РусҚаз

Модель роста

Информатика · 10 класс · Моделирование и симуляции · Урок 2 из 4

Открыть интерактивный урок ›Опыт своими руками, лекция голосом, ИИ-наставник и тест. Бесплатно.

Что это

Представь банку с дрожжами, где каждый час их становится на одну и ту же долю больше, чем было. Чем их больше, тем быстрее они прибавляются. Модель роста описывает, как величина меняется от шага к шагу и где этот рост остановится.

На кухне в стеклянной банке поднимается пышная пена из дрожжей, а девочка с удивлением наблюдает за ней.

Зачем это нужно

Модели роста стоят за прогнозами эпидемий, расчётами вкладов и кредитов, за выращиванием клеток для лекарств на биофабриках. Рост числа пользователей, нагрузки на серверы и потребления энергии дата-центрами тоже прогнозируют такими моделями. ИИ мгновенно подгонит любую кривую под данные, но понять, что экспонента не может расти вечно, найти, что её ограничит, и решить, можно ли верить прогнозу далеко вперёд, — задача человека. Тот, кто это понимает, не даст красивому графику обмануть ни себя, ни целую компанию.

Биолог в белом халате стоит у ряда стальных биореакторов на современной фабрике лекарств и смотрит на график роста на планшете.

Как это работает

В простейшей модели на каждом шаге величина прибавляет одну и ту же долю от самой себя — это экспоненциальный рост, как сложные проценты по вкладу. Но в реальности рано или поздно кончается еда или место: у дрожжей заканчивается сахар, у вируса — люди без иммунитета. Поэтому модель ограниченного, или логистического, роста замедляет прирост по мере приближения к пределу, который называют ёмкостью среды. Параметры модели подбирают так, чтобы её значения были как можно ближе к измерениям, — это называется калибровкой.

Лабораторная пробирка с мутной жидкостью стоит в штативе, а над ней студентка записывает в тетрадь часы и числа.

Немного истории

Формулу ограниченного роста ещё в девятнадцатом веке предложил бельгийский математик Пьер Франсуа Ферхюльст, размышляя о росте населения. А данные, с которыми ты будешь работать, настоящие: в 1913 году исследователь Т. Карлсон каждый час измерял количество дрожжей в пробирке. Позже американский биолог Раймонд Пирл проверял на этих числах логистическую модель, и она описала их удивительно точно.

Учёный начала двадцатого века в жилете смотрит в латунный микроскоп в лаборатории, рядом стоят пробирки и лежат таблицы, исписанные от руки.

Формула: экспоненциальный рост

Начнём с самого простого правила: на каждом шаге к величине прибавляется её же часть. Если сейчас количество равно эн, то прирост равен эр умножить на эн, и новое значение равно эн плюс эр умножить на эн. Здесь эн — количество, например дрожжей в условных единицах, а эр — доля прироста за шаг, просто число: эр, равное одной десятой, значит плюс десять процентов. Чем больше эн, тем больше и прирост, поэтому кривая уходит вверх всё круче и сама остановиться не может. Если увеличить эр, кривая станет круче: при одной десятой величина почти удваивается за семь шагов, а за семьдесят вырастает почти в восемьсот раз.

  • N(n+1) = N(n) + r · N(n)N — количество, усл. ед.
    r — доля прироста за шаг, —
    n — номер шага, ч

Формула: логистический рост

Чтобы рост останавливался, к приросту добавляют множитель: единица минус эн делённое на ка. Новое значение равно эн плюс эр умножить на эн умножить на скобку, где единица минус эн делённое на ка. Пока эн мало по сравнению с ка, скобка почти равна единице, и рост почти экспоненциальный. Когда эн подбирается к ка, скобка стремится к нулю, прирост исчезает, и кривая выходит на полку. Ка — ёмкость среды, предел роста, измеряется в тех же единицах, что и эн. Если увеличить ка, полка поднимется выше, а если увеличить эр, кривая быстрее до неё доберётся.

  • N(n+1) = N + r · N · (1 − N/K)N — количество на текущем шаге, усл. ед.
    r — доля прироста за шаг, —
    K — ёмкость среды, усл. ед.

Что будем делать на практике

А теперь давай попробуем выполнить практическое задание. На экране точки — настоящие измерения количества дрожжей за восемнадцать часов, а рядом модель, которую ты будешь настраивать. Сейчас выбрана экспоненциальная модель с эр, равным трём десятым, и к восемнадцатому часу она улетает выше тысячи, а средняя ошибка огромная. Посмотри, где данные выходят на полку, и подумай, какая модель умеет останавливаться, а потом подбирай её параметры, сравнивая кривую с точками. Не забудь досчитать модель до восемнадцатого часа и добиться, чтобы средняя ошибка по всем часам была не больше двадцати пяти. Если что-то осталось непонятным — ничего страшного, спроси меня о чём угодно, я отвечу. Не переживай.

Задание в опыте

Подберите модель и параметры так, чтобы она описывала опыт с дрожжами: средняя ошибка по всем 19 часам — не больше 25 единиц. Модель нужно досчитать до 18-го часа.
Открыть интерактивный урок ›Опыт своими руками, лекция голосом, ИИ-наставник и тест. Бесплатно.

Уроки темы: Моделирование и симуляции

  1. Что такое модель
  2. Модель роста
  3. Метод Монте-Карло
  4. Симуляция мира