微分方程建模2015分析.pptVIP

[例6]人口预测模型 ? 影响人口增长的因素很多, 如人口的自然出生率、人口的自然死亡率、人口的迁移、自然灾害、战争等诸多因素. ? 如果一开始就把所有因素都考虑进去, 则无从下手. ? 因此, 先把问题简化, 建立比较粗糙的模型, 再逐步修改, 得到较完善的模型. ? 英国人口统计学家Malthus于1789年在《人口原理》一书中提出了闻名于世的Malthus人口模型. ? Malthus的基本假设是: 在人口自然增长过程中, 净相对增长(出生率与死亡率之差)是常数, 即单位时间内人口的增长量与人口成正比, 比例系数设为r. ? 在此假设下, 推导并求解人口随时间变化的数学模型. Malthus 人口模型 [解] 设时刻 t 的人口为 N(t), 把 N(t) 当作连续可微函数处理(因人口总数很大,可近似地这样处理, 此乃离散变量连续化处理). 根据Malthus的假设可得: 其解为: 此式表明人口以指数规律随时间无限增长! Malthus人口模型检验 ? 据统计1961年地球上的人口总数N0为3.06?109, 而在以后7年中, 人口总数以每年2%的速度增长. 于是有: ? 上式非常准确地反映了在1700 ~ 1961年间世界人口总数. 因为, 这期间地球上的人口大约每35年翻一番, 而上式断定34.6年增加一倍. ? 按此模型计算, 到2670年,地球上将有36000亿人口. 这是非常荒谬的结论. 因此, 这一模型应该修改. Logistic 模型 ? 地球上的各种资源只能供一定数量的人生活, 随着人口的增加, 自然资源环境条件等因素对人口增长的限制作用越来越显著. ? 如果当人口较少时, 人口的自然增长率可以看作常数的话, 那么当人口增加到一定数量以后, 这个增长率就要随人口的增加而减小. ? 因此, 应对马尔萨斯模型中关于净增长率为常数的假设进行修改. Verhulst 假设 ? 1838年,荷兰生物数学家韦尔侯斯特(Verhulst)引入常数 Nm, 用来表示自然环境条件所能容许的最大人口数. ? 假定净增长率随着N(t)的增加而减小, 即假设净增长率等于: ? 当 时, 净增长率趋于零. 由Verhulst 假定, Malthus 模型应改为: 其解为: Logistic 模型 模型分析 模型分析 即无论人口的初值如何, 人口总数趋向于极限值Nm. 说明 N(t) 是时间 t 的单调递增函数. 说明在人口总数达到极限值一半以前是加速生长期, 过这一点后, 生长的速率逐渐变小, 并且迟早会达到零,这是减速生长期. (4) 用逻辑模型来预测世界未来人口总数. 某生物学家估计r = 2.9%, 又当人口总数为3.06?109时,人口每年以2%的速率增长, 由Logistic模型得: 即 即世界人口总数极限值近100亿. 用该模型检验美国从1790年到1950年的人口, 发现模型计算的结果与实际人口在1930年以前都非常吻合. 但从1930年以后, 误差愈来愈大. 其原因是在20世纪60年代美国的实际人口数已经突破了20世纪初所设的极限人口. 由此可见, 该模型的缺点之一是 Nm 不易确定. 事实上, 一个国家经济越发达, 它所拥有的食物就越丰富, Nm 的值也就越大. (4) (5) 关于人口模型的讨论, 原则上也可以用于在自然环境下单一物种生存着的其他生物, 如森林中的树木、池塘中的鱼等, Logistic模型有着广泛的应用. 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 [例6] 传染病模型 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。