《数学建模传染病模型》.docVIP

  1. 1、本文档共16页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
刘明:传染病的传播问题 数学建模 PAGE 2 PAGE 1 传染病的传播 摘要:本文先根据材料提供的数据建立了指数模型,并且全面地评价了该模型的合理性与实用性。而后对模型与数据做了较为扼要地分析了指数模型的不妥之处。并在对问题进行较为全面评价的基础上引入更为全面合理的假设和建立系统分析模型。运用联立微分方程组体现疫情发展过程中各类人的内在因果联系,并在此基础上建立方程求解算法结合MATLAB编程(程序在附件二)拟合出与实际较为符合的曲线并进行了疫情预测。同时运用双线性函数模型对卫生部的措施进行了评价并给出建议以及指出建立一个真正能够预测以及能为预防和控制提供可靠、足够的信息的模型,这样做的困难本文的最后,通过本次建模过程中的切身体会,说明建立如SARS预测模型之类的传染病预测模型的重要意义。 关键词:微分方程 SARS  数学模型 感染率 1问题的重述 SARS(Severe Acute Respiratory Syndrome,严重急性呼吸道综合症, 俗称:非典型肺炎)是21世纪第一个在世界范围内传播的传染病。SARS的爆发和蔓延给我国的经济发展和人民生活带来了很大影响,我们从中得到了许多重要的经验和教训,认识到定量地研究传染病的传播规律、为预测和控制传染病蔓延创造条件的重要性。请你们对SARS 的传播建立数学模型,具体要求如下: 1)建立传染病传播的指数模型,评价其合理性和实用性。 2)建立你们自己的模型,说明为什么优于指数模型;特别要说明怎样才能建立一个真正能够预测以及能为预防和控制提供可靠、足够的信息的模型,这样做的困难在哪里?对于卫生部门所采取的措施做出评论,如:提前或延后5天采取严格的隔离措施,对疫情传播所造成的影响做出估计。附件1提供的数据供参考。 3)说明建立传染病数学模型的重要性。 2 定义与符号说明 N…………………………………表示为SARS病人的总数; K(感染率)……………………表示为平均每天每人的传染他人的人数; L…………………………………表示为每个病人可能传染他人的天数; N(t)………………………… 表示为每天(单位时间)发病人数; N(t)-N(t-L)………………………表示可传染他人的病人的总数减去失去传染能力的病人数; t…………………………………表示时间; R………………………………表示拟合的均方差; 3 建立传染病传播的指数模型 3.1模型假设 1) 该疫情有很强的传播性,病人(带菌者)通过接触(空气,食物,……)将病菌传播给健康者。单位时间(一天)内一个病人能传播的人数是常数k; 2) 在 所传染的人当中不考虑已治愈的人是否被再次被传播,治愈的人数占该地区的总人数是绝对的少数,治愈者不会再被传播并不影响疫情在该时间内的感染率常数k; 3) 病者在潜伏期传播可能性很小, 仍按健康人处理; 4) SARS对不同的年龄组的感染率略有不同(相差不大),但我们只考虑它健康人的感染率是一样的; 5) 我们所采取的隔离是非常严格的,被隔离的病人不会再感染其他人; 3.2模型的分析和建立求解 全国疫情从出现第一例病人起,到4月20日前后(从起点起45天左右)是疫情高峰,在此之前k值我们取k=0.16204,在此后的时间里我们取k=0.0273来计算。根据提供的数据可以建立指数模型:N(t)=n(1+K) 。 在前45天我们取k=0.16204来代入,分别算出45天的病人累计数,根据45天中 天病人的数量来画出图1,并与附件中所提供的数据中的日累计数来进行了比较。 如图3-1所示: 图3-1 根据指数模型建立的图形 图3-2根据附件1所建立的图形 从两个图形中,我们可以看出,从4月20日开始计算,前45天的病人累计数和我们用k的值来代入模型画出的病人计算数基本上是吻合的。图形1中的横坐标数字表示时间的天数,如15即4月20日之后的第15天,40即4月20日之后的第40天。 在45天之后的时间里,模型对k的值进行了调整,k=0.0273,我们再将k=0.0273代入模型 N(t)=n(1+K),在45天之后的时间里,我们取了30天的时间,分别算出每天的病人累计数,如图3-3所示: 图3-3 3.3对指数模型的验证和评价 在图形3-3中的横坐标的数值表示图形1中所表示的天数之后的天数,如1即表示4月15日之后的45天之后的有第六天,也就是4月15日之后的第51天,即表示4月15日之后的第67天。 首先在图形3-3结合图形3-1可以看出,图形3-1

文档评论(0)

189****2507 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档