数学建模肖承烽.docVIP

必有。既然交换数不超过1，病人比例绝不会增加，传染病不会蔓延。 群体免疫和预防 根据对SIR模型的分析，当时传染病不会蔓延，所以为了制止蔓延，除了提高卫生和医疗水平，是阈值变大以外，另一个途径是降低，这可以通过比如预防接种群体免疫的办法做到。 忽略病人比例的初始值，有。于是传染病不会蔓延的条件可以表为 (21) 这就是说，只要通过群体免疫使初始时刻的移出者比例（即免疫者比例）满足（21）式，就可以直至传染病的蔓延。 这种办法生效的前提条件是免疫者要均匀分布在全体人口，实际上是很难做到的。据估计当时在印度等国家天花传染病的接触数，由（21）式至少要有80%得人接受免疫才行。据世界卫生组织报告，即使花费大量的资金提高，也因很难做到免疫者的均匀分布，使得天花直到1977年才在世界根除，而有些传染病的更高，根除更困难。 数值验证与估算 根据上面的分析，制止传染病蔓延的手段有两种，意识提高卫生水平和医疗水平，即降低日接触率，提高日治愈率，二是群体免疫，即提高移出者比例的初值（相当于降低健康者比例的初值）。下面做一点数值计算，验证并估量这两种办法的效果。不妨用最终未感染的健康者的比例和病人比例的最大值，作为传染病蔓延程度指标。 给定不同的，，，，用（19）式计算，用（20）式计算（当），结果列入表2. 1.0 0.3 0.3 0.98 0.02 0.0398 0.3449 0.6 0.3 0.5 0.98 0.02 0.1965 0.1635 0.5 0.5 1.0 0.98 0.02 0.8122 0.0200 0.4 0.5 1.25 0.98 0.02 0.9172 0.0200 1.0 0.3 0.3 0.70 0.02 0.0840 0.1685 0.6 0.3 0.5 0.70 0.02 0.3056 0.0518 0.5 0.5 1.0 0.70 0.02 0.6528 0.0200 0.4 0.5 1.25 0.70 0.02 0.6755 0.0200 表2 和的计算结果 可以看出，对于一定的，降低，提高，会使变大变小；对于一定的，，降低（即提高），也会使变大（但是时反而小了，你能解释吗？），变小。当然时始终等于，即传染病不会蔓延。 我们看到在SIR模型中是一个很重要的参数，实际上，很难估计，而当一次传染病结束以后，可以获得和，在（19）式中略去很小的，即有 （22） 当同样的传染病到来时，如果估计，没有多大变化，那么就可以用上面得到的分析这次传染病的蔓延过程。 模型验证 上世纪印度孟买发生的一次瘟疫中几乎所有病人都死亡了，死亡相当于移出传染系统，有关部门记录了每天移出的人数，即有了的实际数据，Kermack等人用这组数据对SIR模型做了验证 首先，由方程（12）、（14）可以得到（习题2） （23） （24） 当时，取（24）式右端Taylar展开第3项，在初始值下的解为 （25） 其中，。从（25）式容易得到 （26） 然后取定参数，等，画出（26）式的图形，如图10中的曲线，实际数据在图中用圆点表示，可以看出，理论曲线与实际数据吻合得相当不错。 被传染比例的估计 在一次传染病的传播过程中，被传染的人数比例是健康人人数比例的初始值与之差，记作，即 （27） 当很小，接近于1时，由（19）式可得 （28） 取对数函数Taylor展开的前两项有 （29） 记，可视为该地区人口比例超过阈值的部分，当时（29）式给出 （30） 这个结果表明，被传染者人数比例约为的2倍。对一种传染病，当该地区的卫生和医疗水平不变时，即不变时，这个比例就不会改变。而当阈值提高时，减小，于是这个比例就会降低。 评注 本节介绍了传染病模型从几个方面很好的体现了模型的改进、建模的目的性、以及方法的配合。 第一，最初建立的模型