数学建模第二章微积分方法建模--212传染病模型

第五章微分方程模型如果象的某特性是随（或空）化的，那么分析它的化律，它的未来性，通常要建立此象的模型，就是微分方程模型.§1传染病模型建立染病的数学模型来描述染病的播程，分析受感染人数的化律，染病高潮的到来等，一直是各国有关家和官关注的.考某地区的染病的染情况，地区人口数N ，既不考生死，也不考迁移，以天量位.一. SI模型假条件：1.人群分易感染者 ( Susceptible ) 和已感染者 ( Infective ) 两人，称健康人和病人，在刻t 两人在人数中所占比例分作s t 和 i t .2. 每个病人每天有效接触的平均人数是( 常数 ) ，称日接触率，当病人与健康人有效接触，使健康者受感染病人.建立描述 i t化的数学模型 .解：s t i t1s t N i t N N由假 2 知，每个病人每天可使s t 个健康者病人，又由于病人数N i t ，每天共有s t N i t个健康人被感染 .于是N si 就是病人数 N i的增加率，即有N di N si ⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯(1)dtdi1.si 而s i又记初始时刻 ( t0 ) 病人的比例为 i 0 ，则dii 1idti 0 i 0这就是 Logistic模型，其解为i t1 111 e ti 0［结果分析］作出 i t ~ t 和di~ i 的图形如下：dtdi idtdi 1 dt m2t mt1i21. 当 i1 时， di取到最大值 di ，此时刻为2 dtdtmt m1ln 11i 02. 当 t时， i 1即所有人终将被传染，全变为病人（这是不实际的）.二 . SIS 模 型在前面假设 1、2 之下，再考虑病人可以医治，并且有些传染病如伤风、痢疾等愈后免疫力很低，可以假定无免疫性，于是病人被治愈后变成健康者，健康者还可以被感染再变成病人，此模型称SIS 模型 .假设 1、 2 同 SI 模型，增加假设:3. 病人每天被治愈的人数占病人总数的比例为，称为日治愈率. 病人治愈后成为易感染者（健康人）. 显然1是这种传染病的平均传染期.解：在假设1、2、 3 之下，模型（ 1）修正为N diN iNsidtdiii 1 i于是dti 0i0解得1i 0 i t11e－1t,t,i 0［结果分析］1. 令.＝注意到和 1的含义，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 .111i1i i11i 01111 i00t0t当1，病人比例i t越来越小，最于零.1，i t的增减性取决于i0的大小，其极限 i 1当1.3. SI 模型是 SIS 模型中0 的情形.三 . SIR模型大多数染病如天花、流感、肝炎、麻疹等治愈后均有很的免疫力，所以病愈的人既非健康者, 也非病人 , 他已退出染系，此模型的假1. 人群分健康者、病人和病愈免疫的移出者三，称SIR 模型 . 三人在人数N 中占的比例分作s i 、 i t和 r t .1. 病人的日接解率，日治愈率（与 SIS模型相同），染期接触数＝.解：由假1，有s t i t r t1ds di dr0 dt dt dt由假2，得N drN idisi N i N dtNdtdridt又 s 0s0 , i 0i0 , r 00 disi idt于是disi idtdssi⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯(2) dti 0i0 , s 0s0我在相平面上来解的性.精选文库相的定域D s, i s0, i0,s i 1由 (2) 式消去dt，得di11ds s里i s s0i 0解得 i s0i 0- s 1 ln s⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯(3)s0在定域 D 内，(3)式表示的曲即相.。

传染病模型摘要当今社会，人们开始意识到通过定量地研究传染病的传播规律，建立传染病的传播模型，可以为预测和控制传染病提供可靠、足够的信息。

本文利用微分方程稳定性理论对传统传染病动力学建模方式进行综述，且针对甲流，SARS等新生传染病模型进行建模和分析。

不同类型的传染病的传播过程有其各自不同的特点，我们不是从医学的角度一一分析各种传染病的传播，而是从一般的传播机理分析建立各种模型，如简单模型，SI模型，SIS模型，SIR模型等。

本文中，我们应用传染病动力学模型来描述疾病发展变化的过程和传播规律，运用联立微分方程组体现疫情发展过程中各类人的内在因果联系，并在此基础上建立方程求解算法。

然后，通过借助Matlab程序拟合出与实际较为符合的曲线并进行了疫情预测，评估各种控制措施的效果，从而不断完善文中的模型。

本文由简到难、全面地评价了该模型的合理性与实用性，而后对模型和数据也做了较为扼要的分析，进一步改进了模型的不妥之处。

同时，在对问题进行较为全面评价的基础上又引入更为全面合理的假设，运用双线性函数模型对卫生部的措施进行了评价并给出建议，做好模型的完善与优化工作。

关键词：传染病模型,简单模型，SI，SIS,SIR，微分方程，Matlab。

一、问题重述有一种传染病（如SARS、甲型H1N1）正在流行，现在希望建立适当的数学模型，利用已经掌握的一些数据资料对该传染病进行有效地研究，以期对其传播蔓延进行必要的控制，减少人民生命财产的损失。

考虑如下的几个问题，建立适当的数学模型，并进行一定的比较分析和评价展望。

1、不考虑环境的限制，设单位时间内感染人数的增长率是常数，建立模型求t 时刻的感染人数。

2、假设单位时间内感染人数的增长率是感染人数的线性函数，最大感染时的增长率为零。

建立模型求t时刻的感染人数。

3、假设总人口可分为传染病患者和易感染者，易感染者因与患病者接触而得病，而患病者会因治愈而减少且对该传染病具有很强的免疫功能，建立模型分析t 时刻患病者与易感染者的关系，并对传染情况（如流行趋势，是否最终消灭）进行预测。

（3）种群不可能因为某种传染病而绝灭。
模型检验：
医疗机构一般依据r(t)来统计疾病的波及人数 ，从广义上理
解，r(t)为t时刻已就医而被隔离的人数，是康复还是死亡对模
型并无影响。
注意到：dr li (n 1 r s)
dt
可得：
dr dt

l(n 1 r

r
soe
)
及：S

r
令：
d 2i dt 2
0
得：
t1


ln co k(n 1)
模型3
将人群划分为三类（见右图）：易感染者、已感染 者和已恢复者（recovered）。分别记t时刻的三类人数为 s(t)、i(t)和r(t)，则可建立下面的三房室模型：
di

dt

ksi

li
l
称为传染病恢(1)复系数
dr
模型1 设某地区共有n+1人，最初时刻共有i人得病，t时刻已
感染（infective）的病人数为i(t)，假定每一已感染者在单位 时间内将疾病传播给k个人（k称为该疾病的传染强度），且 设此疾病既不导致死亡也不会康复
则可导出：
di

dt

ki
i(o) io
故可得： i(t) ioekt
传染病模型
传染病是人类的大敌，通过疾病传播过程中若干重要因素 之间的联系建立微分方程加以讨论，研究传染病流行的规律 并找出控制疾病流行的方法显然是一件十分有意义的工作。 在本节中，我们将主要用多房室系统的观点来看待传染病的 流行，并建立起相应的多房室模型。
问题的提出：
医生们发现，在一个民族或地区，当某种传染病流传时， 波及到的总人数大体上保持为一个常数。即既非所有人都会 得病也非毫无规律，两次流行（同种疾病）的波及人数不会 相差太大。如何解释这一现象呢？试用建模方法来加以证明 。

数学建模传染病模型例题（最新版）目录一、引言二、数学建模传染病模型的基本概念1.SEIR 模型2.SIS 模型3.SIR 模型三、数学建模传染病模型的例题1.模型假设2.模型建立3.模型求解四、结论正文一、引言随着全球化的发展，传染病的传播越来越引起人们的关注。

为了更好地预测和控制传染病的传播，数学建模传染病模型被广泛应用。

本文将以数学建模传染病模型为例，介绍相关的模型概念和例题。

二、数学建模传染病模型的基本概念（1）SEIR 模型SEIR 模型是传染病数学模型中最基本的模型之一，它将人群分为四类：易感者 (Susceptibles)、暴露者 (Exposed)、感染者 (Infectives) 和抵抗者 (Resistances)。

该模型假设人群数量不变，感染者会以一定的速率传染给易感者，同时易感者会以一定的速率转变为暴露者，暴露者在一定时间后转为感染者，感染者又会在一定时间后转为抵抗者。

（2）SIS 模型SIS 模型是 SEIR 模型的一种特殊形式，它将人群分为易感者(Susceptibles)、感染者 (Infectives) 和恢复者 (Recovered) 三类。

该模型假设易感者与感染者的接触会导致疾病传播，感染者会在一定时间后恢复为易感者，恢复者则具有免疫力。

（3）SIR 模型SIR 模型是另一种常见的传染病数学模型，它将人群分为易感者(Susceptibles)、感染者 (Infectives) 和恢复者 (Recovered) 三类。

与 SIS 模型不同的是，SIR 模型假设感染者会以一定的速率恢复为易感者，而恢复者则具有免疫力。

SIR 模型适用于短期传染病，例如流感。

三、数学建模传染病模型的例题假设某个地区有 10000 人，其中易感者占 80%，感染率为 0.01，恢复率为 0.9。

我们需要建立一个数学模型来预测疾病传播的过程。

（1）模型假设我们假设疾病传播满足 SEIR 模型，人群分为易感者、暴露者、感染者和恢复者四类。