微分方程部分讲稿.pptVIP

欢迎批评指正 微分方程模型 1 人口增长预测 2 传染病模型 3 经济增长模型 4 药物在体内的分布与排除 背景 年 1625 1830 1930 1960 1974 1987 1999 人口(亿) 5 10 20 30 40 50 60 世界人口增长概况 中国人口增长概况 年 1908 1933 1953 1964 1982 1990 1995 2000 人口(亿) 3.0 4.7 6.0 7.2 10.3 11.3 12.0 13.0 研究人口变化规律 控制人口过快增长 1. 如何预报人口的增长 指数增长模型——马尔萨斯提出 (1798) 常用的计算公式 x(t) ~时刻t的人口 基本假设 : 人口(相对)增长率 r 是常数 今年人口 x0, 年增长率 r k年后人口 随着时间增加，人口按指数规律无限增长 指数增长模型的应用及局限性 与19世纪以前欧洲一些地区人口统计数据吻合 适用于19世纪后迁往加拿大的欧洲移民后代 可用于短期人口增长预测 不符合19世纪后多数地区人口增长规律 不能预测较长期的人口增长过程 19世纪后人口数据 人口增长率r不是常数(逐渐下降) 阻滞增长模型(Logistic模型) 人口增长到一定数量后，增长率下降的原因： 资源、环境等因素对人口增长的阻滞作用 且阻滞作用随人口数量增加而变大 假设 r~固有增长率(x很小时) xm~人口容量（资源、环境能容纳的最大数量） r是x的减函数 dx/dt x 0 xm xm/2 xm t x 0 x(t)~S形曲线, x增加先快后慢 x0 xm/2 阻滞增长模型(Logistic模型) 参数估计 用指数增长模型或阻滞增长模型作人口 预报，必须先估计模型参数 r 或 r, xm 利用统计数据用最小二乘法作拟合 例：美国人口数据（单位~百万） 1860 1870 1880 …… 1960 1970 1980 1990 31.4 38.6 50.2 …… 179.3 204.0 226.5 251.4 专家估计 阻滞增长模型(Logistic模型) r=0.2557, xm=392.1 模型检验 用模型计算2000年美国人口，与实际数据比较 实际为281.4 (百万) 模型应用——预报美国2010年的人口 加入2000年人口数据后重新估计模型参数 Logistic 模型在经济领域中的应用(如耐用消费品的售量) 阻滞增长模型(Logistic模型) r=0.2490, xm=434.0 x(2010)=306.0 2. 传染病模型 问题 描述传染病的传播过程 分析受感染人数的变化规律 预报传染病高潮到来的时刻 预防传染病蔓延的手段 按照传播过程的一般规律，用机理分析方法建立模型 已感染人数 (病人) i(t) 每个病人每天有效接触(足以使人致病)人数为? 模型1 假设 若有效接触的是病人，则不能使病人数增加 必须区分已感染者(病人)和未感染者(健康人) 建模 ? 模型2 区分已感染者(病人)和未感染者(健康人) 假设 1）总人数N不变，病人和健康 人的 比例分别为 2）每个病人每天有效接触人数为?, 且使接触的健康人致病 建模 ? ~ 日 接触率 SI 模型 模型2 1/2 tm i i0 1 0 t tm~传染病高潮到来时刻 ? (日接触率)? ? tm? Logistic 模型 病人可以治愈！ ? t=tm, di/dt 最大 模型3 传染病无免疫性——病人治愈成为健康人，健康人可再次被感染 增加假设 SIS 模型 3）病人每天治愈的比例为? ? ~日治愈率 建模 ? ~ 日接触率 1/? ~感染期 ? ~ 一个感染期内每个病人的有效接触人数，称为接触数。 模型3 i0 i0 接触数? =1 ~ 阈值 感染期内有效接触感染的健康者人数不超过病人数 1-1/? i0 模型2(SI模型)如何看作模型3(SIS模型)的特例 i di/dt 0 1 ? 1 0 t i ? 1 1-1/? i 0 t ? ?1 di/dt 0 模型4 传染病有免疫性——病人治愈后即移出感染系统，称移出者 SIR模型 假设 1）总人数N不变，病人、健康人和移出者的比例分别为 2）病人的日接触率? , 日治愈率?, 接触数 ? = ? / ? 建模 需建立