MétaCan
Menu
Retour à la cohorte
Enregistrement W2889185995 · doi:10.1002/mma.5234

Local stability analysis on Lotka‐Volterra predator‐prey models with prey refuge and harvesting

2018· article· en· W2889185995 sur OpenAlexafffund
Christopher Chow, Marvin Hoti, Chang Ming Li, Kunquan Lan

Notice bibliographique

RevueMathematical Methods in the Applied Sciences · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueMathematical and Theoretical Epidemiology and Ecology Models
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMathematicsPredationBoundary (topology)Constant (computer programming)Applied mathematicsStability (learning theory)Equilibrium pointStability theorySaddle pointControl theory (sociology)Mathematical analysisNonlinear systemEcologyGeometryComputer scienceDifferential equationPhysics

Résumé

récupéré en direct d'OpenAlex

We propose a predator‐prey model by incorporating a constant harvesting rate into a Lotka‐Volterra predator‐prey model with prey refuge. All the positive equilibria and the local stability of the proposed model are studied and analyzed by sorting out the intervals of the parameters involved in the model. These intervals of the parameters exhibit the effects on the dynamical behaviors of prey and predators. The emphasis is put on the ranges of the prey refuge constant and harvesting rate. We show that the model has three‐type positive boundary equilibria and one positive interior equilibrium. By using the qualitative theory for planar systems, we show that the three‐type boundary positive equilibria can be saddles, saddle nodes, topological saddles, or stable or unstable nodes, and the interior positive equilibrium is locally asymptotically stable. Under suitable restrictions on the parameters, we prove that the positive interior equilibrium is a stable node. It remains open that under what conditions on the parameters is the positive interior equilibrium a focus.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,460
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,005
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,126
Tête enseignante GPT0,410
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMathematical Methods in the Applied SciencesMême sujetMathematical and Theoretical Epidemiology and Ecology ModelsTravaux en français237 207