 语句之后,说在时间 = 50 之前,第三个状态变量的初始值将为 0,并且在时间 = 50 或以上,第三个状态变量的初始值为 1.
Antia_3sp_Model <- function(t,y,p1){
# Parms
ri <- p1[1]; rj <- p1[2]; k <- p1[3]; p <- p1[4]; o <- p1[5]
# State vars
Pi <- y[1]; Pj <- y[2]; I <- y[3]
if (t[i] < t[50]){
Pj0 = 0
}
else if (t[i] >= t[50]){
Pj0 = 1
}
# ODEs
dPi = ri*Pi - k*Pi*I
dPj = rj*Pj - k*Pj*I
dI = p*I*(Pi/(Pi + o) + Pj/(Pj + o))
list(c(dPi,dPj,dI))
}
# Parm vals
ri <- 0.3; rj <- 0.2; k <- 0.001; p <- 1; o <- 1000 # Note that r can range btw 0.1 and 10 in this model
parms <- c(ri,rj,k,p,o)
# Inits
Pi0 <- 1; Pj0 <- 1; I0 <- 1
N0 <- c(Pi0,Pj0,I0)
# Time pt. sol'ns
TT <- seq(0.1,200,0.1)
# Sim
results <- lsoda(N0,TT,Antia_3sp_Model,parms,verbose = TRUE)
有什么建议吗?
如果我需要添加任何其他信息,请告诉我,非常感谢您的阅读! :)
对我来说,对于 t >= 50 的“第三个状态变量的初始值”应该为 1 的语句的含义并不完全清楚。初始值定义了状态变量的开始,然后由微分方程演化。在下文中,我展示了以下方法:
- 状态变量 Pj 初始化 为 t = 50 时的给定值。这可以通过 事件 . 来处理
- 状态变量 Pj 在 t >= 50 处接收额外的外部输入。这可以通过外部信号来处理,也称为 强制函数.
第一个例子展示了事件机制,实现为数据框eventdat
。也可以通过事件函数以更灵活的形式实现。
这里我将 t=50 时的“初始”状态值增加到 100,以使效果更加明显。时间向量的舍入 TT
是为了避免警告(如果您想知道为什么请询问)。
library("deSolve")
Antia_3sp_Model <- function(t, y, p1){
# Parms
ri <- p1[1]; rj <- p1[2]; k <- p1[3]; p <- p1[4]; o <- p1[5]
# State vars
Pi <- y[1]; Pj <- y[2]; I <- y[3]
# ODEs
dPi <- ri*Pi - k*Pi*I
dPj <- rj*Pj - k*Pj*I
dI <- p*I*(Pi/(Pi + o) + Pj/(Pj + o))
list(c(dPi, dPj, dI))
}
parms <- c(ri = 0.3, rj = 0.2, k = 0.001, p = 1, o = 1000)
N0 <- c(Pi = 1, Pj = 1, I = 1)
TT <- round(seq(0.1, 200, 0.1), 1)
## An "initial value" is the value at the beginning. We call the value during
## simulation the "state". If it is meant that the state should be changed at
## a certain point of time, it can be done with an event
# tp: initial value at t=50 set to 100 to improve visibility of effect (was 1)
eventdat <- data.frame(var = "Pj", time = 50, value = 100, method = "rep")
results <- lsoda(N0, TT, Antia_3sp_Model, parms, events=list(data=eventdat), verbose = TRUE)
plot(results, mfcol=c(1, 3))
强制函数可用于实现依赖于时间的参数或连续向状态添加常数值。另请注意 ODE 模型的紧凑样式。是否使用 with
函数是个人喜好问题。两者各有利弊。
但是,使用事件还是强制函数会有很大的不同。
Antia_3sp_Model <- function(t, y, p, import){
with(as.list(c(y, p)), {
dPi <- ri*Pi - k*Pi*I
dPj <- rj*Pj - k*Pj*I + import(t)
dI <- p*I*(Pi/(Pi + o) + Pj/(Pj + o))
list(c(dPi, dPj, dI))
})
}
signal <- approxfun(x=c(0, 50, max(TT)), y=c(0, 1, 1), method="constant", rule=2)
results <- lsoda(N0, TT, Antia_3sp_Model, parms, import=signal, verbose = TRUE)
plot(results, mfcol=c(1, 3))