第一章现实世界中的数学模型演示文稿.pptVIP

此模型的一个应用是，利用该模型可以预测该传染病 何时会达到最大值. 对⑶式求导并令其为零，则有 ⑸ 由方程⑶ 从而方程⑸意味着 即在病人数达到总人数的一半时，病人数的增加率达到 最大. ⑹ 将⑹代入⑷, 得最传染 病高峰时刻为 模型三 假设: 1.在传染病流行的区域内，总人口数 是不变 的; 2.在单位时间内，一个病人能传染的健康人数量成正 比，其比例系数记为 ，称为传染系数。 3.在单位时间内，一个病人通过治疗或其它过程能够 不再成为病人的可能性记为 ，称为恢复系数。 建模 设时刻 有病人 人，健康人 ，免疫者 人，初始时刻有病人 及免疫人数为0. 由假设1及3得 ⑺ ⑻ 从时刻 到时刻 的时段中病人数的增量为 其中 为免疫者数量的增量。把 除以上式的两边， 并令其趋于零，则有微分方程： 再由⑺式得 所以 ⑼ ⑽ 如此，模型三归结为求解一阶非线性微分方程组的初值 问题. 上面方程组的求解是极为困难的。我们从另一个角度 来进行讨论. 引入量 ，称为特征系数，则微分方程转变为 ⑾ 此方程为变量可分离的微分方程，分离变量后求解： 得 由此得到初值问题⑾的解为 ⑿ 解的分析 由于 故解曲线⑿必定在下述一个三角形区域内： 由⑽知 即随时间 的增加，健康人数 将减少。再 由⑾知当 时， 此时病人数达到了极大值 再来看当时间在增加时病人数和健康人数的极值情 况。 由这个方程容易解得： 当 时，⑶式表明人口将按指数规律无限增长。故 称为指数增长模型。 ⑶ 参数估计：⑶式中的 和 可以用表1中的数据进行 估计。为了利用简单的最小二乘法，将⑶式取对数后得 其中： 。 ⑷ 以1790年到1900年的数据拟合⑷式，可得 以1790年到2000年的全部数据拟合⑷式，可得 1790—1900实际人口与计算人口的比较 计算人口曲线 实际人口 1790—2000实际人口与计算人口比较 计算人口曲线 实际人口 55.9 45.7 37.3 30.5 24.9 20.3 x2 85.6 65.1 49.5 37.6 28.6 21.7 x1 16.6 13.6 11.1 9.1 7.4 6.0 x2 16.5 12.5 9.5 7.2 5.5 4.2 x1 76.0 62.9 50.2 38.6 31.4 23.2 人口 1900 1890 1880 1870 1860 1850 年 17.1 12.9 9.6 7.2 5.3 3.9 人口 1840 1830 1820 1810 1800 1790 年 表2 指数增长模型拟合美国人口数据的结果 结果分析 用上面得到的参数 代入⑶式，将计 算结果与实际数据作比较得下表，表中计算人口 是用 1790年的数据拟合的结果；计算人口 是用全部数据拟 合的结果，用这个模型基本上能够描述19世纪以前美国 人口的增长情况，但是进入20世纪后，美国人口增长明 显放慢，此时模型不再适合了。 422.1 344.8 281.7 230.1 x2 x1 188.0 153.6 125.5 102.5 83.7 68.4 x2 x1 281.4 251.4 226.5 204.0 人口 2000 1990 1980 1970 年 179.3 150.7 131.7 123.2 106.5 92.0 人口 1960 1950 1940 1930 1920 1910 年 从历史上看，指数增长模型与十九世纪以前欧洲一些 地区人口统计数据可以很好地吻合，此外，以此模型作 短时间里的人口预测可以得到较好地结果。原因是此时 人口的增长率几乎是一个不变的常数。 但是，从长期看，任何地区、任何国家的人口不可 能无限增长，这是因为人口的增长率实际上是在不断 地变化。一般情况下，当人口较小时，增长较快；当 人口达到一定数量时，增长率明显下降。因而用平均 增长率 来代替变化增长率 ，会与实际结果有较 大的差距。 ⑵阻滞增长模型（Logistic模型） 分析 当人口增长到一定数量后，自然资源、环境条 件等因素对人口的增长会起到一个阻滞作用，并且随着 人口的不断增加，阻滞作用会越来越