数模选修课 传染病与微分方程稳定性.ppt

一、传染病模型 建立传染病要考虑的因素非常多，如传染速度、医疗能力、 死亡、新生人口数量、人口年龄性别结构等。具体到不同的 疾病，还有传播途径、发作速度等问题。 此外，传染病模型可以参照用于讨 论计算机病毒的传播特征等方面。 传染病爆发期间，感染人数会怎样变化？哪些因素对其传染 效率的影响最大？ 模型目标 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 ? 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 模型假设 基本假设：传染病是由病人通过 “接触”健康人进行传播的 . 疾病流行区域内的人分为三类： S 类 ( 易感人群 ) ； I 类 ( 病人 ) ； R 类 ( 移出者 ) 。 为简单起见，假设本地区总人口 不变，为 N 。 S I R 1 、 SI 模型（只考虑 S 和 I 两类人） (1) 人群个体之间没有差异。病人与易感者 在人群中混合均匀，记 s(t) 为 t 时刻健康人占 总人口的比例， i(t) 为 t 时刻病人的比例，则 s(t)+ i(t)=1 。 ( 2 ) 人群数量足够大， s(t) 和 i(t) 可以视为连续且可微的。 (3) 每个 I 类人每天“有效接触”的人数为常数 λ 。 (4) 不考虑出生与死亡，以及人群的迁入迁出因素。 构造模型 令 Δt → 0 ，得到微分方程： 这个模型可以用于预报传染 病爆发早期，患病人数的发 展规律，并预测传染高峰的 时间。 SI 模型图形分析 i di/dt t m t 0 1/2 i 1 (d I /d t ) m 1/2 i 0 病人比例随时间的变化规律 病人数增长速率与病人数的关系 增派防疫、医疗人员 采取放假、隔离等措施 普及防疫措施、知识 调整临床医疗策略 SI 模型结果分析 这个模型的缺陷是显而易见的 . 比如 t →+∞ 时， i(t) →1 ，这表明本地区最后所有人都会被感 染。出现这种结果的原因是假设系统中只有两种人，即病人 和易感人群，而且没有考虑病人会被治愈的因素。 1. 假设 ( 前面四条都和模型 A 一样，再添加一条 ) （ 5 ）病人以固定的比率痊愈，再次成为易感人群。每天被治 愈的病人数占病人总数的比例为 μ 。 2 、 SIS 模型（可治愈但不免疫模型） μ 表示日治愈率，表现的是本地区的医疗水平，所以 1/μ 就可 以表示传染病的平均感染期，也是一个病人从发病到被治愈 经历的时间。 根据假设 5 ， Logistic 模型被修改为： 构造模型 定义一个常数 σ=λ∕μ ，根据 λ 和 1/μ 的定义， σ 就是一个病人在整 个患病期间有效接触的平均人数，这在模型里被称为接触数。 将 σ 代入方程中，得到 求解这个方程，得到解为 模型求解 σ1 时， t →+∞ 则 i ( t ) →1 - 1/σ 。 画出解的图象为 ： σ1 ， t →+∞ 时 i(t) →0. σ=λ ∕ μ 1- 1/σ i t i 0 i 0 模型结果分析 i i 0 0 t σ1 ， t →+∞ 时 i ( t )→0. σ=λ ∕ μ 1 、假设：这里的假设类似于模型 B ，只是引入 R 类人群。分别 记 s(t) 、 i(t) 、 r(t) 为病人、易感人群、移出者在总人口中所 占的比例。 s(t)+ i(t)+ r(t) = 1 。另外，日接触率 λ ，日治愈 率 μ 。 3 、 SIR 模型（免疫模型） 根据假设，模型被修正为 初值条件为 i(0) = i0 ， r(0) = r0 ， s(0) = s0 。 注意：此方程组无法求解 析解。 可以求数值解 模型求解 采用常微分方程定性理论的分析办法，将方程组转化成下面的 形式： 其中 s≥0 ， i≥0 且 s+i≤1 。 这个方程是可以求解析解的 。 下面我们来看随着时间的推移， s(t) 、 I (t) 、 r(t) 的变化规律。 首先， t →+∞ 时，分别以 s ? , i ? , r ? 记各自的极限，这些极限 都存在。 模型分析 i ? = 0 ? （用反证法） 假设 i ? ? 0 ，那么必然有 i ? = ? 0 。 根据极限的定义，对于充分大的 t ，都应该有 i(t)ε/2 ，把这 个结论代入方程组。 模型分析 dr / dt = μi με /2 这会导致 r(t)→+∞ ，这跟上面 r(t) 的极限也存在的结论有矛 盾。 所以只能有： i ? = 0 。 也就是说传染病最终将消失