当前位置：文档之家 › MERS传播的数学模型的建立及分析

MERS传播的数学模型的建立及分析

  • 格式：doc
  • 大小：300.00 KB
  • 文档页数：15

2015高教社杯全国大学生数学建模竞赛 承 诺 书 我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参赛规则》（以下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛网站下载）。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛章程和参赛规则的，如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。如有违反竞赛章程和参赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）： 成都工业学院 参赛队员 (打印并签名) ：1. 王×× 2. 卢×× 3. 唐×× 指导教师或指导教师组负责人 (打印并签名)： （论文纸质版与电子版中的以上信息必须一致，只是电子版中无需签名。以上内容请仔细核对，提交后将不再允许做任何修改。如填写错误，论文可能被取消评奖资格。）

日期： 2015年 7 月 27 日

赛区评阅编号（由赛区组委会评阅前进行编号）： 2015高教社杯全国大学生数学建模竞赛 编 号 专 用 页

赛区评阅编号（由赛区组委会评阅前进行编号）： 赛区评阅记录（可供赛区评阅时使用）： 评 阅 人

评 分

备 注

全国统一编号（由赛区组委会送交全国前编号）： 全国评阅编号（由全国组委会评阅前进行编号）： MERS传播的数学模型的建立与分析 摘要 本文针对MERS的传播建立了传统的SIR仓室数学模型。 针对问题一，对附件一提供的早期模型，认为“传染概率”的说法欠妥，传染期限L的确定缺乏医学上的支持，使模型的说服力降低。模型中借鉴广东香港的参数来预测北京的疫情走势，不失为一种方法。但在不同国家因政策，地域的不同，病毒的传播和控制呈现不同的特点，使不同国家不同城市之间的可比性降低。而且由于MERS和SARS的治病机理不同，传染率和死亡率不同，患病人数规模不同，所以对MERS的传播分析，不能简单的套用附件一所用的模型。 针对问题二，我们在WHO(World Health Orgnazation)的官方网站上查找到了韩国MERS疫情从2015年5月20日至2015年7月5日的详细数据[1]。对MERS的传播建立传统的SIR仓室模型，采用最小二乘法拟合参数，利用MATLAB编程求解，画出参数感染率的参数散点图和参数移出率的散点图 对第三个问题，本文研究对MERS疫情对韩国入境旅游收入的影响，建立了灰色预测GM（1，1）模型。 关键字： SIR仓室模型 常微分方程参数拟合 灰色预测 1.问题重述 MERS（Middle East Respiratory Syndrome）病毒是一种新型的冠状病毒，这种病毒已经被命名为中东呼吸综合征冠状病毒，大多数MERS病毒感染病例发生在沙特。 2015年，MERS在韩国又有新一轮的爆发和蔓延，给韩国的经济发展和人民生活带来了较大影响。对MERS 的传播建立数学模型，具体要求如下： （1）对附件所提供的一个SARS传播的早期模型，请对其评价是否适用MERS。 （2）收集MERS的韩国疫情数据，建立MERS传播的数学模型，说明优于附件1中的模型的原因；特别要说明怎样建立一个真正能够预测以及能为预防和控制提供可靠、足够的信息的模型。对于卫生部门所采取的措施做出评论，如：提前或延后n天采取严格的隔离措施，对疫情传播所造成的影响做出估计。 （3）收集MERS对韩国旅游方面影响的数据，建立相应的数学模型并进行预测。 2.模型假设 1.假设一个MERS康复者不会二度感染，他们已退出传染体系，因此将其归为“退出者”； 2.模型不考虑所研究这段时间内的自然出生率和死亡率，MERS引起的死亡人数归为“退出者”； 3.假设在疾病传播期内所考察地区总人数视为常数； 4.假设每个病人单位时间有效接触的人数为常数； 5. 假设韩国在MERS疫情流行期间和结束之后，旅游业数据的变化只与MERS疫情的影响有关，不考虑其它随机因素的影响。

3.变量说明 S：表示易感染人群 (susceptible)占总人数的比例；

I；表示感染人群(infected)占总人数的比例；

R：表示移出人群占总人数的比例；

：表示感染者对易感染者有效感染的感染率；

：表示移出率，即移出者的增加率

0

1xn：表示第n个单位时间的旅游业的收益；

1

1Xn表示在n个单位时间时的累积旅游业的收益；

： 称为系统发展灰数；

：称为内生控制变量 4.对早期模型的评价 附件1的模型主要采用“数据拟合”和“借鉴参数”的方法对北京疫情走势进行预测。 在数据拟合方面，该模型中有两个疑点： 1、感染期限L的确定。由于被严格隔离、治愈、死亡等原因，感染者在某一时段后不再具有对易感人群的传染力，故对病毒的传染加上感染期限是合理的。但在对该参数的确定上，作者为了较好地拟合各阶段的数据 ,通过人为调试来确定L的取值，缺乏医学上的支持，使模型的说服力减弱，合理性和可靠性大大降低。 2、文中认为“K代表某种环境下一个人传染他人的平均概率”。但从模型的公式中可以看出，参数K的实际意义是一个病人平均每天传染其他人的个数。两者之间有实质的区别，文中的说法显然不妥。 从预测思想来看，该模型是借鉴先发地区——广东、香港的有关参数对北京的疫情进行预测的。由于广东、香港的疫情和控制都在北京之前，已经过了高峰期，到5月8日为止每日新增病例已降至10来例，基本处于后期控制阶段。而当时北京的疫情刚过了高峰期，正处于社会剧烈调整时期，数据较为凌乱，略有下降趋势，但不明显。可见在当时，采取这种借鉴是无奈之举。 但是由于城市之间的政策，风俗习惯等不同，城市之间的可比性不强，借鉴存在很大的局限性。如在香港，由于对传播机制认识不足，中途又出现高度感染的特殊情况。另外使用借鉴法无法对首发城市进行预测。 MERSS和SARS又有许多不同, 例如，MERS的病死率约为40.7%，传染性没有SARS强，但SARS的病死率为14%-15%，低于MERS，传染性则强于MERS。MERS和SARS治病机理不同，传染率死亡率不同，病毒潜伏时间也不同，所以不能简单的套用附件所给模型来分析和预测MERS的传播。

5.模型的建立与求解

5．1 问题2的模型建立与求解 5.1.1 问题2的模型思路 对于传染病感染区，由于为了避免传染病的更大的扩散，一方面政府会对人口的流动做出限制，另一方面个人由于对传染病的警惕也不会进入感染区，所以，

感染区人口流动很小。即可把它看作一个封闭区，则可以建立SIR仓室模型[2],里面的总人数不变，里面的人分类为： 易感染者:即正常人，但可能会被感染。 感染者：已经感染这种病的人，可以传染给周围的人。 移出者：包括感染者中死亡的人，感染者中自愈的人和先天对这种病毒有免疫的人，他们将不在受这种传染病的影响。

5.1.2 问题2的模型建立 根据传染病的感染而致的各类人口比例的变化可以建立微分方程。这里用St表示易感染人群 (susceptible)的比例关于时间t的函数，同样用It表

示感染人群(infected)的比例关于时间t的函数，用Rt表示移出人群的比例关于时间t的函数。 方程一：根据感染人群比例增长相等，可建立如下方程：

()()()()dItStItItdt (1)

这里表示感染者对易感染者有效感染的感染率，即单位时间内单位病人传染的人数与易感者之比值；表示移出率，即单位时间内移出者占染病者的比率；

()It表示感染者比例关于时间t的函数；()St表示易感染人者比例关于时间t的

函数。 方程二：根据易感染者比例减少相等，可建立如下方程：

()()dSStItdt (2)

方程三：根据移出者的增长相等，建立如下方程： ()()dRtItdt (3)

这里()Rt表示移出者比例关于时间t的函数。 方程四：易感染者比例，感染者比例和移出者比例之和恒为1：

()()()1StItRt (4)

综上： ()()()()()()()()()()()1dItStItItdt

dSStIt

dt

dRtIt

dt

StItRt

(5)

5.1.3问题2的模型求解 5.2.1问题2的模型微分方程初始值确定

合集下载

关于SARS传播和影响的数学模型

关于SARS传播和影响的数学模型

关于SARS传播和影响问题的模型摘要本文首先采用Logistic模型、人工神经网络两个方法对SARS疫情公布的数据进行分析挖掘后，建立了不同的传染病模型来对疫情的变化趋势给出预测，从而为预防控制提供了可靠、足够的信息。

然后又考虑到证券市场被视为国民经济的晴雨表，因此在收集医药类、交通运输类等行业的股票价格的基础上，分别使用“事件分析法”、Markov 链建立数学模型对SARS给股市的影响进行分析预测。

在对早期模型进行合理性与实用性评价的基础上，对它的参数确定方法进行改进，消除了对港粤地区经验性数据的依赖，建立的二阶Logistic回归模型能就本地已知数据预测疫情发展趋势，给出预测值并拟合出疫情走势图。

并且该模型的决定系数R2高达99.02%，这表明预测值与实际值无显著性差异，拟合效果很好。

由疫情走势图可推算出发病高峰为4月29日及持续时间，且能体现出预防措施对疫情走势有明显的影响，也即随着预防指数K(t)的增大，累计发病人数N(t)趋于稳定。

因此该模型可为疾病的预防和控制提供有效的信息。

又考虑到本问题是一个动态预测问题，故建立了误差逆传播神经网络模型(BP,Back-Propagation)。

经过理论分析和多次实验确定其为三层结构的BP网络模型，节点数分别为（5，6，5），激励函数为双曲正切函数。

该模型能够根据前五天的累计患者数预测出未来五天的累计患者数。

首先，将已知65个数据分为13组，分别作为网络的输入、输出端输入网络，进行学习。

然后，用训练过的网络预测未知数据，正确率达99.9%以上。

最后，考虑到网络初值对模型灵敏度的影响，提出了初始化的合理建议，并将其与早期模型进行了比较。

在分析SARS对证券市场的影响时，由于这是一个突发事件，缺乏历史数据，所以SARS对股市产生的影响很难用传统的计量模型进行分析，因而采用“事件分析法”对其进行研究：利用一个相对短时期的股票价格的变化情况来分析和衡量该事件的影响程度。

SARS传播的数学模型 数学建模全国赛优秀论文设计

SARS传播的数学模型 数学建模全国赛优秀论文设计

SARS传播的数学模型(轩辕杰整理)摘要本文分析了题目所提供的早期SARS传播模型的合理性与实用性，认为该模型可以预测疫情发展的大致趋势，但是存在一定的不足.第一，混淆了累计患病人数与累计确诊人数的概念；第二，借助其他地区数据进行预测，后期预测结果不够准确；第三，模型的参数L、K的设定缺乏依据，具有一定的主观性.针对早期模型的不足，在系统分析了SARS的传播机理后，把SARS的传播过程划分为：征兆期，爆发期，高峰期和衰退期4个阶段.将每个阶段影响SARS 传播的因素参数化，在传染病SIR模型的基础上，改进得到SARS传播模型.采用离散化的方法对本模型求数值解得到：SARS疫情的预测持续时间为106天，预测SARS患者累计2514人，与实际情况比较吻合.应用SARS传播模型，对隔离时间及隔离措施强度的效果进行分析，得出结论：“早发现，早隔离”能有效减少累计患病人数；“严格隔离”能有效缩短疫情持续时间.在建立模型的过程中发现，需要认清SARS传播机理，获得真实有效的数据.而题目所提供的累计确诊人数并不等于同期累计患病人数，这给模型的建立带来不小的困难.本文分析了海外来京旅游人数受SARS的影响，建立时间序列半参数回归模型进行了预测，估算出SARS会对入境旅游业造成23.22亿元人民币损失，并预计海外旅游人数在10月以前能恢复正常.最后给当地报刊写了一篇短文，介绍了建立传染病数学模型的重要性.1．问题的重述SARS （严重急性呼吸道综合症，俗称：非典型肺炎）的爆发和蔓延使我们认识到，定量地研究传染病的传播规律，为预测和控制传染病蔓延创造条件，具有很高的重要性.现需要做以下工作：（1） 对题目提供的一个早期模型，评价其合理性和实用性.（2） 建立自己的模型，说明优于早期模型的原因；说明怎样才能建立一个真正能够预测以及能为预防和控制提供可靠、足够信息的模型，并指出这样做的困难；评价卫生部门采取的措施，如：提前和延后5天采取严格的隔离措施，估计对疫情传播的影响.（3） 根据题目提供的数据建立相应的数学模型，预测SARS 对社会经济的影响.（4） 给当地报刊写一篇通俗短文，说明建立传染病数学模型的重要性.2．早期模型的分析与评价题目要求建立SARS 的传播模型，整个工作的关键是建立真正能够预测以及能为预防和控制提供可靠、足够的信息的模型.如何结合可靠、足够这两个要求评价一个模型的合理性和实用性，首先需要明确：合理性定义 要求模型的建立有根据，预测结果切合实际.实用性定义 要求模型能全面模拟真实情况，以量化指标指导实际.所以合理的模型能为预防和控制提供可靠的信息；实用的模型能为预防和控制提供足够的信息.2.1早期模型简述早期模型是一个SARS 疫情分析及疫情走势预测的模型， 该模型假定初始时刻的病例数为0N ，平均每病人每天可传染K 个人（K 一般为小数），K 代表某种社会环境下一个病人传染他人的平均概率，与全社会的警觉程度、政府和公众采取的各种措施有关.整个模型的K 值从开始到高峰期间保持不变，高峰期后 10天的围K 值逐步被调整到比较小的值，然后又保持不变.平均每个病人可以直接感染他人的时间为L 天.整个模型的L 一直被定为20.则在L 天之，病例数目的增长随时间t (单位天)的关系是：t k N t N )1()(0+⋅=考虑传染期限L 的作用后，变化将显著偏离指数律，增长速度会放慢.采用半模拟循环计算的办法，把到达L 天的病例从可以引发直接传染的基数中去掉.2.2早期模型合理性评价根据早期模型对疫情的分析与预测，其先将的病例起点定在3月1日，经过大约59天在4月29日左右达到高峰，然后通过拟合起点和4月20日以后的数据定出高峰期以前的K =0.13913.高峰期后的K 值按香港情况变化，即10天围K 值逐步被调整到0.0273.L 恒为20.由此画出3月1日至5月7日疫情发展趋势拟合图像以及5月7日以后的疫情发展趋势预测图像，如图1.图1 早期模型计算值与实际值对比图从图1可以看出，从 4月20日至5月7日模型计算值与同期实际值的拟合程度比较好，但5月7日后模型计算值（即预测值）随着日期的增长逐渐偏离实际值.为了进一步验证上述分析，对模型计算值曲线和实际值进行残差分析，记iy 表示第i 天实际累计病例，i yˆ表示第i 天计算累计病例.计算 n i y ye e i i ii ,,2,1,ˆ*Λ=-==σσ 其中，用σˆ作为σ的估计： 2)ˆ(ˆ1--⋅=∑=n yy y n i i i i σ做出标准化残差*i e 的分布图，如图2：图2 早期模型的标准化残差分布图可以很明显地看出，在后期，残差图上出现明显的单减规律性，预测值高于实际值，说明预测值确实逐渐偏离实际值.通过以上分析得合理性评价：○1从预测准确度上有失合理性，虽然早期模型在拟合前期疫情时拟合程度较好，但对后期情况的预测出现较大偏差.○2尽管预测准确程度不高，但是该模型确实预测出了整个疫情的发展趋势.从这一点上看，该模型还是切合实际的.○3该模型选用公布数据直接拟合，从而预测后期疫情发展趋势，这有悖于模型本身的含义.因为模型中的)N实际代表的是t时刻全社会的累计SARS患者，(t而公布数据仅为同期的累计确诊SARS患者，显然前者是大于或等于后者的.如果把公布数据当成实际数据处理，这必然导致模型解出现偏差，且解的实际意义不明确.对于这一点，我们将在建立自己的模型时重点关注！2.3早期模型实用性评价模型的实用性关注的是模型能否真实全面的模拟真实情况，从而用模型指导实际.这里主要抓住早期模型的参数设置情况进行实用性评价：○1该模型简单地以高峰期作为分析的临界点，这似乎对SARS发展的阶段没有了解透彻.同时，模型没有提出高峰期的确定方法，整个模型的建立必须有实际高峰期附近数据的支撑.如果仅有疫情爆发初期的数据，该模型就无法预测出疫情中后期发展的趋势，模型的实际应用围受到限制.○2参数K代表某种社会环境下一个病人每天传染他人的人数，与全社会的警觉程度、政府和公众采取的各种措施有关.在初期，该模型将K固定在一个比较高的定值，在疫情高峰期过后，在10天逐步调整K值到比较小，然后保持不变.但模型并没有给出K值的具体算法，只是不断地进行人工调整，具有一定的主观性.同时沿用了香港疫情分析中的数据来预测的情况，可见该模型未对的实际情况进行充分的考虑.○3参数L代表平均每个病人在被发现前后可以造成直接传染的期限，在此期限后失去传染作用，可能的原因是被严格隔离、病愈不再传染和死去等等.该模型把L的值固定为20，而实际的L应该随疫情发展趋势变化而变化，固定L势必使模型只能片面模拟真实情况.综上，早期模型的一部分分析脱离了实际，而且在整个模型的建立和求解中人工干预过多，实际应用围受到了限制，实用性不强.3． SARS传播过程的分析由于早期模型缺少对SARS传播过程的系统分析，所以，要建立真正能预测病情发展的模型，应该首先对整个传播过程有一个全面而详尽的分析.SARS的传播大致经历了4个过程，相关描述可按照Kink于1986年提出的危机“四阶段说”.第一阶段是征兆期.在SARS传播初期，由于SARS感染者需要经历一定时间才表现出临床症状，所以在病毒实际上已经广泛传播的情况下，政府和公众并未引起注意.在这个时期，携带病毒的传播源没受到控制，平均传播期长，但整个社会的发病率还较低.第二阶段是迅速爆发期和蔓延期.当公众发现感染者不断增加时，恐慌情绪增加，政府随即采取多种措施，但由于对病毒传播的特点不清楚，并未收到预期效果.在这个时期，传播源的平均传播期依然较长，整个社会的发病率突然猛增.第三个阶段是高峰期.当高强度的措施实施后，病毒扩散速度实际已经被控制，发病人数保持稳定，处在一个高平台阶段.在这个时期，有效隔离措施的产生，大大缩短了平均传染期，但由于病患基数较大，社会发病率依然很高.第四个阶段是衰退期和有效控制期.在高平台现象一段时间以后，控制措施的作用开始显现，患病人数开始下降，进入控制时期.在这个时期，平均感染期最短，社会发病率低.疫情进入了4个阶段的最后时期.有了以上的分析，建立的模型就应该体现4个不同时期下疫情的发展过程，并能够在此基础上准确预测疫情变化情况，提出切实可行的控制措施.考虑在经典传染病SIR 模型基础上，通过机理分析，加入合理的实际因素，建立适合SARS 的分段微分方程模型，称为SARS 传播的SIR 改进模型.4． SARS 传播的SIR 改进模型4.1模型的假设1．SARS 的持续期不太长，可以忽略在SARS 持续期的城市人口的自然出生率和自然死亡率.2．被SARS 感染后经治疗康复的人群在SARS 流行期不会被再次感染.3．病人被严格隔离、治愈或者死亡后，不再有感染作用.4．不考虑人口的流动，仅仅在一个城市围研究SARS 疫情的发展过程.4.2模型的符号定义)(t S :易感类人群占城市人口总数的比例.)(t I :传染类人群占城市人口总数的比例.)(t R :排除类人群占城市人口总数的比例.)(t ω:SARS 患者的就诊率患者总数时刻全社会患者数时刻被隔离的SARS SARS t t = λ：单位时间一个传染者与他人的接触率.L ：平均传染期.4.3传播机理分析针对早期模型的不足，需要在模型的合理性和实用性方面进行改进.考虑在经典传染病模型SIR 的基础上，通过机理分析，用实际因素来描述SARS 的传播过程.为了简化模型，这里不考虑人口的流动带来的影响，仅仅在一个封闭城市中研究SARS 的传播机理.那么，整个社会人群可以分为3类：S 类：称为易感类，该类成员没有染上传染病，但缺乏免疫能力，可以被染上传染病.I 类：称为传染类，该类成员已经染上传染病，而且可以传染给S 类成员. R 类：称为排除类或恢复类，R 类成员或者是I 类成员被严格隔离、治愈，或者死亡等.I 类成员转化为R 类后，立刻失去传染能力.S(t)、I(t)、R(t)分别表示t 时刻上述3类成员占城市人口总数的比例. 对于传播过程有3条基本假设：1A ：人口总数为常数N ，N 足够大，可以把变量S(t)、I(t)、R(t)视为连续变量，还可进一步假定为连续可微变量.2A ：人群中3类成员均匀分布，传播方式为接触性传播.单位时间一个传染者与他人的接触率为λ，则一个传播者在单位时间与S 类成员的接触率为)(t S λ，因此，单位时间I 类成员与S 类成员的接触总数为)()(t I t S N ⋅⋅λ，这就是单位时间I 类成员增加的数量，称为发病率，它是S(t)和I(t)的双线性函数.3A ：传播者的被控制数正比于传染者的数量)(t NI ，比例系数为v ，v 称为被控制率，则平均传染期为v L /1=.v /λσ=为一个传染者在其传播期与其他成员的接触总数，称为接触数.那么SARS 的传播流程如图3：)()()(t NR t NI t NS vNS NSI 排除类传染类易感类控制传染−−−→−−−−→−⋅⋅λ图3 SARS 传播流程图在这个模型中，排除类)(t NR 就是已确诊SARS 患者累计数，而)](1[t S N -⋅是全社会累计SARS 患者数，包括已确诊的和未被发现的两部分.4.4模型的建立有了以上的机理分析，建立起针对SARS 的改进SIR 模型：⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎨⎧≥>>=++=-=-=00,01(2) (1)000R I S S R I vI dt dR vI SI dt dI SI dt dS λλ该模型中参数λ和v 在疫情发展的各个阶段受实际因素影响，会有比较明显的变化，现分析如下：○1参数λ表示单位时间一个传染者与他人的接触率，其与全社会的警觉程度和政府、公众采取的各种措施有关，例如，佩戴口罩，减少停留在公共场所的时间，喷洒消毒药剂，提高隔离强度等都能有效地降低接触率λ的值.一般认为，λ的数值随着SARS 发展的4个阶段不断变化.在SARS 初期，由于潜伏期的存在和社会对SARS 病毒传播的速度认识不足，政府和公众并未引起重视，故λ维持在一个较高的数值；进入爆发期后，公众发现感染者不断增加，恐慌情绪增加，随即采取多种措施，使λ得到一定的控制，但效果不明显，此处假设λ呈线性形式缓慢衰减；在高峰期，当高强度的控制措施实施后，病毒传播的有效接触率明显减少，可以认为λ按天数呈指数形式衰减；此后进入衰减期，λ就维持在一个较低值附近.○2参数v 表示传播者的被控制率.v L /1=称为平均传染期，表示一个传播者在被隔离或者死亡之前具有传播能力的平均时间.一般认为，SARS 患者经过传染期L 过后，将隔离治疗或者死亡，从I 类成员变为R 类，失去传播能力.L 与政府采取的措施密切相关，例如，尽量早地发现病患，对疑似病例提前进行隔离，“早发现，早隔离” ；提供更广围的医疗手段，使更多的人接受有效的治疗等，都可以有效地降低平均传染期L 的长度.因此这里将L 直接抽象为每一时期SARS 患者的就诊率)(t ω的函数.平均传染期L 应随)(t ω的变化而变化.但是在初期，由于政府对SARS 的认识不足，并没有采取有效控制措施， L 的变化很小可以近似看作定值，这里我们取SARS 病毒最长潜伏期（约19天）为这个定值；在爆发期，有效控制措施的逐步加强，使SARS 患者的就诊率)(t ω逐渐增加，而平均传染期L 会逐渐减小并趋于一个定值，这里我们将SARS 病毒平均潜伏期（约7天）定为L 的最小值；在此后的高峰期以及衰减期，由于控制措施都保持在一定水平，L 的值会维持在7天左右.4.5针对疫情求解模型首先采用数学推导的方法，确定参数λ和v ，并证明模型有唯一解.○1确定λ和v 的关系 令v λσ=，方程组中)1()2(÷得：SdS dI σ11+-= 在病情刚开始时，011S dS dI σ+-=，由于)(t S 是单调减少的，且)(t I 最终趋近于0，则当1≤S σ时，)(t I 单调减少趋近于0；当1>S σ时，)(t I 先单调增加达到最大值，然后单调减少趋近于0.容易知道，当1>S σ时，才满足SARS 的传播规律，所以参数λ和v 的取值必须满足这个条件.○2证明模型有唯一解 在初值条件下解微分方程组：⎪⎩⎪⎨⎧=+++-=111000R S I S dS dI σ 得到关系式：)ln(11)(00S S S R t I σ+--= 令∞−→−t ，由○1得 )ln(11000S S S R ∞∞+--=σ 因为0>∞S ，所以令)ln(11)(00S x x R x f σ+--= 则 -∞=−→−)(lim 0x f x ，01)(0000>=--=I S R S f当σ10≤S 时，由于0)(=x f 在),0(0S 围有根，因而在)1,0(σ有根. 当σ10>S 时，因为xx x f σσ-=1)(' 当σ1>x 时，0)('<x f ，所以0)()1(00>=>I S f f σ，因而0)(=x f 在)1,0(σ也有根. 注意到当σ10<<x 时，0)('>x f ，故0)(=x f 在)1,0(σ有唯一根. 所以，∞S 在)1,0(σ有唯一解. ○3划分SARS 传播的4个阶段 由于SARS 的传播经历了4个阶段，所以，要以具体的指标划分这4个阶段.因为在4个阶段中，日发病率)()()(t I t S N t ⋅⋅=λμ是一个区分每个阶段特点的关键特征，所以以日发病率作为划分的指标.从第一个患者出现日开始： 征兆期：日发病率在10（人/天）以下.疫情期的前40天.爆发期：从日发病率10（人/天）到日发病率最大，即0=dtd μ时.疫情期的第40天到第74天. 高峰期：从日发病率最大到患者数量最大，即0=dtdI 时.疫情期的第74天到第79天.衰退期：患者数量最大点以后.疫情期第79天以后.○4确定λ和v 根据最终SARS 患者总数2521人以及人口总数（约14000000人），得19998.01400000025211≈=-=∞S ，所以11>=λσv . 因为平均传染期vL 1=，而L 是SARS 患者就诊率)(t ω的函数，且]19,7[∈L ，所以，这里设计L 函数为：)(17t e L ω-=)(t ω由政府的控制措施决定，它的变化反映了政府控制措施的力度.根据实际情况，推导出：⎪⎪⎩⎪⎪⎨⎧≥<≤+-<≤=74 t174t 40 )178.340(log 40t 0 0)(10t t ω 而接触率λ与全社会的警觉程度和公众采取的各种措施有关，根据实际情况确定为：⎪⎪⎪⎩⎪⎪⎪⎨⎧≥<≤-<≤-<≤=79t 0672.079t 74 33ln 116.074t 40 3400126.040t 0 126.0t t λ确定出所有的参数后，做出各时期累计全社会SARS 患者数和各时期累计确诊SARS 患者数预测图（图4）以及市预测确诊SARS 患者累计和实际确诊SARS 患者累计对比图（图5）.同时得到：SARS 疫情的预测持续时间为106天，预测SARS 患者累计2514人.(计算程序见附件1：SIR 模型程序)图4 市预测非典病人累计总数和预测非典病人确诊病例累计对比图图5 市预测确诊病例累计和实际确诊病例累计对比图5．改进SIR模型的分析与评价5.1合理性评价从图5可以看出，本模型对数据的拟合程度非常高，完全克服了早期模型对后期数据预测不准的缺陷.做出标准化残差分析图，如图6：图6 改进SIR模型的标准化残差分布图（实际值－预测值）可以看出，残差分布比较均匀，残差平方和为2.0361，低于初期模型的5.510.通过以上分析得出结论：改进SIR模型不仅在预测前期病情的时候非常准确，而且在预测后期病情的时候也没有出现明显偏差，预测值与实际值非常吻合.该模型能对整个病情的发展做出准确预测，这是该模型优于早期模型的方面之一.5.2实用性评价对比早期模型实用性方面的不足，对改进SIR模型分析如下：○1早期模型在没有对SARS的传播过程进行系统分析的情况下就简单地以高峰期作为分析的临界点，同时，模型并没有提出高峰期的确定方法，模型的实际应用围受到限制.而改进SIR模型在分析SARS传播过程的前提下，依据日发病率把整个传播过程细分为征兆期，爆发期，高峰期和衰退期4个阶段，并且考虑了每个阶段影响SARS传播的实际因素，能够更好地反映实际因素对SARS传播的影响.○2早期模型预测的仅仅是已确诊累计SARS患者数，不包括未被发现的患者人数，这样的做法不能对防治工作提供真正有用的数据.而改进SIR模型不仅能准确预测已确诊累计病例，而且能够预测未被发现的患者人数，可以对防治工作提供更有用的数据.○3早期模型用参数K代表一个病人每天传染他人的人数.模型没有给出K值的具体算法，只是不断地进行人工调整，同时沿用了香港疫情分析中的数据来预测的情况，未对的实际情况进行充分的考虑.而改进SIR模型用参数λ表示单位时间一个传染者与他人的接触率，并且考虑了4个阶段λ的变化情况，给出了λ的函数表达式.○4早期模型用参数L代表平均每个病人在被发现前后可以造成直接传染的期限，并且把L的值固定在20天，就造成了后期预测值明显偏离实际值的结果.而改进SIR模型中建立了L的分段函数表达式，根据各个阶段的具体影响因素控制L的大小.这样，在后期的预测上，也与实际值相当吻合.综上，改进SIR模型弥补了早期模型的不足，实际应用围得到扩大，实用性强.5.3建立可靠、优良模型的困难要建立一个真正能够预测以及能为预防和控制提供可靠、足够的信息的模型，存在着许多的困难，还有许多努力的方向.○1缺乏详尽的，反映SARS疫情的实际统计数据，以及数据基础上的模型参数的具体取值.本文的模型计算与分析研究，主要依据关于市的SARS疫情通告的数据.这些数据不包括未被发现的患者人数的统计，数据的形式不能满足模型求解的要求.○2需要与流行病学家密切合作，更加合理地设计模型结构与调整参数，以及估计并设定比较符合实际的参数取值，从而完善模型以及模拟结果.○3需要研究SARS在不同自然条件和社会条件下的差异性，总结SARS传播与控制的典型地域性模式.6．分析具体措施对SARS传播的影响在SARS传播的实际过程中，有关部门采取了一些控制疫情的措施，在所有措施中，隔离开始的时间和隔离的强度是两个比较关键的因素，究竟这些因素对疫情传播能造成怎样的影响，现分析如下.改变隔离开始的时间通过对L调整实现，减小L的数值就提前了隔离时间；而改变隔离的强度通过对λ调整实现，减小λ的数值就提高了隔离的强度.以的隔离强度为100%，分别在100%和80%强度下用改进SIR模型预测不同控制措施下累计病例总数（人）和疫情持续总时间（天）.结果如表1：分析表1，得出结论：○1在相同隔离强度下，发现隔离开始的时间越早，累计病例总数就越小.○2在相同隔离开始时间下，隔离强度越大，疫情持续的时间就越短.○3综上，累计病例总数的大小主要由隔离开始时间的早晚决定；疫情持续时间的长短主要由隔离强度的大小决定.所以，有关部门采取的措施确实对疫情的控制起到了很大的作用：“早发现，早隔离”能有效减少累计病例总数；“严格隔离”能有效缩短疫情持续时间.7．SARS 对旅游业的影响SARS 的流行会对国民经济带来一定的影响.现在题目提供了市接待海外旅游人数的数据，要求根据这些数据，预测SARS 对市的旅游业所产生的影响.7.1预测正常情况下2003年的旅游人数旅游业随着社会经济的发展，会有一个逐年提高的趋势.如果没有SARS 的流行，那么，海外旅游人数会以一定的规律保持增长的趋势.现在需要预测正常情况下2003年的旅游人数，采用季节性时间序列的半参数回归模型进行预测.一般的半参数回归模型是指：(3) ) (T g Y '∈++=β 其中1),(R R T X P ⨯∈ 为随机向量或设计点列，T 的支撑集为有界闭集，β为1P ⨯的未知参数向量， )( g ⋅是定义于一有界闭集上的未知函数, E 为随机误差,22)E(0, )E(σ=∈=∈(未知),且∈与T X ,相互独立.对季节性时间序列资料),,2,1;,,2,1(l j n i X ij ΛΛ==，其中n 为年份长度,l 为季节长度.根据时间序列资料的加法原理有如下半参数回归模型(4) )(j ij j g bi X ε++= 其中b 为模型参数, 主要反应时间序列在年度上的增长趋势.)(j g 为未知函数,主要反应时间序列在季节上的效应,22)(,0)(σεε==ij ij E E 且ij ε相互独立.显然模型中不应包含常数项,因为常数项可包含在季节效应中.在对旅游人数的估计时，因为采用了1997～2002年的数据进行参数估计，所以年份长度6=n ，而季节上的效应实际上就是每个月的效应，季节长度12=l .参数估计如下：○1把b 看为已知时)(j g 的最小二乘估计为使∑--iij j g bi X 2))((最小的解，即(5) 21)(ˆ+⋅-=n b X j gj 其中，∑=iij j n X X /，即为所有数据在季节点j 上的均数.显然)(ˆj g也是)(j g 的一个临近估计.○2将（5）代入（4）后b 的最小二乘估计为使∑∑+---ijj ij n bX bi X 2))21((最小的解.作变换21~,~+-=-=n i i X X X j ij ij 则(6)~~~ˆ2∑∑⋅⋅=iij ij il X i b在小样本条件下，误差的总体方差2σ估计为(7) )~ˆ~(11ˆ2112i b X l nl n i lj ij ---=∑∑==σ将海外旅游人数1997～2002年的数据代入式（5）、（6）、（7），得到：⎪⎩⎪⎨⎧==0044.0ˆ8245.1ˆ2σb)4642.12,1642,18,5808.21,7475.20,0808.21 ,0808.16,3975.16,9975.17,2142.17,5142.12,2808.13,5642.4()(ˆ=j g根据这些参数，预测正常情况下2003年的旅游人数(计算程序见附件2：时间序列程序)，结果如表2（单位：万人）： 月份1 2 3 4 5 6 7 8 9 10 11 12 人数15.4 17.1 25.3 30.0 30.8 29.2 28.9 33.9 33.6 34.4 31.0 25.31997-2003年旅游人数的变化如图7所示：图7 1997-2003年旅游人数的变化7.2季节性时间序列半参数模型的检验我们利用时间序列模型对1997～2002年的旅游人数进行拟合，再与实际值对照，画出残差图（图8）：。

病传播动力学模型的构建与分析

病传播动力学模型的构建与分析

病传播动力学模型的构建与分析病传播动力学是流行病学领域的核心内容之一，通过建立数学模型来研究传染病的传播规律。

本文将介绍病传播动力学模型的构建和分析方法，以及其在疾病防控中的应用。

1. 概述病传播动力学模型是基于传染病传播的数学模型。

其基本假设是：人群中个体之间的接触是随机的，每个人都可以被感染或者免疫。

模型一般包括四个主要组成部分：易感者（Susceptible）、感染者（Infected）、康复者（Recovered）和死亡者（Dead）。

模型的核心是建立描述这些人群之间相互作用的微分方程。

2. 基本模型最简单的病传播动力学模型是SIR（Susceptible-Infected-Recovered）模型，它假设康复后的个体具有永久免疫力。

该模型的微分方程描述如下：dS/dt = -βSIdI/dt = βSI - γIdR/dt = γI其中，S、I、R分别代表易感者、感染者和康复者的比例，t表示时间。

参数β表示每个感染者每天传染给易感者的平均人数，γ表示感染者每天康复的比例。

3. 扩展模型除了SIR模型，还有许多扩展的病传播动力学模型，如SI模型、SIS模型、SEIR模型等。

这些模型引入了更多的因素，如感染后恢复变为易感状态（SIS模型）、潜伏期的存在（SEIR模型），从而更贴近真实的传染病传播情况。

4. 参数估计与模型评估在构建病传播动力学模型时，参数估计是一个重要的任务。

通过收集和分析实际数据，可以估计出模型中的参数值，如传染性参数β和恢复率γ。

常用的方法包括最小二乘法、极大似然估计等。

模型评估是判断模型预测结果与实际观测数据的一致性。

常用的评估指标有平均绝对误差、均方根误差、相关系数等。

如果模型与实际数据拟合程度较好，则可以应用模型进行进一步的分析和预测。

5. 应用案例病传播动力学模型在疾病预防和控制中有着广泛的应用。

例如，通过构建模型可以评估疫苗的接种效果，确定最佳的接种策略；可以预测疫情的传染速度和规模，为公共卫生部门制定防控措施提供参考；也可以评估不同干预措施对疫情传播的影响，帮助决策者制定最优的防控策略。

(完整word版)数学建模——传染病模型

(完整word版)数学建模——传染病模型

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.二、问题分析1、这是一个涉及传染病传播情况的实际问题，其中涉及传染病感染人数随时间的变化情况及一些初始资料，可通过建立相应的微分方程模型加以解决.2、问题表述中已给出了各子问题的一些相应的假设。