DOI: https://doi.org/10.1007/s12190-025-02382-7
تاريخ النشر: 2025-01-24
المؤلف: Zhenyun Du وآخرون
الموضوع الرئيسي: حلول المعادلات التفاضلية الكسرية
نظرة عامة
في هذا البحث، يتم تقديم نموذج مفترس-فريسة من رتبة كسرية يتضمن تأثيرات الخوف على ديناميات السكان، باستخدام استجابة وظيفية من النوع الثاني هولينغ في إطار غير مؤجل. يحدد المؤلفون نتائج نظرية رئيسية تتعلق بوجود وخصوصية وحدود الحلول للنظام الديناميكي من الرتبة الكسرية. كما يقومون بتحليل الاستقرار المحلي والعالمي للنموذج، مع تحديد حدوث تفرع هوب، ويحققون في نتائجهم التحليلية من خلال المحاكاة العددية.
تكشف الدراسة أن ديناميات تفاعلات المفترس والفريسة تتأثر بشكل كبير بعامل الخوف في الفريسة القابلة للإصابة، مما يؤثر على كل من استقرار النظام وكثافات السكان من الفريسة المصابة والمفترسين. ومن الجدير بالذكر أن الانتقال من عدم الاستقرار في الأنظمة ذات الرتبة الصحيحة إلى الاستقرار في الأنظمة ذات الرتبة الكسرية (لـ $0 < \beta < 1$) يبرز أهمية المشتق من الرتبة الكسرية في التقاط تأثيرات الذاكرة في النماذج البيئية. تشمل اتجاهات البحث المستقبلية دمج التأخيرات الزمنية، واستراتيجيات التحكم، وتوسيع النموذج ليشمل أنواعًا إضافية وعوامل مثل الملاذات والحصاد، جنبًا إلى جنب مع تحليلات الحساسية لتقييم تأثيرات المعلمات على النظام.
مقدمة
تستعرض مقدمة هذه الورقة البحثية المفاهيم الأساسية لديناميات المفترس والفريسة، مشيرة إلى العمل الرائد لوتكا وفولتر، وتسلط الضوء على تطور النماذج الإيكولوجية الوبائية التي تستكشف انتقال الأمراض داخل هذه الأنظمة. يتم التأكيد على أهمية النمذجة الرياضية في فهم انتشار الأمراض المعدية، خاصة من خلال عدسة الاستجابات الوظيفية وتأثير الخوف، الذي يؤثر على ديناميات سكان الفريسة. كما تقدم الورقة حساب التفاضل والتكامل الكسرية كأداة قوية لنمذجة الأنظمة البيولوجية التي تظهر تأثيرات الذاكرة، مما يميزها عن المشتقات التقليدية ذات الرتبة الصحيحة.
لقد طبقت الدراسات الحديثة نماذج من الرتبة الكسرية على تفاعلات بيئية مختلفة، مما يوضح أهميتها في التقاط سلوكيات معقدة في أنظمة المفترس والفريسة. تكمن حداثة هذا العمل في تركيزه على تحليل الاستقرار لنموذج مفترس-فريسة من الرتبة الكسرية الذي يتضمن تأثير الخوف، بهدف توضيح التأثيرات التاريخية على ديناميات السكان. تم هيكلة الورقة لتطوير نموذج رياضي أولاً، تليها استكشاف دينامياته، وخصوصيته، وحدوده، واستقراره، وتحليل التفرع، والمحاكاة العددية، مما يربط في النهاية النتائج بالتداعيات البيولوجية الأوسع.
النتائج
في هذا القسم، يقدم المؤلفون محاكاة عددية لتحليل ديناميات نظام من الرتبة الكسرية باستخدام طريقة المتنبئ-المصحح من نوع آدامز، والتي تعتبر أكثر فعالية لحل المعادلات التفاضلية الكسرية غير الخطية. لقد استخدموا مجموعة محددة من المعلمات: \( r = 1.05 \)، \( \alpha = 0.25 \)، \( a = 0.3 \)، \( d_1 = 0.1 \)، \( \theta = 0.5 \)، \( d_2 = 0.1 \)، \( c = 0.5 \)، و \( f = 0.4 \). تكشف الدراسة أنه مع انخفاض المشتق من الرتبة الكسرية \( \beta \) من 1 إلى 0.92، ينتقل النظام من حالة مستقرة غير مستقرة إلى حالة مستقرة عند نقطة التوازن الداخلية (IEP) \( E^* (0.859953, 0.0114115, 0.591645) \).
توضح النتائج أن ديناميات النظام تتأثر بشكل كبير بعامل الخوف. على وجه التحديد، مع زيادة تأثير الخوف \( f \)، تنخفض كثافة الفريسة القابلة للإصابة بينما يرتفع عدد الفريسة المصابة، مما يشير إلى تفاعل معقد بين هذه السكان. كما يلاحظ المؤلفون أن استقرار النموذج من الرتبة الكسرية يتجاوز ذلك للنموذج من الرتبة الصحيحة، مع تسهيل تفرع هوب الانتقال إلى الاستقرار عندما يتجاوز معامل الخوف العتبة الحرجة \( f^* = 0.41 \) عند \( \beta = 0.92 \). بشكل عام، تؤكد النتائج على الدور الحاسم للمشتق من الرتبة الكسرية في تعديل استقرار النظام ودينامياته استجابة لمستويات مختلفة من الخوف.
المناقشة
في هذا القسم، يناقش المؤلفون صياغة وتأثيرات نموذج المفترس-الفريسة الذي يتضمن تأثير الخوف على سكان الفريسة، موسعين العمل السابق الذي قام به ميلس. يتكون النموذج من ثلاث مجموعات سكانية: الفريسة القابلة للإصابة ($S$)، الفريسة المصابة ($I$)، والمفترسون ($P$). يتم وصف الديناميات من خلال نظام من المعادلات التفاضلية التي تأخذ في الاعتبار التغيرات السلوكية الناتجة عن الخوف في الفريسة، والتي يمكن أن تؤثر بشكل كبير على التكاثر ونمو السكان. يتم تمثيل تأثير الخوف رياضيًا كدالة متناقصة لعدد المفترسين، $F(f, P) = \frac{1}{1 + fP}$، حيث $f$ يدل على مستوى الخوف.
يؤكد المؤلفون وجود وخصوصية الحلول للنموذج، موضحين أن جميع الحلول تظل غير سالبة ومحدودة مع مرور الوقت. يقومون بتحليل نقاط التوازن والاستقرار، كاشفين أن التوازن التافه غير مستقر بينما يمكن أن تظهر بعض التوازنات الخالية من الأمراض والتوازنات الوبائية استقرارًا محليًا تحت ظروف معينة. ومن الجدير بالذكر أن الدراسة تحدد تفرع هوب، مما يشير إلى أن تغيير معامل الخوف يمكن أن يؤدي إلى ديناميات دورية في نظام المفترس-الفريسة. تؤكد النتائج على أهمية دمج الاستجابات السلوكية، مثل الخوف، في النماذج البيئية لفهم أفضل لديناميات السكان واستقرارهم. تشمل اتجاهات البحث المستقبلية استكشاف التأخيرات الزمنية واستراتيجيات التحكم، بالإضافة إلى توسيع النموذج ليشمل تفاعلات أنواع إضافية.
DOI: https://doi.org/10.1007/s12190-025-02382-7
Publication Date: 2025-01-24
Author(s): Zhenyun Du et al.
Primary Topic: Fractional Differential Equations Solutions
Overview
In this research, a fractional-order prey-predator model incorporating fear effects on population dynamics is presented, utilizing a Holling type II functional response in a non-delayed framework. The authors establish key theoretical results regarding the existence, uniqueness, and boundedness of solutions to the fractional-order dynamical system. They further analyze the local and global stability of the model, identifying the occurrence of Hopf bifurcation, and validate their analytical findings through numerical simulations.
The study reveals that the dynamics of the predator-prey interactions are significantly influenced by the fear factor in susceptible prey, which affects both the stability of the system and the population densities of infected prey and predators. Notably, the transition from instability in integer-order systems to stability in fractional-order systems (for $0 < \beta < 1$) highlights the importance of the fractional-order derivative in capturing the memory effects in ecological models. Future research directions include the incorporation of time delays, control strategies, and the expansion of the model to include additional species and factors such as refuges and harvesting, along with sensitivity analyses to assess parameter impacts on the system.
Introduction
The introduction of this research paper outlines the foundational concepts of predator-prey dynamics, referencing the seminal work of Lotka and Volterra, and highlights the evolution of eco-epidemiological models that explore disease transmission within these systems. The significance of mathematical modeling in understanding infectious disease spread is emphasized, particularly through the lens of functional responses and the fear effect, which influences prey population dynamics. The paper also introduces fractional calculus as a powerful tool for modeling biological systems that exhibit memory effects, distinguishing it from traditional integer-order derivatives.
Recent studies have applied fractional-order models to various ecological interactions, demonstrating their relevance in capturing complex behaviors in predator-prey systems. The novelty of this work lies in its focus on the stability analysis of a fractional-order prey-predator model that incorporates the fear effect, aiming to elucidate the historical influences on population dynamics. The paper is structured to first develop a mathematical model, followed by an exploration of its dynamics, uniqueness, boundedness, stability, bifurcation analysis, and numerical simulations, ultimately linking the findings to broader biological implications.
Results
In this section, the authors present numerical simulations to analyze the dynamics of a fractional-order system using the Adams-type predictor-corrector method, which is deemed more effective for solving nonlinear fractional differential equations. They employed a specific set of parameters: \( r = 1.05 \), \( \alpha = 0.25 \), \( a = 0.3 \), \( d_1 = 0.1 \), \( \theta = 0.5 \), \( d_2 = 0.1 \), \( c = 0.5 \), and \( f = 0.4 \). The study reveals that as the fractional-order derivative \( \beta \) decreases from 1 to 0.92, the system transitions from an unstable steady state to a stable one at the interior equilibrium point (IEP) \( E^* (0.859953, 0.0114115, 0.591645) \).
The results illustrate that the dynamics of the system are significantly influenced by the fear factor. Specifically, as the fear effect \( f \) increases, the density of susceptible prey decreases while the number of infected prey rises, indicating a complex interplay between these populations. The authors also note that the stability of the fractional-order model surpasses that of the integer-order model, with Hopf-bifurcation facilitating the transition to stability when the fear parameter exceeds the critical threshold \( f^* = 0.41 \) at \( \beta = 0.92 \). Overall, the findings underscore the critical role of the fractional-order derivative in modulating system stability and dynamics in response to varying levels of fear.
Discussion
In this section, the authors discuss the formulation and implications of a prey-predator model that incorporates the fear effect on prey populations, extending previous work by Melese. The model consists of three populations: susceptible prey ($S$), infected prey ($I$), and predators ($P$). The dynamics are described by a system of differential equations that account for the fear-induced changes in prey behavior, which can significantly impact reproduction and population growth. The fear effect is mathematically represented as a decreasing function of the predator population, $F(f, P) = \frac{1}{1 + fP}$, where $f$ denotes the level of fear.
The authors establish the existence and uniqueness of solutions to the model, demonstrating that all solutions remain non-negative and bounded over time. They analyze equilibrium points and stability, revealing that the trivial equilibrium is unstable while certain disease-free and endemic equilibria can exhibit local asymptotic stability under specific conditions. Notably, the study identifies a Hopf bifurcation, indicating that varying the fear parameter can lead to oscillatory dynamics in the prey-predator system. The findings underscore the importance of incorporating behavioral responses, such as fear, into ecological models to better understand population dynamics and stability. Future research directions include exploring time delays and control strategies, as well as extending the model to include additional species interactions.