Студопедия Главная Случайная страница Задать вопрос

Разделы: Автомобили Астрономия Биология География Дом и сад Другие языки Другое Информатика История Культура Литература Логика Математика Медицина Металлургия Механика Образование Охрана труда Педагогика Политика Право Психология Религия Риторика Социология Спорт Строительство Технология Туризм Физика Философия Финансы Химия Черчение Экология Экономика Электроника

Принципы построения элементарных моделей динамики географических явлений




1.Гравитационные модели динамики пространственного распространения явлений – модели поведения и перемещения человека, а также явлений, связанных с его непосредственной деятельностью в пространстве. Основаны на предположение о приоритете факторов численности населенных пунктов и расстояния между ними при определении миграционных потоков людей и явлений, связанных с ними (телефонные разговоры, эпидемии).

Формула взаимодействия населенных пунктов Стюарта (по аналогии с моделью тяготения Ньютона): I = / , где и - людности населенных пунктов, - расстояние между ними. Пример – моделирование развития эпидемии между городами Великобритании с числом жителей свыше 100 тыс. На основании статистических данных о численности населения и расстояниях между городами сначала составлялась матрица объема миграции I с перечнем городов по строкам и столбцам. Затем выбиралось максимальное значение I (наибольший объем миграции). Находясь на пересечении двух городов, этот показатель свидетельствует о максимальной вероятности перенесения эпидемии именно между ними. Далее в строках и столбцах, соответствующих выбранным городам ищется следующее по величине число объема миграции и процедура повторяется вплоть до охвата всех рассматриваемых городов.

2. Стохастическое моделирование пространственного распространения явлений (метод Монте-карло). Исследуемое явление представляется как некая абстрактная система, которая может находиться в нескольких различных состояниях. При этом считается, что нахождение системы в каком-либо из состояний случайно и вероятность этого факта подчиняется определенному закону распределения, который характеризует как саму систему, так и связи между различными ее состояниями. Пример – распространение эпидемий с учетом разбиения исходной территории на территориальные единицы, значительно меньшие по размеру, и расчета вероятностей перехода людей из состояния восприимчивых к инфекции к ее носителям и из состояния носителей в состояние переболевших.

3.Диффузионные модели пространственного распространения явлений. В отличие явлений, распространяющихся скачкообразно (эпидемии), ведут себя и развиваются постепенно. Диффузионный процесс – процесс переноса вещества, выравнивающий его концентрацию в пространстве. Пример – модель распространения «нововведений»

4.Марковские модели динамики содержательного развития явлений. Цепь Маркова – процесс изменения состояний системы во времени, удовлетворяющий следующим свойствам.

А) Система в любой момент времени находится в одном состоянии.

Б) Эти состояния образуют полную и несовместную систему

В) Вероятность того, что в момент времени k система перейдет в состояние1 из состояния 2, в котором она находилась в момент времени k-1, не зависит от того, в каких состояниях система находилась в предыдущие моменты времени. Пример – прогноз людности городов.

5.Регрессионные модели содержательного развития явлений.

Нахождение функции y при значении аргумента x, лежащего вне исследуемого интервала, экстраполяция, прогнозирование будущего состояния явления.Наиболее приближенная форма регрессии линейная: y = + x + v. При необходимости дальнейших уточнений регрессионные уравнения имеют более высокие степени + x +







Дата добавления: 2014-11-12; просмотров: 642. Нарушение авторских прав

Studopedia.info - Студопедия - 2014-2017 год . (0.004 сек.) русская версия | украинская версия