- 1、本文档共6页,可阅读全部内容。
- 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、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、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)。
查看更多
传染病传播问题
传染病是人类共同的敌人 . 小到流感、病毒性肝炎,大到霍乱、天花、艾滋病、非典型
性肺炎等, 危害着人们的健康, 扰乱了人们正常的工作和生活, 同时也侵蚀着人类大量的财
富. 因此建立传染病的数学模型来描述传染病的传播过程, 预报传染病高峰的到来, 及时控
制传染病的传播是非常重要的事情, 一直是各国政府和科学家关注的课题 . 以下探讨几类传
染病数学模型,对传染病相关的问题做出相应的回答 .
注:(1)这里不从医学的角度分析各种传染病的传播,而只是按照一般的传播机理建
立几种数学模型;
(2)讨论问题的前提是假定在疾病的传播期内,
所考察地区的总人数不变 (总人数为 N).
解:假设
(1) t
时刻健康者和病人在总人数中所占的比例分别为
s(t), i (t). 另外 ,
i (0)
i0 ;
(2)
每个病人每天有效接触的平均人数为常数
.
称日接触率, 即当病人与健康者有
效接触时,使健康者感染变成病人.
根据假设,有
N di (t)
Ns(t)i (t )
dt
s(t)
i (t)
1
i( 0)
i 0
故可得
di (t )
i(t )[1
i (t )]
dt
( 1)
i (0)
i0
得到
i( t)
1
(2)
1
1
1 e
t
i 0
这个模型可以用于传染病的前期(对于传染较快的病)
,早期预报传染病高峰的到来 .
1) i (t) ~ t 曲线表示传染病的传染曲线;
di ~ t 曲线表示传染病的上升率与时间的关系,
医学上称为传染病曲线 .
dt
i
di
????
1
dt
0.06
0.8
0.05
0.6
0.04
0.4
0.03
0.02
0.2
t
20 40 60 80 100
0.01
t
20 40 60 80 100
图 图
求 i (t ) 的一阶导数:
这里已经把 i0 代入到 i(t) 的表达式 . 再输入
回到 i (t) 的表达式 (2),
再求 i (t) 的二阶导数 ,
令 d 2i
0 ,求出 di
函数的极大值点 ,
dt 2
dt
Log[
1 ai0 ]
{{
t
}, { t
ai 0
}}
t1
1 ln 1
1
( 3)
i0
再代入 i (t) 的表达式,得 1
2
即已求出
i *
1
时, di
达到最大值 .
即传染病的上升率达到最大,这个时刻是
2
dt
t1
1 ln
1
1 .
i 0
说明:病人在这个时刻增加得最快,预示着传染病高潮的到来,是医疗卫生部门特别关
注的时刻 .
3)从( 3)式可知 t1 与
成反比 . 日接触率标志着该地区的卫生水平,
越小,卫生
水平越高 .
而
越小, t1 越大,传染病爆发的时刻就会越迟 .
所以改善保健设施,
采取有效
的隔离措施,降低日接触率,可以推迟传染病高峰的到来
.
4)由( 2)式可知,当 t
时, i (t)
1 .
这就意味着所有的人都将被传染,处于
生病状态 .
这是不符合实际情况的 .
事实上, 传染病人经治疗后,
或者痊愈, 因而具有免疫
力;或者死亡;所以最终病人的比例数
i (t) 应该趋于零,即当
t
时, i (t )
0. 由此
可见,需要重新修改模型假设,再建立数学模型.
感染 -- 治愈
假设:
与感染模型 相同;
与感染模型 相同;
(3) 病人可以治愈 . 病人每天被治愈的人数占病人总数的比例 ,称为日治愈率 . 病人
治愈后仍可成为被感染的健康者,所以 1 是这种传染病的平均传染期 .
由假设( 3)可知
故可得
变换得
di(t )
i (t)
dt
s(t )i (t )
s(t)
i (t) 1
i (0) i 0
di(t )
i (t )[1
i (t )]
i (t )
dt
i( 0)
i 0
di(t )
i 2 (t )
(
)i (t )
dt
i (0)
i 0
4)
5)
此方程为贝努利方程,
{{i [t]->
et (
) ai 0
}}
) (et
et
) ai 0
et (
得到 1
1
e
t
当
i (t)
i0
当
时,上式不是方程的解,应从原方程出发求解.
(
)
2
di
t
i ( t)
dt
i 0
i0
可以利用分离变量法求解 .
{{i[t]->
ai0
}}
1
t ai 0
即
1
t
1
时的解 .
( )
为当
所以方程组的解为:
i t
i0
1
1
e
t
当
时;
i 0
i t
1
1
当
时
t
i0
分析:
6)
( 7)
定义:
( 8)
从 和 1 的定义可知,
是一个传染期内每个病人有效接触的平均人数,称为接触数
.
1)作出 i t
~ t 曲线图,分析病人数的变化
文档评论(0)