Session 2015

PROJET DE SIMULATION
NUMERIQUE
MODELISATION PROIE-PREDATEUR

Licence Physique

Le Hashir
Sommaire

Presentation du mo d`ele
Introduction...............................................................................................................
Resolution numerique
Comparaison des mthodes......................................................................................
Changement des paramtres
Conclusion
Bibliographie

Prsentation du modle
Introduction
Le but du sujet est de dcrire la dynamique des systmes biologiques dans un
environnement o interagissent les proies et leurs prdateurs respectifs. Les
quations mathmatiques de Lotka-Volterra sont couramment utilises pour
dcrire cette dynamique. Historiquement ces quations modlisaient les
variations de la population de livres et de lynx.

Ces cycles

s'expliquent quantitativement lorsqu'il y a beaucoup de livres, les prdateurs se

multiplient puisque la nourriture est abondante. Comme la population des
prdateurs augmente, le besoin en nourriture augmente d'autant plus, si bien
que la population de livres finit par dcrotre (le taux de naissance ne
compensant plus). Comme la nourriture baisse, les prdateurs sont trop
nombreux et n'ont pas assez de nourriture pour survivre, leur population dcroit
et ainsi de suite.
Pour dcrire cette dynamique on aboutit au systme
dquations suivant dit systme de Lotka-Volterra :
x(t) = x(t) * (a b*y(t))
y(t) = y(t) * (d*x(t)-c )
Avec a le taux de croissance de proie, b le taux de prdation, c le taux de
croissance prdateur, d taux de variation du nombre de prdateurs.

Pour trouver des points stationnaires, on rsous le systme suivant: {a*x-

b*x*y=0
{-c*y+d*x*y=0.
On trouve les points (0,0) et (c/d, a/b). Il est bon de savoir que (0,0) est un
point dquilibre instable et que c/d et a/b sont des points dquilibres
stables.

Rsolution numrique
Pour rsoudre ce systme dquations, jai utilis les mthodes dEuler explicite
assimilable la mthode de Runge-Kutta 1, ensuite la mthode dEuler points
milieux : Runge-Kutta 2 et enfin celle de Runge-Kutta 4.

Solution numrique
Pour les valeurs donnes dans lnonc, on obtient exactement le mme rsultat
pour les diffrentes mthodes. En effet, que ce soit avec Runge Kutta 1, 2 & 4
jobtiens les mmes graphes que voici :

Annexe [1] et [ 2] : Evolution de la population de proies et de prdateurs en

fonction du temps. La premire image reprsente lvolution de livres et de lynx
au cours du temps et la seconde de sardines et requins au cours du temps.
On remarque bien sur les deux graphes un petit dphasage, en effet lorsque la
population de proie est son maximum celle de prdateurs est son minimum
juste avant et vice versa, quand la population de prdateurs est son maximum
celle des proies est juste avant son minimum. Ce dphasage entre les maxima
d'amplitude des populations est constant, ce qui est encore cologiquement
irraliste. Cest un systme priodique puisque la priode est identique pour les
deux populations (graphiquement elle est peu prs de 175 pour la premire et

de 100 pour le 2me graphe). Un autre point important est que les amplitudes
maxima sont constantes dans les deux populations. C'est cologiquement
irraliste, notre modle est un peu simpliste. Ce qui se traduit parfaitement par
les diagrammes de phase suivants :

Annexe : [3] et [4] Diagramme de phase : Effectif de prdateurs en fonction de

leffectif de proie.
La premire image reprsente lvolution de lynx en fonction de leffectif de
livre et la seconde de requin en fonction de sardine.
La courbe de diagramme de phase est ferme, ce qui laisse deviner la stabilit
du systme, Il est savoir, que si lvolution des populations au cours du temps
tait une sinusode parfaite, alors le diagramme de phase serait un cercle parfait.

Comparaison des mthodes

Dans cette partie on ne sintresse quau couple livre/lynx. On compare pour
diffrents pas de temps dt= [0.001, 0.01, 0.1, 1] les diffrentes mthodes
dintgration.

RK1 &4
Quest-ce que jai fait ? : Pour cette partie jai compar la mthode de
Runge-Kutta 4 avec celle dEuler explicite (R-K1) pour diffrents pas de temps.

Quest-ce que jobtiens ?:

Annexe [5] et [6] : Evolution de la population de lynx et de livre en fonction du

temps pour diffrents pas de temps diffrents. Et calcul de diffrence entre la
mthode R-K1 et R-K 4 pour les diffrents pas de temps.

Quest-ce que jen conclus ?:

On remarque que la mthode dEuler explicite demande moins de calculs que
Runge-Kutta 4. De ce fait la rsolution sera plus rapide. Cependant on voit sur le
graphe que pour un trs grand pas la courbe tendance sloigner du rsultat
attendu. On en conclut donc que pour un pas prcis dans le cas prsent 0.001
que la mthode dEuler explicite est plus efficace car plus rapide tandis que pour
un pas plus grand dans le cas prsent 1 la mthode de Runge-Kutta 4 est
beaucoup plus prcise car ne sloigne pas du rsultat attendu. Cette tendance
se remarque encore plus sur le graphe de diffrence.

RK1 &2
Quest-ce que jai fait ?: Pour cette partie jai compar la mthode dEuler
points milieux (R-K2) avec celle de Euler explicite (R-K1) pour diffrents pas de
temps.

Pourquoi ?: Pour savoir laquelle des deux est la meilleure.

Quest-ce que jobtiens ?:

Annexe [7] : Evolution de la population et de prdateurs en fonction du temps.

Quest-ce que jen conclus ? : Thoriquement, on a vu dans le cours que

RK2 est plus prcis que RK1 , cependant ici on voit que Rk1 reste beaucoup plus
prcis que RK2 pour des grands pas. Donc on arrive la conclusion suivante : peu
importe le pas il est prfrable dutiliser RK1 par rapport RK2, car beaucoup
plus rapide et prcis.

RK1, 2 & 4
Quest-ce que jai fait ? : Pour cette partie jai compar la mthode de
Runge-Kutta 4 avec celle dEuler points milieux (R-K2) et celle de Euler explicite
(R-K1) pour diffrents pas de temps.

Quest-ce que jobtiens ?:

Annexe [8] : Evolution de la population et de prdateurs en fonction du temps.

Quest-ce que jen conclus ? : On en arrive dire que peu importe le pas,
Runge Kutta 4, quoi que demandant beaucoup de calculs reste trs prcis.
Ensuite pour des pas trs faible, il est prfrable de privilgi Euler explicite car
demandant moins de calculs donc plus rapide. Enfin Euler points milieux est une
mthode qui demande moins de calculs que RK4 mais qui est beaucoup moins
prcis que les deux autres mthodes pour des plus grands pas de temps.

Changement des paramtres

Aprs avoir rsolu numriquement le systme, jai remarqu une dpendance
des paramtres mais aussi un grand manque de ralisme.
Cest pour cela que jai dcid de modifier chaque paramtres un un afin de
voir si cette dpendance savre vrai pour chacun des paramtres.

Paramtres doubls
Quest-ce que jai fait ?: Pour mieux comprendre, jai dabord essay de
doubler les paramtres du systme.

Pourquoi ? : Cest intressant de voir comment ragis le systme en

doublant chaque paramtre.
Quest-ce que jobtiens ? :

Annexe [9] et [10] : Evolution de la population et de prdateurs en fonction du

temps. Et volution des populations au cours du temps.

Quest-ce que jen conclus ? : En doublant les paramtres, on

remarque que lvolution de la population de proie en fonction de celle des
prdateurs est exactement identique. Par contre sur le graphe de
lvolution au cours du temps, on remarque une mme stabilit mais aussi
que la priode de temps a t diviser par deux.
A partir de l, jai dcid de modifier chaque paramtres un un pour voir
exactement ce que jobtiens.

Paramtres a
Quest-ce que jai fait ? : Jai, pour commencer, chang le paramtre a
initialement fixer 0,03. Jai choisi de prendre ces valeurs de a=[0.03, 0.3,
1]
Quest-ce que jobtiens ? :

Annexe [11] et [12] : Evolution de la population et de prdateurs en fonction du

temps. Et volution des populations au cours du temps.

Quest-ce que jen conclus ? : a est le taux de croissance de proie, cest-dire le taux de natalit des proies. Si lon suit la logique, augmenter le taux de
proie augmentera forcment le nombre de prdateurs. Le diagramme de phase
reste donc vrai, puisque lorsque le nombre de prdateur est son maximum,

celui des proies est au plus faible. Par la forme des diffrents diagrammes, le fait
dobtenir des boucles fermes montre une certaine stabilit des solutions mais la
forme sloignant du cercle montre que lvolution en fonction du temps sloigne
de la sinusode plus a est grand. On remarque aussi que peu importe la valeur de
a, le systme reste toujours priodique. Et le dphasage reste toujours valable
peu importe la valeur de a. Il y a un manque de ralisme puisque le systme
reste parfait puisquil conserve toujours cette stabilit et cette priodicit au
cours du temps.

Paramtres b
Quest-ce que jai fait ? : Jai ensuite chang le paramtre b initialement
fix 0,001. Jai choisi de prendre ces valeurs de b=[0,001 0,01 0.1].
Quest-ce que jobtiens ? :

Annexe [13] et [14] : Evolution de la population et de prdateurs en fonction du

temps. Et volution des populations au cours du temps.

Quest-ce que jen conclus ? : b est le taux de prdation, cest--dire taux

de proies dcdes. En multipliant par 10 puis par 100 ce taux, on change
compltement le rsultat, on obtient dans le diagramme de phase pour 0.01 une
boucle donc signe de stabilit cependant pour un taux de 0.1 il ny a aucune
boucle de former, donc perte de stabilit. Ce qui est cohrent, puisque sans
nourriture, les prdateurs devraient disparatre au bout dun certain temps
Lvolution au cours du temps garde une mme priodicit cependant en
zoomant on remarque pour une valeur de b=0.01 la disparition du dphasage, en
effet lorsque la population de proie est son maximum celui des prdateurs
aussi. Cela manque cruellement de ralisme lorsque le taux de prdation est
lev, le taux de croissance proie sannule forcment et rompe le cycle,
cependant ici, le cycle est indfini. Par contre, lorsque le taux de prdation est
0,1 alors il ny a plus aucunes proies et le nombre de prdateurs est son
minimum.

Paramtres c
Quest-ce que jai fait ? : Jai ensuite chang le paramtre c initialement
fix 0,05. Jai choisi de prendre ces valeurs de b=[0,05 0,07 0.1].
Quest-ce que jobtiens ? :

Annexe [15] et [16] : Evolution de la population et de prdateurs en fonction du

temps. Et volution des populations au cours du temps.

Quest-ce que jen conclus ? : c le taux de croissance prdateur, cest--

dire le nombre de naissance de prdateurs. En augmentant, on sattend

forcment une baisse du taux de proie. Ici le diagramme de phase reste
toujours une boucle donc stable, le nombre de prdateurs est son maximum
lorsque celui de proie est son minimum. Lvolution au cours du temps montre
toujours une certaine priodicit et un dphasage toujours prsent entre le pic de
proie et celui de prdateurs. Lorsque le taux de prdation est 0.1, il y a
quasiment plus de 1000 prdateurs pour seulement moins de 100 proies et
lorsque le taux de prdation est 0.05 il y a peu prs 400 prdateurs pour un peu
moins de 100 proies. Le systme manque de cohrence et de ralisme.

Paramtres d
Quest-ce que jai fait ? : Jai enfin chang le paramtre d initialement
fix 0,0001. Jai choisi de prendre ces valeurs de b=[0,0003 0,0002
0.0001].
Quest-ce que jobtiens ? :

Annexe [16] et [17] : Evolution de la population et de prdateurs en fonction du

temps. Et volution des populations au cours du temps.

Quest-ce que jen conclus ?: d est le taux de variation du nombre de

prdateurs, cest--dire le taux de prdateurs dcds de mort naturelle en cas
de non nourriture. Le diagramme montre toujours une stabilit des solutions et
lvolution au cours du temps prsente le mme dphasage et indique une
priodicit des solutions. On y remarque que lorsque le taux de variation est plus
leve alors le nombre de proie est son maximum or les cycles ne varient

10

puisque le nombre de prdateurs naugmentent pas au fur et mesure des

cycles. On y revient donc la conclusion que le systme est incomplet et
manque de ralisme.

Paramtres dlim (Bonus)

Quest-ce que jai fait ? : Jai cherch la valeur de d pour laquelle le
cycle se rompait, cette valeur partir de laquelle les proies et les
prdateurs disparaissent dfinitivement.
Pourquoi ? : pour mettre en avant le manque de ralisme du systme et
sa dpendance au paramtre.
Quest-ce que jobtiens ? :

Annexe [18] et [19] : Evolution de la population et de prdateurs en fonction du

temps. Et volution des populations au cours du temps.

Quest-ce que jen conclus ? :

Pour la valeur de 0.0099, le systme steint dfinitivement, il ny a plus
aucunes espces. Donc partir de l, les proies et les prdateurs
disparaissent dfinitivement.
Conclusion : Les limites de ce modle
Au fur et mesure des expriences on remarque trs vite que la modlisation de
Lotka-Volterra manque de ralisme, en effet les morts naturelles ne sont pas pris
en compte, puisque lorsquil ny a pas de prdation, les proies vivent toujours,
ensuite la croissance des prdateurs dpend uniquement de la prdation de ces
derniers, on voit que la population de prdateurs augmente avec un pic aprs
chaque repas . Le monde extrieur nest pas pris en compte dans ce modle,
lexistence dautres prdateurs, proie, tre-humain est volontairement nglig.
De plus on remarque que la prcision chirurgicale des coefficients a, b, c, d est
trs importante puisquune simple erreur modifie tout.
On pourrait justement perfectionner ce modle de sorte ce quil tienne en
compte plus de paramtre :
A = taux de croissance des proies (taux de natalit)
B = taux de mortalit des proies d la prdation
C = taux de croissance des prdateurs d la prdation

11

 D = taux de variation des prdateurs (mortalit d en cas dabsence de

proies)
E = taux de mortalit d aux facteurs extrieurs des 2 espces (pche,
pollution, tre humain)
F = taux de transformation biomasse proie vers prdateurs
A partir de l on obtiendrait : X(t)= (A-E) X(T) B*X (T)*Y(T)

X(T) = X(T)

* ( (A-E) B*Y(T)

Y(T) = Y(T)

Y(t)= (B*F) * X(T)*Y(T) (D+E)*X (T)*Y(T)

* ( (B*F)*X(t) (D+E))
Avec ce systme on tiendrait compte des autres facteurs . Je vous renvoie au
premier lien de la bibliographie pour mieux comprendre ce systme.

Bibliographie
http://mathix.org/fractales/proie-predateur/index.php?largeur=1024
http://fr.wikipedia.org/wiki/%C3%89quations_de_Lotka-Volterra
http://www.normalesup.org/~bli/ulm/proipred.html

12