MétaCan
Menu
Retour à la cohorte
Enregistrement W2937052812 · doi:10.1155/2019/8326164

Models to Assess the Effects of Nonsmooth Control and Stochastic Perturbation on Pest Control: A Pest‐Natural‐Enemy Ecosystem

2019· article· en· W2937052812 sur OpenAlexafffund
Xuewen Tan, Wenjie Qin, Guangyao Tang, Changcheng Xiang, Xinzhi Liu

Notice bibliographique

RevueComplexity · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcosystem dynamics and resilience
Établissements canadiensUniversity of WaterlooYork University
Organismes subventionnairesShaanxi Normal UniversityNational Natural Science Foundation of ChinaChina Scholarship CouncilYork University
Mots-clésPEST analysisEcosystemPest controlRandomnessPopulationEcologyMathematicsControl theory (sociology)Computer scienceControl (management)Environmental scienceStatisticsBiology

Résumé

récupéré en direct d'OpenAlex

This paper investigates the impact of the threshold control strategy and environmental randomness on pest control. Firstly, a fixed‐time impulsive stochastic ecosystem with IPM strategy is proposed, where the local and global existence of positive solution and the boundedness of expectation are discussed in detail. Moreover a sufficient condition for the extinction of the pest population with probability‐1 is given. Then, a state‐dependent stochastic ecosystem with IPM strategy is proposed. By employing the numerical simulations, the effects of ambient noise intensity on pest‐outbreak are discussed. The result shows that there is a close relationship among the frequency of pest‐outbreak, ET, the environmental perturbation intensity, and control measures. This study helps us to understand the impact of random factors on pest‐outbreak frequency by theoretical derivations and numerical simulations; the results have directive significance in the design of an optimal control strategy for the department of ecological agriculture.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,221
Écart entre enseignants0,206 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations6
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueComplexityMême sujetEcosystem dynamics and resilienceTravaux en français237 207