Create an Insight Maker account to start building models. Insight Maker is completely free.


Start Now

Insight Maker runs in your web-browser. No downloads or plugins are needed. Start converting your ideas into your rich pictures, simulation models and Insights now. Features

Simulate

Explore powerful simulation algorithms for System Dynamics and Agent Based Modeling. Use System Dynamics to gain insights into your system and Agent Based Modeling to dig into the details. Types of Modeling

Collaborate

Sharing models has never been this easy. Send a link, embed in a blog, or collaborate with others. It couldn't be simpler. More

Free & Open

Build your models for free. Share them with others for free. Harness the power of Insight Maker for free. Open code mean security and transparency. More


Explore What Others Are Building

Here is a sample of public Insights made by Insight Maker users. This list is auto-generated and updated daily.

 An adaptation of the URBAN1 Model from Navid Ghaffarzadegan, John Lyneis and George P Richardson's How small system dynamics models can help the public policy process. System Dynamics Review 27: 22-44 (2011)  Researchgate link   and  eolss synopsis  based on LA Alfeld and AK Graham's Introduction t

An adaptation of the URBAN1 Model from Navid Ghaffarzadegan, John Lyneis and George P Richardson's How small system dynamics models can help the public policy process. System Dynamics Review 27: 22-44 (2011) Researchgate link  and eolss synopsis based on LA Alfeld and AK Graham's Introduction to Urban Dynamics 1976. Also p 195 (Dynamo Model Listing).

An element of Perspectives: The Foundation of Understanding and Insights for Effective Action. Register at http://www.systemswiki.org/

23 10 months ago


 Ce modèle simule la  production de biomasse  par une  cohorte
d’organismes benthiques , inspiré d’un cas réel : le gastéropode marin  Nassarius
reticulatus , fréquent sur les estrans vaseux d’Europe. 
Ce modèle s’inscrit dans une logique  fonctionnelle , et complète les
approches démographiques c

Ce modèle simule la production de biomasse par une cohorte d’organismes benthiques, inspiré d’un cas réel : le gastéropode marin Nassarius reticulatus, fréquent sur les estrans vaseux d’Europe.
Ce modèle s’inscrit dans une logique fonctionnelle, et complète les approches démographiques classiques (exponentielle, logistique, Leslie), en intégrant une autre dimension essentielle de l’écologie : la production secondaire.

Contrairement aux modèles précédents centrés uniquement sur le nombre d’individus (N), ce modèle prend en compte la croissance individuelle en poids (W), et son interaction avec la survie de la cohorte pour estimer la production de biomasse totale.
Chaque individu n’est pas seulement un effectif, mais aussi une quantité de matière, une composante mesurable du flux d’énergie dans l’écosystème.

Les Composants du Modèle :

Variables d’état (Stocks) :

  • N : Nombre d’individus vivants dans la cohorte.
  • : Poids moyen des individus (grammes).
  • Instant Biomass : Biomasse vivante instantanée de la cohorte, calculée comme N × W
  • Secondary Production : Production cumulée de biomasse (incluant celle produite par les survivants et par les morts).

Flux :

  • Gross Gain : Quantité de biomasse produite par la croissance individuelle à chaque pas de temps (N × variation de W).
  • Gross Loss : Biomasse perdue via la mort des individus, c’est-à-dire le poids moyen multiplié par les décès.
  • Production (flux) : Biomasse totale produite, incluant celle des survivants et des morts (Gross gain).
  • Net Variation : Variation nette de la biomasse vivante (Gross gain − Gross loss), soit l'accumulation réelle dans la population.

Paramètres modifiables :

  • Initial N : Nombre initiale de la cohorte (individus).
  • Initial W : Poids moyen initial (grammes).
  • d : Taux de mortalité (proportion d’individus mourant à chaque pas de temps).
  • g : Taux de croissance pondérale des individus.
  • Wmax : Poids maximal asymptotique moyen (croissance indéterminée).

Remarque :
La relation entre taille et masse corporelle est supposée intégrée dans l'équation de croissance. La courbe de poids moyen (W) représente donc déjà l'évolution allométrique sans avoir à la modéliser séparément.

Indicateurs produits :

  • Production secondaire nette cumulée : quantité totale de biomasse produite au cours de la vie de la cohorte.
  • Biomasse instantanée : stock de matière vivante à un instant donné.
  • Moment du pic de production : période durant laquelle la cohorte contribue le plus aux flux trophiques.

Votre Mission d'Exploration :

Votre objectif est de vous mettre dans la peau d’un écologue benthique étudiant le fonctionnement d’un écosystème vaseux.

  1. Simulez la dynamique par défaut pour comprendre l’interaction entre croissance individuelle et mortalité dans la production.
  2. Faites varier le taux de mortalité : à quel moment le coût des pertes excède-t-il la production ?
  3. Augmentez ou diminuez la vitesse de croissance : en quoi cela modifie-t-il la quantité totale de biomasse produite ?
  4. Identifiez le moment de production maximale et reliez-le à l’intérêt écologique de la cohorte pour les niveaux trophiques supérieurs.
  5. Comparez différents scénarios (forte mortalité / croissance lente vs. faible mortalité / croissance rapide) pour identifier les conditions d’une production optimale.

Cliquez sur "SIMULATE" et explorez la dynamique de votre cohorte benthique !
Ce modèle vous permet de relier la biologie individuelle à la structure des flux dans les écosystèmes, une étape clé en écologie fonctionnelle.

 

 Here we have a basic SEIR model and we will investigate what changes would be appropriate for modelling the 2019 Coronavirus 

Here we have a basic SEIR model and we will investigate what changes would be appropriate for modelling the 2019 Coronavirus 

675 2 months ago
 Spring, 2020: in the midst of on-line courses, due to the pandemic of Covid-19.      With the onset of the Covid-19 coronavirus crisis, we focus on SIRD models, which might realistically model the course of the disease.     We start with an SIR model, such as that featured in the MAA model featured
Spring, 2020: in the midst of on-line courses, due to the pandemic of Covid-19.

With the onset of the Covid-19 coronavirus crisis, we focus on SIRD models, which might realistically model the course of the disease.

We start with an SIR model, such as that featured in the MAA model featured in

Without mortality, with time measured in days, with infection rate 1/2, recovery rate 1/3, and initial infectious population I_0=1.27x10-4, we reproduce their figure

With a death rate of .005 (one two-hundredth of the infected per day), an infectivity rate of 0.5, and a recovery rate of .145 or so (takes about a week to recover), we get some pretty significant losses -- about 3.2% of the total population.

Resources:
 Faced with a performance gap the two most obvious responses are to work harder or work smarter. There are trade offs associated with each, some obvious, some not so obvious.  Derived from  Nobody Ever Gets Credit for Fixing Problems that Never Happened: Creating and Sustaining Process Improvement  

Faced with a performance gap the two most obvious responses are to work harder or work smarter. There are trade offs associated with each, some obvious, some not so obvious.

Derived from Nobody Ever Gets Credit for Fixing Problems that Never Happened: Creating and Sustaining Process Improvement by Repenning and Sterman.

@LinkedInTwitterYouTube