优化番茄植物和昆虫疾病控制使用分数模型和深度神经网络

科学领域:

• 数学生物学 数学生物学
• 生态生态学 生态生态学
• 植物病理学 植物病理学

背景情况:

• 植物对于食物,药物和生态平衡至关重要,但面临病毒感染的威胁.
• 昆虫载体传播植物病毒,对农业和生态系统构成重大风险.
• 了解植物病毒动态对于制定有效的控制策略至关重要.

研究的目的:

• 通过将捕食者-猎物动态整合到分数顺序微分方程模型中,研究植物病毒的生物控制策略.
• 分析植物病毒在番茄植物和昆虫载体种群中的传播动态.
• 通过敏感性分析和基本繁殖数 (R0) 来确定影响疾病传播的关键因素.

主要方法:

• 开发一个分数级植物病毒传播模型,包括易受感染,感染和恢复的番茄植物,以及易受感染和感染的昆虫载体.
• 使用延迟微分方程来表示人口动态.
• 使用随机深度神经网络技术来估计最佳解决方案,并将其与亚当斯-巴什福斯-穆尔顿方法进行比较.
• 执行灵敏度分析并计算基本复制数 (R0).

主要成果:

• 该研究确定了影响植物病毒传播率的关键因素.
• 随机深度神经网络方法在估计模型解决方案方面表现出高精度,平均平方误差 (MSE) 值在10−2到10−4之间,根平均平方误差 (RMSE) 从10−1到10−2.
• 绝对误差 (AE) 发现在10−2到10−8的范围内,表明精确的预测.

结论:

• 综合模型提供了关于植物病毒传播动态和生物控制潜力的见解.
• 新型神经网络方法为解决复杂的分数顺序生物模型提供了一种高效准确的方法.
• 这些发现强调了了解疾病传播参数对于有效管理植物病毒病的重要性.