第五章 微分方程建模.docVIP

第五章 微分方程建模(动态模型) 当我们描述实际对象的某些特性随时间(或空间)而演变的过程，分析它的变化规律，预测它的未来性态时，通常要建立对象的动态模型。建模时首先要根据建模目的和对问题的具体分析作出简化假设，然后按照对象内在的或可以类比的其他对象的规律列出微分方程，求出方程的解并将结果翻译回实际对象，就可以进行描述、分析或预测了。我们在第二章第一节建立的人口指数增长模型和阻滞增长模型，大致就是这个过程。 事实上在微分方程课程中，解所谓应用题时我们已经遇到简单的建立动态模型问题，例如“一质量为的物体自高处自由下落，初速是零，设阻力与下落速度的平方成正比，比例系数为，求下落速度随时间的变化规律。”又如“容器内有100公升盐水，内含10千克盐，今以每分钟3公升的速度从一水管放进净水，以每分钟2公升的速度从另一管抽出盐水，设容器内盐水浓度始终是均匀的，求容器内含盐量随时间变化的规律。”本章讨论的动态模型与这些问题的主要区别是，所谓微分方程应用题大多是物理或几何方面的典型问题，假设条件已经给出，只须用数学符号将已知规律表示出来，即可列出方程，求解的结果就是问题的答案，答案是唯一的，已经确定的。而本章的模型主要是非物理领域的实际问题，要分析具体情况或进行类比才能给出假设条件。作出不同的假设，就得到不同的方程，所以是事先没有答案的。求解结果还要用来解释实际现象并接受检验。 第一节 传染病模型 随着卫生设施的改善、医疗水平的提高以及人类文明的不断发展，诸如霍乱、天花等曾经肆虐全球的传染性疾病已经得到有效的控制。但是在世界的某些地区，特别是贫穷的发展中国家，还不时出现传染病流行的情况。与此同时，一种更为险恶的传染病—爱滋病，则跨国越界在既包括发达国家也包括发展中国家的更大范围内蔓延。长期以来，建立传染病的数学模型来描述传染病的传播过程，分析受感染人数的变化规律，预报传染病高潮的到来等等，一直是各国有关专家和官员关注的课题。 人们不可能去做传染病传播的试验以获取数据，从医疗卫生部门得到的资料也是不完全和不充分的，所以通常主要是依据机理分析的方法建立模型。不同类型传染病的传播过程有其各自不同的特点，弄清这些特点需要相当多的病理知识，这里不可能从医学的角度一一分析各种传染病的传播，而只是按照一般的传播机理建立几种模型。 为简单起见本节假定，在疾病传播期内所考察地区的总人数不变，既不考虑生死，也不考虑迁移。并且时间以天为计量单位。 模型(模型) 假设条件为 1.人群分为易感染者(Susceptible)和已感染者(Infective)两类(取两个词的第1个字母，称之为模型)．以下简称健康者和病人。时刻这两类人在总人数中所占的比例分别记作和。 2.每个病人每天有效接触的平均人数是常数，称日接触率。当病人与健康者有效接触时，使健康者受感染变为病人。 根据假设，每个病人每天可使个健康者变为病人，因为病人数为，所以每天共有个健康者被感染，于是就是病人数的增加率，即有 (1) 又因为 (2) 再记初始时刻病人的比例为，则 (3) 方程(3)是1.4节中出现过的Logistic模型。它的解为 (4) ～和～的图形如图5-1所示。 1. ～的曲线 2. ～曲线 图5-1 由(3)、(4)式及图5-1可知，第一，当时达到最大值，这个时刻为 (5) 这时病人增加得最快，预示着传染病高潮的到来。是医疗卫生部门关注的时刻。与成反比，因为日接触率表示运地区的卫生水平，越小卫生水平越高。所以改善保健设施、提高卫生水平可以推迟传染病高潮的到来。第二，当时，即所有人终将被传染，全变为病人，这显然不符合实际情况．其原因是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。 为了修正上述结果必须重新考虑模型的假设，下面一个模型中我们讨论病人可以治愈的情况。 模型( 模型) 有些传染病如伤风、痢疾等愈后免疫力很低，可以假定无免疫性，于是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，所以这个模型称模型． 模型的假设条件1、2与模型相同，增加的条件为 3.病人每天被治愈的占病人总数的比例为，称