传染病数学建模.docVIP

第30题传染 病流传的数学模型 由于人体的疾病难以控制和变化莫测，医学中的数学模型也是较为复杂的。在研究传染病流传问题时，人们发现传染病流传所波及的因素好多，比方，传染病人的多少，易受感染者的多少，免疫者(或感染后痊愈者)的多少等。在将某一地域，某种传染病的统计数据进行办理和解析后，人们发现了以下的规律性： 设Sk表示在开始察看传染病之后第k天易受感染者的 人数，Hk表示在开始察看后第k天传染病人的人数，Ik表示在开始察看后第k天免疫者(或感染后痊愈者)的人数，那么 Sk+1=(1) Hk+1=＋(2) Ik+1=Ik+(3) 其中(1)式表示从第k天到第k＋1天有1％的易受感染者生病而走开了易受感染者的人群；(2)式表示在第k+1天的传染病人的人数是第k天的传染病人的人数减去痊愈的人数(假定该病的生病期为 5 (3)式表示在第k＋1天免疫者的人数是第k天免疫者的人数加上 第k天后病人痊愈的人数。将(1)，(2)和(3)式化简得 如果已知S0，H0，I0的值，利用上式能够求得S1，H1，I1的值， 将这组值再代入上式，又可求得S2，H2，I2的值，这样做下去， 我们能够逐个地，递推地求出各组Sk，Hk，Ik的值。因此，我们 把Sk+1，Hk＋1，Ik+1和Sk，Hk，Ik之间的关系式叫做递推关系式。 现在假定开始察看时易受感染者，传染病人和免疫者的人数分别为 将上述数据(5)代入(4)式右边得 利用递推关系式(4)反复计算得表30-1。 在成立上述数学模型的过程中，如果还要考虑该地域人员的迁入和迁出，人口的出生和死亡所引起的总人数的变化等因素，那么传染病流传的数学模型变得特别复杂。所以必须舍去次要因素，抓住主要因素，把问题简化，成立相应的数学模型。如果将由该数学模型计算的结果与实际比较后，与传染病流传的情况大概符合，那么我们就能够利用该模型对生病人数进行预测和估计。比方，能够预测若干天后传染病人的人数等等，便于相关的医疗卫生部门作出相应的决议。 在上述模型中，易受感染者每日的发病率是1％，它只与易受感 染者的人数Sk相关。对于有些传染病，情形更加复杂，它不单与 易受感染者的人数相关，也与传染病人的人数Hk相关，因为传染 病人的人数越多，传染病的发病率也就越高。这样，就必须将由(1)，(2)和(3)式所给出的模型加以改正。这里，我们假定该地域人口总数为N，是一个常数。于是， Sk=N-(Hk＋Ik)(7) 其中Ik为在开始察看后第k天免疫者(或感染后痊愈者)的人数。 设传染病人每日的痊愈率为α，则 Ik+1=Ik+αHk(8) 最后，假定每日发病人数与易受感染者的人数Sk和传染病人的人 数Hk均成正比，且其比率因子为β，那么 Hk+1=Hk+βSkHk-αHk(9) 将(7)，(8)和(9)组合起来，就得到对于Sk，Hk，Ik的递推关系式： 如果已知N，α和β，并给定S0，H0和I0，那么利用上式就能够 计算H1和I1，利用H1和I1，由(7)式，能够计算S1，然后计算H2 和I2，再计算S2，这样，(10)式就给出了对于传染病流传的第 个数学模式。 利用数学模型(4)或(10)式能够对该传染病流传的情形作一些定性的解析。 设Sk=Sk＋1-Sk表示从第k天到第k+1天易受感染者人数的变化， Ik=Ik+1-Ik表示从第k天到第k＋1天免疫者(或感染后痊愈者)人数 的变化。从数学模型(4)式能够看到 Sk=≤0 Ik=≥0 所以易受感染者人数只可能减少不会增加，而免疫者人数只可能 增加不会减少。现问对数学模型(10)式来说，易受感染者的人数，免疫者的人数以及传染病人的人数各有什么变化规律 解析：近似于数学模式(4)式的情形，分别计算Sk，Ik与 Hk(=Hk+1-Hk)，然后加以解析。 解由(10)式得： Sk=N-(Hk+1＋Ik+1)-[N-(Hk+Ik)] =(Ik-Ik+1)+(Hk-Hk+1) =-αHk-βSkHk+αHk =-βSkHk 所以Sk≤0，k=1，2，，即易受感染者人数只可能减少不会 增加。 因为 Ik=Ik+αHk-Ik =αHk 所以Ik≥0，k=1，2，，即免疫者人数只可能增加不会减少。 现在设Hk=Hk+1-Hk表示从第k天到第k＋1天传染病人的人数的变化，则由(10)式得 Hk=βSkHk-αHk =(βSk-α)Hk， 所以当(βSk-α)＞0时，传染病人的人数第k＋1天比第k天增加； 当(βSk-α)＜0时，传染病人的人数相应地减少，也就是说，当易受感染者人数Sk“大”时，可使(βSk-α)＞0，进而传染病人的人 数增加；当易受感染者的人数Sk“小”时，可使(βSk-α)＜0，从 而传染病人的人数减少。解一元一次不等式 Sk-α＞0(或βSk-α＜0) 得 如，打预防针等)，那么能够降低