SIR型传染病的模糊控制.pdfVIP

Journal of 生 物 数 学 学 报 2008，23(3)：489—495 Biomathematics SIR型传染病的模糊控制 王 莉 ，，2 赵 冰 2 刘会民3 朱 晶。 张庆灵 (1东北大学 信息科学与工程学院，辽宁 沈阳 110004；2辽宁科技大学 电子与信息工程学院，辽宁 鞍山 114051 3鞍山师范学院 数学系，辽宁 鞍山 114005) 摘 要：针对SIR型传染病数学模型，将疾病的发展程度这一影响传染病传播的主要因素 模糊化，利用条件 S0P和 S0P对疫情的影响，建立了一种模糊控制模型，使之在疫情发展 的不 同阶段对应不同控制措施 ． 关键词：SIR模型；SARS；控制措施；模糊控制 中图分类号t O231．9 MR 分类号： 92B99；93C42 文献标识码：A 文章编号：1001～9626(2008)03-0489—07 0 引 言 2003年全球爆发的非典型肺炎，给人类带来了恐慌、危害、甚至灾难．2005年秋爆发的禽 流感疫情，再次给人类带来了危机．因此，如何对传染病实施有效控制倍受关注．各种预测及 控制模型应运而生．文 1【,2】研究了如何利用神经网络对疫情的发展进行预测．文 3【】中提出了 基于低通滤波理论的系统控制模型和基于分支过程 (BranchingProcecess)的MonteCarlo仿真 模型，并对疫情的发展进行拟合和预测．许多学者应用数学模型对传染病进行研究，并取得了 大量的成果 【 ．但这些模型考虑问题都比较刚性，在对传染病的发展程度及政府的控制措 施的处理上，只是进行了简单的量化，而事实上它们都具有模糊性，建立一种模糊控制模型更 能真实的反映现实．本文在以上研究的基础上，针对 SIR型传染病数学模型，实施模糊控制， 使之能在疾病发展的不同阶段对应政府的不同控制措施． 1 SIR传染病数学模型 SIR模型是Kermark和Mckendrick于 1927年建立的．对于得病治愈后获得免疫力而不能 再次被传染的传染病类型，可用SIR模型来表示． 模型的建立是基于以下三个基本假设 4【】． (1)假设所研究地区的人 口总量是常数 Ⅳ，不因时间的变化而改变．即不考虑 自然出生率及 死亡率． 收稿日期：2006—10-16 作者简介：王莉 (1963一)女，辽宁新金人，博士，教授． E-mail：wangli@ust1．edu．an 生 物 数 学 学 报 第 23卷 ≥ So~xp[一1(1 一 s)】一s=。 2 模糊控制模型的设计 在传染病传播的过程中，除了具有传播能力的病人数，即传染病的发展程度这一主要因素 外，政府采取的控制措施如：媒体宣传力度、采取隔离的强度及公共场所消毒的程度等因素对 传染病的传播也具有很大的影响．而疫情发展的程度及各控制措施强度具有模糊性，因此本节 设计一个模糊控制器用来产生基于疫情发展状况的控制措施． 模糊逻辑控制的过程主要有三个步骤Pal：模糊化过程、模糊逻辑推理、精确化计算 (反模 糊化)．一个典型的模糊控制系统结构示意如图1． 图 1 模糊控制系统结构示意图 在设计模糊控制器时，就是根据被控对象的具体情况来确定模糊控制器的结构．也就是确 定它的输入输出变量、模糊化算法、模糊推理规则和精确化计算方法． 2．1 模糊控制器的输人、输出变量 由引理知：So=P是疾病是否流行的分界点，当SoP时，疾病不流行，为了尽快消除 此传染病，可以对So 接“近”P时实施控制；而当,5oP时，疾病流行，由于每天新增感染 第 3期 王 莉等；