SARS传播的数学模型及应用.docVIP

SARS传播的数学模型及应用 摘要：本文建立了若干SARS传播的数学模型，利用这些数学模型可以预测SARS的传播规律，控制疫情蔓延，为了有效预防SARS的爆发和传播，提供可靠的信息支持。 引言 SARS是一种严重的呼吸道传染病，对人类的健康和生命曾经造成巨大的威胁，对SARS的传播进行定量的分析，建立有效的 数学模型，具有重要的现实意义和学术价值，SARS的传播具有一定的规律和特点，如何有效预防和控制SARS的传播和蔓延对疫情传播作出合理预测和估计是建立数学模型的主要动机。 假定初始时刻的病例数为N0，由于SARS具有典型的传染性，若平均每个病人每天可传染K个人，平均每个病人可感染他人的时间为L天，则在L天之内，病例数目的增长随时间t（单位天）的关系为： N（t）=N0(1+K)t （1） 如果不考虑对传染期的限制，则病例数将按照指数规律增长。考虑传染期限L的作用及采用治疗，隔离和死亡等因素的影响，病例数的增长将显著偏离指数律，增长速度会放慢。 很显然在SARS发病初期的一段时间内，该模型是合理的，但随着SARS的传播和社会采用的各种措施的加强，该模型在发病的高峰期过后会逐渐失去其意义。如何建立有效的数学模型对SARS传播的整个过程进行有效的预测和控制是本问题的主要任务。 符号与模型 设t时刻的病例数为N(t)，初始时刻为t=0,此时病例数为N0，t时刻的病例增长率为K（t）（单位时间内N（t）的增量与N（t）的比例系数），根据假设可得，N（t）满足的微分方程为： （2） 若增长率K（t）为常数，设K（t）K0，则（2）变为 （3） 解之得： （4） 表明SARS病人将按指数规律无限增长（K0）。 将t以天为单位离散化，（4）式表明SARS病人以为公比的等比例增长。 因为此时K表示天增长率，通常K01，故可用近似关系≈1+K0，将（4）式写为 （5） 比较（1）和（5）可知，模型（1）不过是指数增长率模型离散形式的近似表示。因此，模型（2）式比模型（1）式更广泛。 假设K（t）为常数，在SARS爆发初期有其合理性，但随着政府对疫情的控制及治愈、隔离或死亡等因素的影响，K（t）一般不是一个常数；为此假设K(t)是一个连续函数，可构造K（t）如下： （6） 其中从0到T1为SARS爆发初期，在这个时期病例数按指数增长；从T1到T2为爆发高峰期，此时由于受到控制，增长与控制持平，这一时期是很短暂的，随之而来的是控制函数s(t)大于自然增长率r(t)，此一时期病例数开始下降。若r(t)，s(t)皆为常数，则r(t)-s(t)亦为常数。则由（4）式知当r(t)-s(t)0时，病例数开始按指数律下降。 模型（6）说明，早预防，早隔离，早治疗，早控制不但会明显缩短SARS爆发的周期T，而且每天最高病例数也会显著减少。例如提前五天控制。则T1变为T1-5，最高病例数变为：，这充分说明了在SARS爆发初期进行有效控制的重要性。 将（6）式代入（2），通过求解微分方程可得其解曲线大致为： 模型的推广 为了必须叫准确地预测SRAS传播，利用微分方程构造的数学模型（2）虽然能够预测SARS病例数的增长规律，但通过与实际数据拟合发现，其精度并不高。为了提高精度，构造如下模型： （7） 其中m为某个正整数，为待定常数。为了确定待定常数，利用非先行最小二乘法确定这些常数。 首先，根据统计数据（北京地区）得到每天SARS病例数，比如相对应的病例数为N0，N1，N2，…，Nn，…该数据可由某天的累计病例数减去累计治愈数和累计死亡数而得到。构造函数： （8） 通过求解下列无约束优化问题而得到实验数据 （9） 利用 （10） 预测n天之后的SARS病例数，例如n+1天的病例数为。 求解无约束优化问题（9），首先求…，和的偏导数并令其为0得： （11） （12） 这是一个具有2m个方程2m未知量的非线性方程组。 由于上述模型（9）不易求解，故将试验函数（7）简化为： （13） 由 知， 下面需确定出试验参数，根据已测每天SARS病例数，，相应的SARS病例数分别为利用最小二乘法确定，即构造函数为 （14） 极小化可得和。求分别对和的偏导数并令其为0得 即 （15） 故 从而. （16） 可作为时刻SARS病例函数，因此函数可预测第天以后的SARS病例数。 4