微分方程建模分析.pptVIP

微 分 方 程 建 模 在研究实际问题时，常常会联系到某些变量的变化率或导数， 这样所得到变量之间的关系式就是微分方程模型。微分方程模型反映的是变量之间的间接关系，因此，要得到直接关系，就得求微分方程。 讨论微分方程有三种方法： 1）求精确解；2）求数值解（近似解）；3）定性 分析方法。 建立微分方程模型的方法 （3）模拟近似法 一、 流入--流出问题(微元法) 第一步列方程 第二步解方程 水面高度与时间的函数关系 二、 追线问题（根据规律建模） 1.模型假设： 或 在上式中有负号是因为 得到 当 三、交通管理问题 (模拟近似法建模) 对于驶近交叉路口的驾驶员，在他看到黄色信号后要做出决定： 如果法定速度为 我们给出方程（1）的初值条件 注意到（3）式中令 假设 我们注意到，经验法的结果一律比我们预测的黄灯状态短些。这使人想起，许多交叉路口红绿灯的设计可能使车辆在绿灯转红灯时正处于交叉路口。 放射性核废料处理问题 问题（这是一场笔墨官司）: 以前 ，美国原子能委员会把浓缩的放射性废料装入密封圆桶里，然后仍到水深为300英尺的海里。 生态学家和科学家提出：圆桶是否会在运输过程中破裂而造成放射性污染？ 美国原子能委员会：不会破裂（用实验证明） 又有几位工程师提出：圆桶扔到海洋中时是否会因与海底碰撞而破裂？ 美国原子能委员会：决不会。 这几位工程师通过大量的实验证明: 若圆桶与海底碰撞时的速度超过40英尺/秒时，就会因碰撞而破裂。 圆桶与海底的碰撞时的速度会不会超过40英尺/秒？ 通过建立数学模型来解决这一问题。 一些参数及假设： 2 建模与求解 受力分析： 根据牛顿第二定理 将速度 v 看成位置 y 的函数 v(y) ，由于 由近似公式 3 结论： 注意： 代入： r =0.2022/10年，x0 =6.0450 模型的参数估计、检验和预报 指数增长模型 阻滞增长模型 r=0.2557/10年，xm =392.0886 422.1 2000 245.3 344.8 251.4 1990 221.2 281.7 226.5 1980 196.2 230.1 204.0 1970 171.3 188.0 179.3 1960 … … … … 5.0 7.4 5.3 1800 3.9 6.0 3.9 1790 计算人口 (阻滞增长模型) 计算人口 (指数增长模型) 实际人口 年 指数增长模型 阻滞增长模型 模型检验 用模型计算2000年美国人口 误差不到3% 与实际数据(2000年281.4)比较 =274.5 模型的参数估计、检验和预报 为做模型检验在参数估计时未用2000年实际数据 模型应用 加入2000年人口数据后重新估计模型参数 r=0.2490, xm=434.0 x(2010)=306.0 预报美国2010年的人口 考虑年龄结构和生育模式的人口模型 年龄分布对于人口预测的重要性. 只考虑自然出生与死亡，不计迁移. 人口发展方程 F(r,t)~人口分布函数 (年龄r的人口) p(r,t)~人口密度函数 N(t)~人口总数 rm(??)~ 最高年龄 人口发展方程 一阶偏微分方程 传染病模型 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. 不是从医学角度分析各种传染病的特殊机理,而是按照传播过程的一般规律建立数学模型. 背景 与 问题 传染病的极大危害(艾滋病、SARS、?) 基本方法 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. m l s / = 模型3 i0 i0 接触数? =1 ~ 阈值 感染期内有效接触使健康者感染的人数不超过原有的病人数 1-1/? i0 模型2(SI模型