MétaCan
Menu
Retour à la cohorte
Enregistrement W3167109855 · doi:10.3934/math.2021518

Correlated random walks in heterogeneous landscapes: Derivation, homogenization, and invasion fronts

2021· article· en· W3167109855 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAIMS Mathematics · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueDiffusion and Search Dynamics
Établissements canadiensUniversity of AlbertaUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésRandom walkHomogenization (climate)MathematicsJump processJumpStatistical physicsMathematical analysisStatisticsPhysicsEcology

Résumé

récupéré en direct d'OpenAlex

<abstract> Many models for the movement of particles and individuals are based on the diffusion equation, which, in turn, can be derived from an uncorrelated random walk or a position-jump process. In those models, individuals have a location but no well-defined velocity. An alternative, and sometimes more accurate, model is based on a correlated random walk or a velocity-jump process, where individuals have a well defined location and velocity. The latter approach leads to hyperbolic equations for the density of individuals, rather than parabolic equations that result from the diffusion process. Almost all previous work on correlated random walks considers a homogeneous landscape, whereas diffusion models for uncorrelated walks have been extended to spatially varying environments. In this work, we first derive the equations for a correlated random walk in a one-dimensional spatially varying environment with either smooth variation or piecewise constant variation. Then we show how to derive the so-called parabolic limit from the resulting hyperbolic equations. We develop homogenization theory for the hyperbolic equations, and show that taking the parabolic limit and homogenization are commuting actions. We illustrate our results with two examples from ecology: the persistence and spread of a population in a patchy heterogeneous landscape. </abstract>

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,476
Score d'incertitude au seuil0,392

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,007
Tête enseignante GPT0,224
Écart entre enseignants0,217 · 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