SARS传播的数学模型1.pptVIP

SARS传播的数学模型;1　问题描述;2　基本假设;3　符号说明;4　问题的分析;各类人的转化关系 ;5 模型的建立;现有病人数的变化＝新增病人数－(死亡人数＋治愈人数)。我们设r为每个未被隔离的病人每天感染的人数，L1和L2分别为治愈率和死亡率。则有 ;于是有 当△t→0时， 累计死亡人数 死亡累计人数的变化＝新增死亡人数 当△t→0时;累计治愈人数 治愈累计人数的变化＝新增治愈人数。 累计病人数 累计病人数＝现有病人数＋累计死亡人数＋累计治愈人数 ;SARS传播的控前模型 ;控后模型; 现有病人数 现有病人数的变化＝新增病人数－(死亡人数＋治愈人数)。与控前模型一样，用和表示治愈率和死亡率。则有 ;于是有 当△t→0时， 累计死亡人数 △ t时间内死亡累计人数的变化等于新增死亡人数。 当△t→0时;累计治愈人数 治愈累计人数的变化＝新增治愈人数。 累计病人数 累计病人数＝现有病人数＋累计死亡人数＋累计治愈人数 ;SARS传播的控后模型 ;6.模型的求解： 6.1　控前模型的求解 对于现有病人数，我们可以根据SARS传播的控前方程(5.8)，求得它的解析解为 (5.19) 其中， (5.20) 再将分别代入SARS传播的控后方程(5.17)，就可以给出、以及的数值解。再将分别代入SARS传播的控后方程(5.17)，就可以给出、以及的数值解 。;6.2　控后模型的求解 同理，我们求得现有病人数得解析解 (5.21) 其中， (5.22) 我们已经分析过，为一客观参数。由于3月5日第一例SARS进入我国，是我们记时的起点；4月20日即为的情况。 和 为待估计的参数，现在来估计 和 。 根据附件中的数据，将各时刻累计病人数减去累计治愈人数再减去死亡人数，可得到现有病人数，估计 和 的值。估计时我们??均方最小误差原则，计算出其估计值分别为： ， 。 ; 至此即 为关于 的一元确定函数。 我们根据以上求出的解，作出了现有病人数、累计死亡人数、累计治愈人数、累计病人数的曲线图，如图4所示。其中，打点的是实际公布数据。 ;;; 图4 理论值与实际值对照图 从图4中可以看出，方程的解与实际数据吻合的很好，说明我们的参数和模型都是正确可靠的。 ;;隔离强度;控制时间对的模型影响 ;图6 控制时间对的模型影响; 表2;;(5.24) ;图7 计算机模拟图;8 　模型的评价 8.1 模型的优点 本文中所建立的是一个连续的微分方程模型，它从机理上准确地描述了每一时刻的现有病人、治愈者、死亡者的变化规律，消除了离散模型在处理非整数天数时的困难，机理合理、方法直观、实用，结果与实际数据拟合的很好。 该模型根据附录给出的数据设置变量，各变量之间相互影响，关系明确；同时设定的参数合情合理，意义明确，消除了人为因素对模型结果的影响。 建立的微分方程稳定性较好，给出了模型的收敛性条件，即隔离强度达到多少才能控制疫情，对政府的决策有指导意义。 该模型针对不同隔离强度进行分段研究，能够方便有效的预测疫情趋势。欲对某疫区进行预测，只需对参数进行估计，给出初值带入方程即可。;8.2 模型的缺点 为了简化模型的复杂性，我们设定隔离强度，治愈率、死亡率等参数在一定阶段不发生变化，而实际情况下，随着感染人数的减少，其会发生变化，还需要针对具体