Обсуждение:Fire (model)

Модель "Fire" в NetLogo моделирует распространение лесного пожара в зависимости от плотности деревьев. Мы будем использовать BehaviorSpace для проведения эксперимента, чтобы исследовать, как изменение плотности деревьев влияет на вероятность распространения огня через лес.

Цель эксперимента

Изучить, как изменение плотности деревьев (`density`) влияет на: 1. Вероятность полного распространения огня через лес. 2. Процент деревьев, сгоревших в результате пожара.

Переменные

- Плотность деревьев (density): Эта переменная определяет начальную плотность деревьев в лесу и варьируется от 0 до 100%. - Процент сгоревших деревьев (percent-burned): Результативная переменная, которая показывает долю деревьев, уничтоженных пожаром. - Прохождение огня через лес (fire-crosses-forest): Условная переменная, показывающая, удалось ли огню пройти с нижнего края леса до верхнего края (значение `true` или `false`).

Гипотеза

Ожидается, что при низкой плотности деревьев (например, ниже 40%) огонь не сможет распространяться по всему лесу. Однако по мере увеличения плотности деревьев (например, от 50% и выше) вероятность прохождения огня через весь лес увеличивается, достигая почти 100% при очень высокой плотности (около 90-100%).

Планирование эксперимента с помощью BehaviorSpace

Для проведения эксперимента используем BehaviorSpace. Параметры настроим следующим образом:

1. Изменяемая переменная:

  - `density` (плотность деревьев): от 30% до 100% с шагом 5%. Таким образом, значения будут 30, 35, 40, …, 100.

2. Число повторений:

  - Для каждого значения `density` проведём 30 повторений, чтобы получить надёжные данные.

3. Сохраняемые выходные данные:

  - percent-burned: процент сгоревших деревьев в результате пожара.
  - fire-crosses-forest: значение `true` или `false`, показывающее, прошёл ли огонь через весь лес.

4. Настройка эксперимента:

  - В BehaviorSpace установим `Setup` для начальной инициализации леса и `Go` для запуска модели. Модель будет останавливаться, когда огонь потухнет или огонь пересечёт лес (если сработал логический стоп-механизм).

Проведение эксперимента

Запускаем эксперимент в BehaviorSpace и сохраняем результаты в файл CSV для последующего анализа. Результаты будут включать значения `density`, `percent-burned`, и `fire-crosses-forest` для каждой итерации.

Ожидаемый результат

- Пороговое значение плотности: В полученных данных, вероятно, обнаружится порог плотности деревьев, при котором огонь начинает распространяться по всему лесу с высокой вероятностью (примерно 55-65%). - Процент сгоревших деревьев: При низких значениях `density` (например, 30-40%) процент сгоревших деревьев будет низким. Однако при увеличении плотности деревьев процент сгоревших деревьев резко возрастёт и стабилизируется при значениях около 90-100%. - Зависимость распространения огня от плотности: При анализе данных для `fire-crosses-forest` можно будет увидеть, при какой плотности огонь с высокой вероятностью пересекает весь лес.

Анализ данных позволит определить, как плотность деревьев влияет на распространение лесного пожара.

ODD принципы

Принципы ODD для модели "Fire".

1. Overview (Обзор)

  - Цель: Модель предназначена для симуляции распространения лесного пожара. Она показывает, как огонь может распространяться по лесу, исходя из плотности деревьев и вероятности загорания. Основная цель — исследовать условия, при которых пожар охватывает весь лес или угасает.
  - Единицы: Лес представлен как сетка ячеек, где каждый патч может быть деревом, свободной ячейкой или ячейкой с огнем. Каждое дерево имеет состояние: "незагоревшееся", "горит" или "сгорело".
  - Процессы: Процесс моделирует лесной пожар, который начинается с одного или нескольких загоревшихся деревьев. Пожар распространяется от клетки к клетке, в зависимости от плотности леса и вероятности распространения огня.

2. Design Concepts (Концепции Дизайна)

  - Emergence (Эмерджентность): Модель демонстрирует эмерджентное поведение — распространение огня в зависимости от плотности деревьев и других параметров. Исследуя модель, можно выявить, как изменяются паттерны распространения пожара.
  - Adaptation (Адаптация): Агенты (клетки) не адаптируются и не изменяют поведение. Их состояние зависит от окружения (загоревшихся соседей) и вероятности загорания.
  - Interaction (Взаимодействие): Основное взаимодействие происходит между клетками (агентами) — огонь передается от одного дерева к другому через соседние клетки.
  - Stochasticity (Случайность): Вероятность распространения огня задана случайным образом. Это позволяет добавить элемент случайности и позволяет моделировать, насколько вероятно, что огонь перейдет на соседнюю клетку.
  - Observation (Наблюдение): Пользователь может наблюдать за распространением огня и его паттернами в зависимости от начальных условий (плотности леса и вероятности загорания). Это помогает исследовать, какие параметры приводят к полному выгоранию леса и при каких огонь гаснет.

3. Details (Детали) - Инициализация: На старте модель создает сетку, заполненную деревьями с определенной плотностью. Некоторые клетки инициализируются как загоревшиеся. - Субмодели: - Пожарное распространение: На каждом шаге симуляции каждое дерево проверяет состояние своих соседей. Если одно из соседних деревьев горит, то существует вероятность, что огонь перейдет на текущую клетку. - Обновление состояния: Клетки, которые горят, переходят в состояние "сгоревшее", и огонь на этих клетках больше не распространяется.