sars数学建模获奖论文.docVIP

sars数学建模获奖论文 ———————————————————————————————— 作者： ———————————————————————————————— 日期： 二．数学模型的分析与建立 分析与假设 将人群分为四类： 安康者(易受感染者)：用S表示安康者在人群中的比例。 潜伏期者〔已感染，尚未发病〕：用E表示他们在人群众的比率。 发病期者(已发病者)：用I表示病人在人群中的比例。 退出者(死亡者)：用R表示退出者在人群中的比例。 模型的建立 1．参数设定 ——每个病人平均每天有效接触〔足以使被接触者感染〕的人数。 q ——退出率，为SARS患者的日死亡率和日治愈率之和。 ——〔流入〕流出人口占本地总人口的比率。 ——处于潜伏期的病人的日发病率。 P——流入人口中带菌者所占的比例。 2．控前方程的建立 根据我们的分析和各变量的分析，结合实际的疫情的传播规律，我们可以建立如下的方程组： 〔1〕 〔2〕 〔3〕 〔4〕 〔初值〕 3．参数确实定 ——根据医学资料和有关数据推导而得。 q ——由该城市的医疗水平和的统计数据分析，求其统计平均值。 ——由城市的出入人口流动情况〔主要由经济兴旺程度和交通状况决定〕。可查有关资料。 ——根据医学研究和调查的有关结果和该城市的疫情开展状况可得。 P——由流入该城市人群的地区分布情况和各其他地区的疫情决定。 = 2 \* ROMAN II控后模型的建立 1．参数设定 ——不可控人群(在后面的分析中可得到)在发病后到被隔离前平均每天接触的人的数目。 q ——退出率，为SARS患者的日死亡率和日治愈率之和。 β——接触病源的人的发病率。 ε——每天由可控人群和不可控人群转化为病人的日转化率。 2．控前方程的建立 根据上面我们的各种假设和各变量和参数的实际意义,我们可以建立如下控制后的疾病模型的方程组： (5) (6) (7) (8 (8) (9) 〔初值〕 在得到这个模型后,我们对模型和数据进展了进一步的分析,发现这个模型中存在以下的问题: (1) 该模型中,没有充分考虑疑似病例,即“疑似者〞和“隔离者〞的之间的关系不明确。 从收集到的数据中我们无法得到有关隔离者和未被隔离者的信息，因此无法对其做出分析。 从以上两点出发,我们对模型进展了改良,我们仍将将人群分为五类,但这五类人的界定作了改动：我们将隔离者和未被隔离者改为“疑似者〞和“自由带菌者〞，用Y和M分别代表这两者在人群中所占的比例。以下是对“疑似者〞和“自由带菌者〞的说明： 疑似者：所有未确诊的非安康者。包括已出现有关病症但未确诊的被隔离者和还未出现病症但已疑为带菌者而被隔离观察的。在此我们假设这一阶段中的所有的病人产生都是被前几阶段的病人传染而来的。 自由带菌者：不可控的病毒携带者。 综合上面的未考虑因素和局部不确定因素，我们提出以下改良模型： = 3 \* ROMAN III控后优化模型的建立 1．参数说明 —— 疑似中每日被排除的人数占疑似人数的比例； ——疑似者中每日确诊的人数占疑似人数的比例； ——每个自由带菌者转化为病人的日转化率； ——每个自由带菌者发病后被收治前平均每天感染的有效人数； ——被自由带菌者有效感染的人中可以控制的比率； 2．方程的建立 (10) (11)