🔷 INFORMATIONS GÉNÉRALES
Champ Détail
Nom du script script_219cvmn_219.py
Version 1.0.0
Date de création 26/02/2026
Auteur / Demandeur IA Générée (Gemini)
Objectif principal Simuler et visualiser l’évolution de deux populations (proies et prédateurs) à l’aide du modèle mathématique de Lotka-Volterra.
🎯 DESCRIPTION FONCTIONNELLE
📌 Que fait ce script ?
Le script résout numériquement un système d’équations différentielles ordinaires (EDO) pour modéliser l’interaction biologique entre des proies (ex: lapins) et des prédateurs (ex: loups). Il génère ensuite deux graphiques : une courbe temporelle des populations et un portrait de phase.
📌 Problème résolu
Il permet de prédire les cycles de populations dans un écosystème fermé et d’illustrer visuellement l’équilibre dynamique (oscillations) entre la natalité des proies et la survie des prédateurs.
⚙️ SPÉCIFICATIONS TECHNIQUES
🐍 Environnement
Élément Valeur
Version Python 3.x
OS cible Tous (Windows / Linux / MacOS)
Mode d’exécution CLI / Script autonome
📦 Dépendances / Librairies
# Librairies externes (pip install)
numpy (Calcul matriciel)
scipy (Intégration numérique odeint)
matplotlib (Visualisation de données)
📥 ENTRÉES (INPUTS)
📂 Paramètres du modèle (Hardcodés)
# Nom Type Obligatoire Description Exemple
1 ALPHA float ✅ Oui Taux de croissance des proies 1.0
2 BETA float ✅ Oui Taux de prédation 0.1
3 GAMMA float ✅ Oui Taux de mortalité des prédateurs 1.5
4 DELTA float ✅ Oui Efficacité de conversion (reproduction) 0.75
5 Z0 list ✅ Oui Populations initiales [X0, Y0] [10.0, 5.0]
📤 SORTIES (OUTPUTS)
📂 Fichiers / Données en sortie
Type Chemin / Format Description
Graphique Fenêtre interactive Matplotlib Évolution temporelle + Diagramme de phase
Console Texte standard Synthèse textuelle de la dynamique observée
🧱 STRUCTURE DU SCRIPT
script_219cvmn_219.py
│
├── 📌 IMPORTS (numpy, scipy.integrate, matplotlib)
├── 📌 CONSTANTES / CONFIG (ALPHA, BETA, GAMMA, DELTA, Z0, T_FINAL)
├── 📌 FONCTIONS
│ └── lotka_volterra_model() → Calcule les dérivées dx/dt et dy/dt.
├── 📌 CALCUL (Intégration via odeint)
└── 📌 VISUALISATION (Génération des subplots)
🔧 Détail des fonctions principales
Fonction Paramètres Retour Rôle
lotka_volterra_model(Z, t, a, b, g, d) Z (array), t (float), params… list Définit le système d’équations différentielles.
🔄 LOGIQUE / ALGORITHME
Étape 1 : Initialisation
Définition des taux de croissance et des populations de départ. Création d’un vecteur temps t de 0 à 30.
Étape 2 : Résolution Numérique
Appel à scipy.integrate.odeint. L’algorithme résout le système :
dtdx=αx−βxy
dtdy=δxy−γy
Étape 3 : Post-traitement
Séparation des données résultantes en deux vecteurs distincts : X_proies et Y_predateurs.
Étape 4 : Rendu Visuel
Génération d’une figure à deux volets pour analyser la corrélation entre les deux espèces.
🚨 GESTION DES ERREURS
Le script actuel est une preuve de concept (PoC) et ne contient pas de blocs try/except.
Instabilité numérique : Si les paramètres sont extrêmes, odeint pourrait retourner des valeurs infinies.
Dépendances manquantes : Une ModuleNotFoundError surviendra si scipy n’est pas installé.
✅ CONTRAINTES & RÈGLES MÉTIER
Règle 1 : Les populations ne peuvent pas être négatives (propriété mathématique du modèle).
Règle 2 : Le pas de temps doit être suffisamment fin (N_POINTS = 500) pour assurer la précision du tracé.
🧪 TESTS ATTENDUS
# Cas de test Entrée Résultat attendu Statut
1 Cas nominal Paramètres par défaut Cycles oscillatoires fermés ⬜ À tester
2 Absence de prédateurs Y0 = 0 Croissance exponentielle des proies ⬜ À tester
3 Absence de proies X0 = 0 Extinction exponentielle des prédateurs ⬜ À tester
📊 PERFORMANCES ATTENDUES
Métrique Valeur cible
Temps d’exécution < 1 seconde
Consommation mémoire Très faible (< 50 Mo)
📝 EXEMPLE D’UTILISATION
▶️ Lancement en ligne de commande
Bash
python script_219cvmn_219.py
📋 Exemple de sortie console
Plaintext
— Synthèse des Résultats —
La simulation montre des cycles de population. L’augmentation des proies (Lapins) est suivie par une augmentation des prédateurs (Loups)…
Avis
Il n’y a pas encore d’avis.