微分方程与差分方程建模.pptxVIP

微分方程建模司机饮酒驾车问题如何预报人口的增长传染病模型战争模型经济增长模型建模示例1 司机饮酒模型设警方对司机饮酒后驾车时血液中酒精含量的规定为不超过80%（mg/ml）,现有一起交通事故，在事故发生3个小时后，测得司机血液中酒精含量是56%（mg/ml），又过两个小时后，测得其酒精含量降为40%（mg/ml），试判断：事故发生时司机是否违反了酒精含量的规定？设 为事故发生的时刻， 为时刻 血液中酒精的浓度，需要求解.模型建立：（是比例常数）模型求解：初始条件建模示例2：如何预报人口的增长背景世界人口增长概况年1625183019301960197419871999人口（亿）5102030405060中国人口增长概况年1908193319531964198219901995人口（亿）34.76710.111.312研究人口变化规律，控制人口过快增长模型1：马尔萨斯模型时刻的人口今年人口人口相对增长率（常数）模型建立模型求解短期内与人口实际增长吻合的比较好，但时间越长，误差越大。此时得到微分方程： （3.8）模型2 Logistic模型 人口净增长率应当与人口数量有关，即： r=r(x) r(x)最简单的形式是常数，此时得到的就是马尔萨斯模型。对马尔萨斯模型的最简单的改进就是设 是 的线性函数从而有：（3.7）人口容量（资源环境能容纳的最大数量）满足初始条件 的解为： （3.9）用分离变量法求解得到模型3 差分形式的Logistic模型 在Logistic模型中， 以差分形式 代替，人口发展方程一阶偏微分方程r0t人口发展方程~已知函数（人口调查）~生育率（控制人口手段）0生育率的分解h~生育模式?~总和生育率~总和生育率——控制生育的多少~生育模式——控制生育的早晚和疏密人口发展方程和生育率 正反馈系统 滞后作用很大人口指数1）人口总数2）平均年龄3）平均寿命t时刻出生的人，死亡率按 ?(r,t) 计算的平均存活时间4）老龄化指数控制 N(t)不过大控制生育率控制 ?(t)不过高 Malthus模型和Logistic模型均为对微分方程（3.7）所作的模拟近似方程。前一模型假设了种群增长率r为一常数，（r被称为该种群的内禀增长率）。后一模型则假设环境只能供养一定数量的种群，从而引入了一个竞争项。 用模拟近似法建立微分方程来研究实际问题时必须对求得的解进行检验，看其是否与实际情况相符或基本相符。相符性越好则模拟得越好，否则就得找出不相符的主要原因，对模型进行修改。 Malthus模型和Logistic模型的总结 Malthus模型与Logistic模型虽然都是为了研究种群数量的增长情况而建立的，但它们也可用来研究其他实际问题，只要这些实际问题的数学模型有相同的微分方程即可。传染病模型 描述传染病的传播过程问题 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 按照传播过程的一般规律，用机理分析方法建立模型必须区分已感染者(病人)和未感染者(健康人) 已感染人数 (病人) i(t)模型1 每个病人每天有效接触(足以使人致病)人数为?假设建模?若有效接触的是病人，则不能使病人数增加1）总人数N不变，病人和健康 人的 比例分别为区分已感染者(病人)和未感染者(健康人)模型2SI 模型假设 2）每个病人每天有效接触人数为?, 且使接触的健康人致病? ~ 日接触率建模Logistic 模型i11/2i00tmt模型2t=tm, di/dt 最大?tm~传染病高潮到来时刻病人可以治愈！? (日接触率)? ? tm?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模型3SIS 模型3）病人每天治愈的比例为?? ~日治愈率增加假设建模? ~ 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。di/dtiii0? 1? ?1? 1i0di/dt 01-1/?i001it0t01-1/?模型3接触数? =1 ~ 阈值感染期内有效接触感染的健康者人数不超过病人数模型2(SI模型)如何看作模型3(SIS模型)的特例1）总人数N不变，病人、健康人和移出者的比例分别为需建立 的两个方程传染病有免疫性——病人治愈后即移出感染系统，称移出者SIR模型模型4假设2）病人的日接触率? , 日治愈率?, 接触数 ? = ? / ?建模无法求出的解析解在相平面 上研究解的性质模型4SIR模型消去dt相轨线相轨线 的定义域i1在D内作相轨线 的图形，进行分析Ds01模型4SIR模型i1相轨线