第5章 微分方程模型(投影版).ppt

数学建模 第五章 微分方程模型 第五章 微分方程模型 主讲教师：邵红梅 根据是否考虑时间因素引起的变化，数学模型分为静态和动态模型； 当所研究的对象的某些特征随时间（空间）变化时，要分析它的变化规律、预测它的未来性能以及研究相应的控制手段时，通常需要建立相应的动态模型； 微分方程是描述动态过程的变化规律的一个重要工具，由此建立相应的微分方程动态模型。 微分方程模型 首先要根据建模的目的和对问题的分析作出简化假设； 然后按照研究对象内在的或者可以类比的其他对象的变化规律列出微分方程； 最后用求解微分方程，并对结果作一些定性、定量的分析和必要的检验。 建立微分方程模型的一般步骤 传染病模型 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 探索制止传染病蔓延的手段 按照传播过程的一般规律，用机理分析方法建立模型 模型 l 设时刻t 的病人人数x ( t )是连续、可微函数，并且每天每个病人有效接触的人数为常数λ t 到t +△t 病人人数的增加 x ( t + △t ) – x ( t ) =λx ( t ) △t 设t = 0时有x0个病人 随着t的增加，病人人数x ( t )无限增长，这显然是不符合实际的。 失败的原因：有效接触的人群中，有健康人也有病人，而只有健康人才可以被传染为病人，所以在改进的模型中必须区别这两种人。 传染病模型 传染病模型 模型2 (S I模型) 模型假设 疾病传播期内总人数N不变，既不考虑生死，也不考虑迁移。 人群分易感染者(Susceptible)和已感染者(Infective)(S I模型)，简称健康者和病人。时刻t两类人在总人数中所占比例分记s ( t )和i ( t )。 每个病人每天有效接触的平均人数是常数λ，λ称为日接触率。当病人与健康者有效接触时，使健康者受感染变为病人。 每个病人每天可使λs ( t )个健康者变为病人，病人数为N i( t )，所以每天共有λN s ( t ) i ( t )个健康者被感染，于是λN s i是病人数N i的增加率。 模型建立 s ( t ) + i ( t ) = 1 记初始时刻(t = 0)病人的比例为i0 传染病模型 当i = 1 / 2时d i / d t达到最大值(d i / d t)m tm与λ成反比，因为日接触率λ表示该地区的卫生水平，λ越小卫生水平越高。 改善保健设施、提高卫生水平可以推迟传染病高潮的到来。 当t→∞时，i→1，即所有人终将被传染，全变为病人，这显然不符合实际情况。 模型中没有考虑到病人可以治愈，人群中的健康者只能变成病人，病人不会再变成健康者。 传染病模型 模型3 (SIS模型) 病人被治愈后变成健康者，健康者还可以被感染再变成病人，所以这个模型称SIS模型。 增加条件 每天被治愈的病人数占病人总数的比例为常数μ，称为日治愈率。病人治愈后成为仍可被感染的健康者。显然1／μ是这种传染病的平均传染期。 s ( t ) + i ( t ) = 1 λ:日接触率， σ = λ / μ 一个传染期内每个病人的有效接触人数，称为接触数。 伤风、痢疾等愈后免疫力很低，可以假定无免疫性 传染病模型 接触数σ=λ/μ=1是阈值。 当σ 1 时，i ( t )的增减性取决于i0的大小，其极限值i (∞) = 1—1 /σ随σ的增加而增加。 当σ≤1时病人比例i ( t )越来越小，最终趋于零，这是由于传染期内经有效接触从而使健康者变成的病人数不超过原来病人数的缘故。 传染病模型 模型4 (SIR模型) 传染病治愈后有免疫力，病愈的人既非健康者(易感染者)，也非病人(已感染者)，他们已经退出传染系统。 模型假设 总人数N不变．人群分为健康者、病人和病愈免疫的移出者(Removed)三类，三类人在总人数N中占的比例分别记作s ( t )，i ( t )和r ( t )。 病人的日接触率为λ，日治愈率为μ，传染期接触数为σ=λ/μ。 模型构成 s ( t ) + i ( t ) + r ( t ) = 1 对于病愈免疫的移出者 记初始时刻的健康者和病人的比例分别是s0 ( s0 0 )和i0 ( i0 0 ) 天花、流感、肝炎、麻疹等治愈后均有很强的免疫力 传染病模型 数值计算 设λ= 1，μ= 0.3，i ( 0 ) = 0.02，s ( 0 ) = 0.98，用MAT