数学建模论文-传染病模型)
数学建模_传染病模型
数学建模_传染病模型第一篇：数学建模_传染病模型传染病模摘要: 本次实验是让同学们进一步了解、巩固、加强微分方程模型的建模、求解能力；学习掌握用MATLAB进行二维和三维基本图形绘制。
因为MATLAB具有很强的图形处理功能和丰富的图形表现方法。
它提供了大量的二维、三维图形函数，使得数学计算结果可以方便地、多样性地实现可视化，这是其它语言所不能比拟的。
MATLAB不仅能绘制几乎所有的标准图形，而且其表现形式也是丰富多样的。
MATLAB不仅具有高层绘图能力，而且还具有底层绘图能力——句柄绘图方法。
在面向对象的图形设计基础上，使得用户可以用来开发各专业的专用图形。
help graph2d可得到所有画二维、三维图形的命令。
描述传染病的传播过程，分析受感染人数的变化规律，预报传染病高潮到来的时刻，预防传染病蔓延的手段，按照传播过程的一般规律，用机理分析方法建立模型。
数学建模问题重述问题: 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、假设环境条件下所允许的最大可感染人数为。
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、现有卫生防疫部门采集到的某地区一定时间内一定间隔区间的感染人数数据（见下表），利用该数据确定上述两个模型中的相关参数，并将它们的预测值与实际数据进行比较分析（计算仿真偏差）并对两个模型进行适当的评价。
（注：该问题中，设最大可感染人数为2000人）4、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。
数学建模之传染病模型
第五章 微 分 方 程 模 型如果实际对象的某特性是随时间（或空间）变化的，那么分析它的变化规律，预测它的未来性态时，通常要建立此实际对象的动态模型，这就是微分方程模型.§1 传 染 病 模 型建立传染病的数学模型来描述传染病的传播过程，分析受感染人数的变化规律，预报传染病高潮的到来等，一直是各国有关专家和官员关注的课题.考虑某地区的传染病的传染情况，设该地区人口总数为N ，既不考虑生死，也不考虑迁移，时间以天为计量单位.一. SI 模 型假设条件：1. 人群分为易感染者(Susceptible )和已感染者(Infective )两类人，简称为健康人和病人，在时刻t 这两类人在总人数中所占比例分别记作()t s 和()t i .2. 每个病人每天有效接触的平均人数是λ(常数)，λ称为日接触率，当病人与健康人有效接触时，使健康者受感染变为病人.试建立描述()t i 变化的数学模型.解： ()()1=+t i t s ()()N N t i N t s =+∴由假设2知，每个病人每天可使()t s λ个健康者变为病人，又由于病人数为()t i N ，∴每天共有()()t i N t s λ个健康人被感染.于是i s N λ就是病人数i N 的增加率，即有i s N dt di Nλ=………………………………………………(1) i s dtdi λ=∴ 而1=+i s .又记初始时刻(0=t )病人的比例为0i ，则()()⎪⎩⎪⎨⎧=-=001i i i i dt di λ 这就是Logistic 模型，其解为 ()t e i t i λ-⎪⎪⎭⎫ ⎝⎛-+=1111［结果分析］作出()t t i ~和i dt di ~的图形如下：1. 当21=i 时，dt di 取到最大值m dt di ⎪⎭⎫ ⎝⎛，此时刻为⎪⎪⎭⎫ ⎝⎛-=-11ln 01i t m λ2. 当∞→t 时，1→i 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μ，称为日治愈率.病人治愈后成为易感染者（健康人）.显然μ1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i N i Ns dtdi N μλ-= 于是 ()()⎪⎩⎪⎨⎧=--=001i i i i i dt di μλ解得()()⎪⎪⎩⎪⎪⎨⎧⎪⎪⎭⎫ ⎝⎛+≠⎥⎦⎤⎢⎣⎡⎪⎪⎭⎫ ⎝⎛--+-=--- ＝ －μλλμλμλλμλλμλ,1,11010i t e i t i t ［结果分析］1. 令μλσ=. 注意到λ和μ1的含义，可知σ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.()⎪⎩⎪⎨⎧-=∞ 011σi 11≤>σσ1-2. 接触数1=σ是一个阈值.当1≤σ时，病人比例()t i 越来越小，最终趋于零.当1>σ时，()t i 的增减性取决于0i 的大小，其极限值()σ11-=∞i .3. SI 模型是SIS 模型中0=μ的情形. 三. SIR 模 型大多数传染病如天花、流感、肝炎、麻疹等治愈后均有很强的免疫力，所以病愈的人既非健康者,也非病人,他们已经退出传染系统，此时模型的假设为1.人群分为健康者、病人和病愈免疫的移出者三类，称为SIR 模型.三类人在总人数N 中占的比例分别记作()i s 、()t i 和()t r .1. 病人的日接解率为λ，日治愈率为μ（与SIS 模型相同），传染期接触数为μλσ＝.解：由假设1，有()()()1=++t r t i t s 0=++∴dtdr dt di dt ds 由假设2，得i N dt dr N μ= N i N i s dt di N μλ-= ⎪⎪⎩⎪⎪⎨⎧-==∴i i s dtdi i dt dr μλμ 又设()()()00,0,000===r i i s s 于是()()⎪⎪⎪⎩⎪⎪⎪⎨⎧==-=-=00s 0s ,0i i i s dt ds ii s dt di λμλ (2)我们在相平面上来讨论解的性质.相轨线的定义域为(){}1s ,0,0s ,s ≤+≥≥=i i i D 由(2)式消去dt ，得⎪⎩⎪⎨⎧=-==0s s 01s 1s i i d di σ 这里 μλσ= 解得()000s s ln 1s -i s σ++=i ………………………………………(3) 在定义域D 内，(3)式表示的曲线即为相轨线..。
传染病感染数学模型论文---精品管理资料
传染病感染问题研究一、 摘要:面对严重影响人类生活甚至生存的传染病感染问题，越来越多的人意识到研究其传染的严峻性和重要性。
许多学者和专家都投入了巨大的精力花费了许多时间来研究各种传染病的传播规律和预防手段,目的就是争取将其对人类的损害降到最低.利用数学模型，建立适当的假设然后对传染病感染问题进行适模拟然后进行研究,找出适当的预防手段是目前研究传染病传播比较流行的做法。
诚然对于现实的复杂和不可预测性我们在建立模型时是无法进行完整的模拟，只能对现实进行适当合理的假设。
因此本文就是就是在对传染病感染进行简单假设(孤岛疾病问题)的基础上对传染病感染问题进行数学建模并根据给出数据验证建模的准确性，分析模型的优缺点并给出改进方案。
二、 关键词：传染病 数学模型 微积分三、 引言:在人类生活中,一直受到各种传染病的困扰，造成各种影响范围巨大人数众多的死亡事件,如十四世纪四十年代肆虐欧洲的“黑死病”，共造成了全世界大约7500万人死亡，其中2500万为欧洲人约占欧洲总人口的三分之一,期间让整个欧洲出现了许多“空城"“死城”影响巨大。
虽然随着医学的进步，诸如霍乱、天花等曾肆虐全球的疾病已经得到了有效的控制，但是一些全新的,不断变异升级的传染病却不间断的向人类袭来,如二十世纪八十年代开始迅速传播艾滋病;以及2003年席卷全球肆虐整个中国的“非典型肺炎（SARS ）"和此后陆续出现的疯牛病、禽流感和猪流感都给人们的生活和生命带来极大的危害和困扰.长期以来，建立传统的传染病模型，模拟和描述传染病的传播过程，解释传播规律，分析受感染人群以及人数的变化规律，探索抑制和制止传染病传播和蔓延手段等,都是世界各国政府和专家学者们关注的课题之一。
研究传染病模型不可能通过实验获得数据，而且从医疗部门和卫生组织得到资料也是十分有限的，而且这些资料绝大多数是不完全和不充分的，同时由于不同的传染病传播的过程方式传染源各有不同，所以，我们只能按照一般的机理建立简单的模型。
传染病模型数学建模论文
甲型H1N1流感传播模型研究摘要本文采用了SIR模型对的甲型h1n1流感病毒的传播规律进行了研究和预测，文章收集了美国地区的甲流实验室确认病例数量的数据，对模型进行了验证，并提出了如何降低流感在人群中发病率的俩种可靠方法。
一、问题重述近年来由墨西哥发端的甲型h1n1型流感（又称猪流感）正成为人们关注的焦点，通过相关网站获得数据，建立一个模型对甲型h1n1流感的走势进行预测。
二、问题分析甲型h1n1流感的传播是一道传染病问题。
在数学建模领域已经有很多关于这方面的研究，其中SIR模型是比较完整的模型。
SIR模型通过建立微分方程组，按照一般的传播机理建立集中模型。
本文选取美国地区的甲流实验室确认病例数量，建立SIR模型，对甲型h1n1流感的传播规律进行预测。
美国甲型H1N1流感实验室确认病例数量：三、建立模型（一）、不考虑潜伏期的数学模型1、模型假设（1）、在甲型H1N1流感传播期内，美国境内的总人数为N亿不变，既不考虑生死，也不考虑迁移，人群分为易感染者S ，发病人群I 和退出人群R(括死亡者和治愈者)四类，时刻t 内这三类人在总人数中所占比例分别为s(t)、i(t)、r(t)。
（2）、i(t)关于时间的增长率与s(t)成正比，比例常数为λ。
病人的数量减少速度与当时的病人总人数成正比，比例常数为ν。
治愈的病人具有了免疫力，即治愈后不再会成为二次患者。
（3）、s(t)、r(t)、i(t)之和是一个常数1。
2、模型构成易感者和发病者有效接触后成为发病者者。
设每个发病者平均每天有效接触的易感者数为()S t λ，()NI t 个发病者平均每天能使()()S t NI t λ个易感者成为病毒潜伏者。
所以有：()()()dS t S t I t dtλ=- （1） 单位时间内退出者的变化等于发病人群的减少，即()()dR t I t dtν= （2） 发病人群的变化等于易感人群转入的数量，即()()()()dI t S t I t I t dtλν=- （3） 记初始时刻的健康者和病人的比例分别为0S 、0R （不妨设0R =0）。
传染病的传播及控制分析数学建模
传染病的传播及控制分析摘要为进一步探索传染病的传播和流行规律及其与防治措施的关系，本文通过建立传染病的传播模型，了解传染病的扩散传播规律，为预测和控制传染病提供可靠、足够的信息。
本文针对该问题建立了SEIR微分方程模型，对病毒的传播过程进行了模拟分析，得出了患者人数随时间的变化规律。
我们将人群分为五类：患者、疑似患者、正常人、治愈者和死亡者。
前三者作为传染系统。
我们认为治愈者获得终身免疫，和死亡者一样移出传染系统，即后两者合并为移出者。
本模型将病毒的传染与扩散分为两个部分：控制前和控制后。
在控制前，相当于没有对病毒扩散做任何限制，患者数量短时间内大量增长，并以死亡的形式退出传染系统；在控制后，由于对潜伏者进行了一定强度的隔离，与此同时，确诊患者得到有效的治疗，使得传染源数量减少，患者平均每天接触的人数减少，治愈者增多，并作为主要的移出者移出传染系统。
在模型建立的基础上，通过Matlab软件拟合出患者人数随时间变化的曲线关系图，得到如下结果：控制前，患者人数呈指数增长趋势；控制后，在p=0.4时，患者人数大致在7天时到达最大值，在25天时基本没有患者；在p=0.3时，患者人数大概在第8天到达最大值186383，大概在28天之后基本没有患者；在p=0.6时，大概在第5天患者人数到达峰值为47391，在21天时基本没有患者。
综上分析，对隔离强度的处理是控制传染病的一个重要手段。
针对所得结果，对H7N9的传播控制时提出了医院、政府和个人应有的一些控制措施。
关键词：隔离强度潜伏期SEIR模型一、问题重述：2013年中，H7N9是网上的热点，尤其是其高致死率，引起了人们的恐慌，最近又有研究显示，H7N9有变异的可能。
假设已知有一种未知的现病毒[1]潜伏期为a:a天，患病者的治愈时间为a天，假设该病毒可以通过人与人之间的直接接123触进行传播，患者每天接触的人数为r，因接触被感染的概率为λ(λ为感染率)。
为了控制疾病的传播与扩散，将人群分成五类，患者、疑似患者、治愈者、死亡者、正常人。
数学建模传染病模型
传染病的传播摘要：本文先根据材料提供的数据建立了指数模型，并且全面地评价了该模型的合理性与实用性。
而后对模型与数据做了较为扼要地分析了指数模型的不妥之处。
并在对问题进行较为全面评价的基础上引入更为全面合理的假设和建立系统分析模型。
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结合MATLAB 编程(程序在附件二)拟合出与实际较为符合的曲线并进行了疫情预测。
同时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以及指出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，这样做的困难本文的最后，通过本次建模过程中的切身体会，说明建立如SARS 预测模型之类的传染病预测模型的重要意义。
关键词：微分方程 SARS 数学模型 感染率1问题的重述SARS （Severe Acute Respiratory Syndrome ，严重急性呼吸道综合症, 俗称：非典型肺炎）是21世纪第一个在世界范围内传播的传染病。
SARS 的爆发和蔓延给我国的经济发展和人民生活带来了很大影响，我们从中得到了许多重要的经验和教训，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的重要性。
请你们对SARS 的传播建立数学模型，具体要求如下：1)建立传染病传播的指数模型，评价其合理性和实用性。
2)建立你们自己的模型，说明为什么优于指数模型；特别要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、足够的信息的模型，这样做的困难在哪里？对于卫生部门所采取的措施做出评论，如：提前或延后5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。
附件1提供的数据供参考。
3)说明建立传染病数学模型的重要性。
2 定义与符号说明N …………………………………表示为SARS 病人的总数；K （感染率）……………………表示为平均每天每人的传染他人的人数；L …………………………………表示为每个病人可能传染他人的天数；dt dN(t)………………………… 表示为每天（单位时间）发病人数；N(t)-N(t-L)………………………表示可传染他人的病人的总数减去失去传染能力的病人数；t …………………………………表示时间；R 2………………………………表示拟合的均方差； 3 建立传染病传播的指数模型3.1模型假设1) 该疫情有很强的传播性，病人（带菌者）通过接触（空气，食物，……）将病菌传播给健康者。
传染病数学建模论文
甲型H1N1流感传播模型研究摘要本文采用了SIR模型对的甲型h1n1流感病毒的传播规律进行了研究和预测，文章收集了美国地区的甲流实验室确认病例数量的数据，对模型进行了验证，并提出了如何降低流感在人群中发病率的俩种可靠方法。
一、问题重述近年来由墨西哥发端的甲型h1n1型流感（又称猪流感）正成为人们关注的焦点，通过相关网站获得数据，建立一个模型对甲型h1n1流感的走势进行预测。
二、问题分析甲型h1n1流感的传播是一道传染病问题。
在数学建模领域已经有很多关于这方面的研究，其中SIR模型是比较完整的模型。
SIR模型通过建立微分方程组，按照一般的传播机理建立集中模型。
本文选取美国地区的甲流实验室确认病例数量，建立SIR模型，对甲型h1n1流感的传播规律进行预测。
美国甲型H1N1流感实验室确认病例数量：三、建立模型（一）、不考虑潜伏期的数学模型1、模型假设（1）、在甲型H1N1流感传播期内，美国境内的总人数为N 亿不变，既不考虑生死，也不考虑迁移，人群分为易感染者S ，发病人群I 和退出人群R(括死亡者和治愈者)四类，时刻t 内这三类人在总人数中所占比例分别为s(t)、i(t)、r(t)。
（2）、i(t)关于时间的增长率与s(t)成正比，比例常数为λ。
病人的数量减少速度与当时的病人总人数成正比，比例常数为ν。
治愈的病人具有了免疫力，即治愈后不再会成为二次患者。
（3）、s(t)、r(t)、i(t)之和是一个常数1。
2、模型构成易感者和发病者有效接触后成为发病者者。
设每个发病者平均每天有效接触的易感者数为()S t λ，()NI t 个发病者平均每天能使()()S t NI t λ个易感者成为病毒潜伏者。
所以有：()()()dS t S t I t dtλ=- （1） 单位时间内退出者的变化等于发病人群的减少，即()()dR t I t dtν= （2） 发病人群的变化等于易感人群转入的数量，即()()()()dI t S t I t I t dtλν=- （3） 记初始时刻的健康者和病人的比例分别为0S 、0R （不妨设0R =0）。
微积分方法建模12传染病模型--数学建模案例分析
§12 传染病模型建立传染病模型的目的是描述传染过程、分析受感染人数的变化规律、预报高潮期到来的时间等等。
为简单起见假定，传播期间内所观察地区人数N 不变，不计生死迁移，时间以天为计量单位。
模型（一）（SI 模型） 模型假设1、人群分为健康者和病人，在时刻t 这两类人中所占比例分别为)(t s 和)(t i ，即1)()(=+t i t s 。
2、平均每个病人每天有效接触人数是常数λ，即每个病人平均每天使)(t s λ个健康者受感染变为病人，λ称为日接触率。
模型建立与求解据假设，在时刻t ，每个病人每天可使)(t s λ个健康者变成病人，病人数为)(t Ni ，故每天共有)()(t i t Ns λ个健康者被感染，即Nsi dtdiNλ= 又由假设1和设0=t 时的比例0i ，则得到模型⎪⎩⎪⎨⎧=-=0)0()1(i i i i dt diλ （1）（1）的解为te i t i λ--+=)11(11)(0（2）21i m dtdi )(m 21i模型解释1、当21=i 时，dt di 达最大值，这个时刻为)11ln(01-=-i t m λ，即高潮到来时刻，λ越大，则m t 越小。
2、当∞→t 时1→i ，这即所有的人都被感染，主要是由于没有考虑病人可以治愈，只有健康者变成病人，病人不会再变成健康者的缘故。
模型（二）（SIS 模型） 在模型（一）中补充假设3、病人每天被治愈的占病人总数的比例为μ，称为日治愈率。
模型修正为⎪⎩⎪⎨⎧=--=0)0()1(i i ii i dt diμλ （t 时刻每天有μNi 病人转变成健康者） （3）（3）的解为⎪⎪⎩⎪⎪⎨⎧=+≠--+-=----μλλμλμλλμλλμλ101)(0)1(])1([)(i t e i t i t （4） 可以由（3）计算出使dt di 达最大的高潮期m t 。
（dt di 最大值m dt di )(在λμλ2-=i 时达到）。
数学建模-6.3传染病模型
~ 日接触率 1/ ~感染期
/ ~ 一个感染期内每个病人的
有效接触人数，称为接触数。
2021/3/18
6
模型3
di/dt
dii(1i)i
dt
>1
ii0
1-1/
0
1-1/ 1 i
i0
/ ddtii[i(11)]
i
>1
i0
1
di/dt < 0
i()
1
1
,
0
1
t0
t
接触数 =1 ~ 阈值
0,
P3
s 满s足 0i0s1lnss 0 0 0 s S0 1/ s0
1s
P1: s0>1/ i(t)先升后降至0 2P0221:/3/s108<1/ i(t)单调降至0
传染病蔓延 传染病不蔓延
1/ ~ 阈值
11
模型4 预防传染病蔓延的手段
传染病不蔓延的条件——s0<1/ • 提高阈值 1/ 降低 (=/)
区分易感者(健康人)和感染者(病人)
1）总人数N不变，健康 人和病人 的比例分别为 s(t ), i(t )
2）每个病人每天有效接触人数为, ~ 日
且使接触的健康人致病
接触率
N [ i( t t) i( t) ] [s ( t)N ] ( t) ti
di si
dt
s(t)i(t)1
di
2）病人的日接触率 , 日治愈率, 接触数 = /
建模 s(t) i(t) r(t) 1
需建立 i(t),s(t),r(t)的两个方程
2021/3/18
8
模型4 SIR模型 N [ i ( t t ) i ( t ) ] N ( t ) i ( t ) s t N ( t ) ti N [ s ( t t) s ( t) ] N ( t) i ( t s ) t
数学建模——传染病模型_2022年学习资料
数学模型-模型2-di-dt-=2i1-iLogistic模型-i0=。-it=-1/2-io-tm-t= ,m,dildt最大-人n--tm~传染病高潮到来时刻-t>00→i>1?-2日接触率↓→tm↑-病人可以 愈！-0①
数学模型-模型3-传染病无免疫性一病人治愈成-为健康人，健康人可再次被感染-SIS模型-增加假设-3病人每 治愈的比例为4-4~日治愈率-建模W[it+△t-it]=Wstit△t-uWit△t-di-=2i1-i-入~日接触率-dt-i0=i。-1/μ ~感染期-6-、一个感染期内每个病人的-有效接触人数，称为接触数
数学模型-模型4-传染病有免疫性—病人治愈-SIR模型-后即移出感染系统，称移出者-假设-1总人数N不变， 人、健康人和移-出者的比例分别为it,t,rt-2病人的日接触率2，日治愈率山-接触数σ =入/4-建模-s +it+rt=1-需建立it,St,rt的两个方程-00①
数学模型-模型4-SIR模型-W[it+△t-it]=2Wstit△t-uWit△t-W[st+△t-st =-2Nstit△t-di-E见si-i-=-si-dr-人Z-i0=io,s0=So,i0=0-00①
数学模型-传染病模型-问题-·描述传染病的传播过程-·分析受感染人数的变化规律-·预报传染病高潮到来的时刻 ·预防传染病蔓延的手段-·按照传播过程的一般规律，-用机理分析方法建立模型-00①
数学模型-模型1-已感染人数（病人）t-假设-每个病人每天有效接触-足以使人致病人数为入-建模-it+△t it=入it△t-di-:i-dt-it=ie"-i0-io-0t→00→i→00？-若有效接触的是病人， 必须区分已感染者（病-则不能使病人数增加-人和未感染者（健康人）
数学建模——传染病模型
数学建模——传染病模型数学建模——传染病模型关键词：数学建模，传染病模型，预测，疫情，发展一、引言传染病模型是数学建模中的一个重要领域，旨在通过数学方法描述和预测传染病的发展趋势。
通过建立传染病模型，我们可以了解疾病传播的机制，评估各种干预措施的效果，并为制定有效的防控策略提供决策支持。
二、传染病模型概述传染病模型是基于生物学、流行病学和数学理论建立的，主要考虑个体之间的接触方式和疾病传播的动态过程。
基本的传染病模型通常假设人群由易感者（Susceptible）、感染者（Infectious）和康复者（Recovered）三类组成。
通过分析这三类人群的数量变化，可以揭示疾病传播的规律。
常见的传染病模型包括 SIR 模型、SEIR 模型等。
SIR 模型假设人群分为易感者（S）、感染者（I）和康复者（R），其中感染者与易感者接触后将传染疾病，感染后将进入康复阶段。
SEIR 模型则在 SIR 模型的基础上增加了潜伏期（E），即感染者并非立即变为易感者，而是进入潜伏期，一段时间后才具有传染性。
三、建模方法与步骤1、建立数学模型：根据传染病的基本假设，列出描述疾病传播的微分方程，确定变量及其含义。
2、参数估计：根据历史数据或实验结果，估计模型中的参数值。
这些参数包括感染率、恢复率、潜伏期等。
3、模型求解：通过求解微分方程，得到易感者、感染者和康复者的数量变化情况。
4、模型检验：将模型的预测结果与实际数据进行比较，检验模型的准确性和可靠性。
四、案例分析以某个地区的流感疫情为例，通过建立 SIR 模型预测疫情的发展趋势。
首先，根据历史数据估计模型的参数值，包括感染率和恢复率等。
然后，通过求解微分方程得到易感者、感染者和康复者的数量变化情况。
根据预测结果，可以评估各种干预措施的效果，如隔离、疫苗接种等。
通过比较预测结果与实际数据的差异，可以不断修正和完善模型，提高预测精度。
五、结论传染病模型是数学建模中的一个重要领域，通过建立数学模型描述和预测传染病的发展趋势。
大学生数学建模有关传染病论文
2013上学期数学论姓名：杨丽香、涂蓉学号：（02）、（04）学院：湖南信息职业技术学院专业：计算机网络****:***2013 年06月06日邮箱：***************传染病一、摘要:描述传染病的传播过程，分析受感染人数的变化规律，预报传染病高潮到来的时刻，预防传染病蔓延的手段，按照传播过程和一般规律，建立模型。
利用了数学、力学、物理等学科中的定理来建立微分方程模型。
利用已知的定理与规律寻找微元之间的关系式，与第一种方法不同的是对微元而不是直接对函数及其导数应用规律。
在我们的实际问题中，许多现象的规律性并不是很清楚，如果有所了解也是极其复杂的，建模时在不同的假设中去模拟实际的现象，建立能近似反映问题的微积分方程，然后从数学上去求解或分析所建的方程及其解的性质，再去与实际情况相对比，检验此模型能否刻画模拟了某些实际现象。
二、问题重述问题: 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、假设环境条件下所允许的最大可感染人数为。
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、现有卫生防疫部门采集到的某地区一定时间内一定间隔区间的感染人数数据（见下表），利用该数据确定上述两个模型中的相关参数，并将它们的预测值与实际数据进行比较分析（计算仿真偏差）并对两个模型进行适当的评价。
（注：该问题中，设最大可感染人数为2000人）4、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。
传染病数学模型
传染病数学模型传染病是一种严重的公共卫生问题，它可以通过空气、水和食物等媒介传播，对人类社会造成极大的危害。
为了有效地控制传染病的传播，需要对传染病进行数学建模，以便更好地预测和控制其传播。
一、引言传染病数学模型是一种利用数学工具来模拟传染病的传播和扩散的模型。
通过建立数学模型，可以对传染病的传播过程进行模拟和分析，预测其未来的发展趋势，为制定有效的防控措施提供科学依据。
二、传染病数学模型的建立1、确定模型的基本假设和参数建立传染病数学模型需要先确定模型的基本假设和参数。
这些假设和参数包括：传染病的传播途径、潜伏期、感染期、易感人群的数量、人口的流动等。
2、建立数学方程基于上述假设和参数，可以建立传染病传播的数学方程。
常用的方程包括：SIR（易感者-感染者-康复者）模型、SEIR（易感者-暴露者-感染者-康复者）模型、SEIRD（易感者-暴露者-感染者-康复者-死亡者）模型等。
这些模型可以描述传染病的传播过程，并预测其未来的发展趋势。
三、传染病数学模型的应用1、预测和控制传染病的传播通过建立数学模型，可以对传染病的传播过程进行模拟和分析，预测其未来的发展趋势，为制定有效的防控措施提供科学依据。
例如，通过模拟不同防控措施的效果，可以找到最有效的防控策略，减少传染病的传播。
2、评估疫苗接种的效果通过建立数学模型，可以评估疫苗接种的效果。
例如，通过比较接种疫苗和不接种疫苗的传播情况，可以得出疫苗接种对控制传染病传播的作用。
四、结论传染病数学模型是一种有效的工具，可以帮助我们更好地理解和控制传染病的传播。
通过建立数学模型，可以对传染病的传播过程进行模拟和分析，预测其未来的发展趋势，为制定有效的防控措施提供科学依据。
通过评估疫苗接种的效果，可以为制定合理的疫苗接种策略提供支持。
标题：数学模型在数学论文指导传染病模型1中的应用在当今世界，传染病的爆发和传播已经成为全球面临的共同挑战。
为了有效控制疾病的传播，我们需要对传染病模型进行深入研究。
传染病模型数学建模论文
甲型H1N1流感传播模型研究摘要本文采用了SIR模型对的甲型h1n1流感病毒的传播规律进行了研究和预测，文章收集了美国地区的甲流实验室确认病例数量的数据，对模型进行了验证，并提出了如何降低流感在人群中发病率的俩种可靠方法。
一、问题重述近年来由墨西哥发端的甲型h1n1型流感（又称猪流感）正成为人们关注的焦点，通过相关网站获得数据，建立一个模型对甲型h1n1流感的走势进行预测。
二、问题分析甲型h1n1流感的传播是一道传染病问题。
在数学建模领域已经有很多关于这方面的研究，其中SIR模型是比较完整的模型。
SIR模型通过建立微分方程组，按照一般的传播机理建立集中模型。
本文选取美国地区的甲流实验室确认病例数量，建立SIR模型，对甲型h1n1流感的传播规律进行预测。
美国甲型H1N1流感实验室确认病例数量：三、建立模型（一）、不考虑潜伏期的数学模型1、模型假设（1）、在甲型H1N1流感传播期内，美国境内的总人数为N亿不变，既不考虑生死，也不考虑迁移，人群分为易感染者S，发病人群I和退出人群R(括死亡者和治愈者)四类，时刻t内这三类人在总人数中所占比例分别为s(t)、i(t)、r(t)。
（2）、i(t)关于时间的增长率与s(t)成正比，比例常数为λ。
病人的数量减少速度与当时的病人总人数成正比，比例常数为ν。
治愈的病人具有了免疫力，即治愈后不再会成为二次患者。
（3）、s(t)、r(t)、i(t)之和是一个常数1。
2、模型构成易感者和发病者有效接触后成为发病者者。
设每个发病者平均每天有效接触的易感者数为()S t λ，()NI t 个发病者平均每天能使()()S t NI t λ个易感者成为病毒潜伏者。
所以有：()()()dS t S t I t dtλ=- （1） 单位时间内退出者的变化等于发病人群的减少，即()()dR t I t dtν= （2） 发病人群的变化等于易感人群转入的数量，即()()()()dI t S t I t I t dtλν=- （3） 记初始时刻的健康者和病人的比例分别为0S 、0R （不妨设0R =0）。
数学建模实验(传染病模型)
实验二：传染病模型1、SI 模型的建立基于以下三个假设，求出平衡点，给出参数，图示模型曲线。
（1）不考虑人口的出生、死亡、流动等种群动力因素。
人口始终保持一个常数，即()K t N ≡。
（2）一个病人一旦与易感者接触就必然具有一定的传染力。
假设t 时刻单位时间内，一个病人能传染的易感者数目与此环境内易感者总数()t S 成正比，比例系数为β，从而在t 时刻单位时间内被所有病人传染的人数为()()t I t S β。
2、SIS 模型的建立基于以下三个假设，求出平衡点，给出参数，图示模型曲线。
（1）不考虑人口的出生、死亡、流动等种群动力因素。
人口始终保持一个常数。
即()K t N ≡。
（2）一个病人一旦与易感者接触就必然具有一定的传染力。
假设t 时刻单位时间内，一个病人能传染的易感者数目与此环境内易感者总数()t S 成正比，比例系数为β，从而在t 时刻单位时间内被所有病人传染的人数为()()t I t S β。
（3）t 时刻，单位时间内从染病者中治愈的人与病人数量成正比，比例系数为γ，单位时间内治愈的人不具有免疫，将再成为易感者。
3、SIR 模型的建立基于以下三个假设，求出平衡点、给出参数、图示模型曲线。
（1）不考虑人口的出生、死亡、流动等种群动力因素。
人口始终保持一个常数，即()K t N ≡。
（2）一个病人一旦与易感者接触就必然具有一定的传染力。
假设t 时刻单位时间内，一个病人能传染的易感者数目与此环境内易感者总数()t S 成正比，比例系数为β，从而在t 时刻单位时间内被所有病人传染的人数为()()t I t S β。
（3）t 时刻，单位时间内从传染者中移出的人数与病人数量成正比，比例系数为γ，单位时间内移出者的数量为γ)(t I 。
求解过程1、SI 模型：由题目条件假设可以得到微分方程：K()()dIK S t I t dtβ=，又因为()()1S t I t +=， 令初始时刻病人的比例为0I ，则有：0()(1()),(0)dII t I t I I dtβ=-= %求平衡点,r 为有效传染率,x 病人比例 syms r xsolve('r*x*(1-x)','x') ans = 0 1 %方程求解syms i r t dsolve('Di=r*i*(1-i)','i(0)=i0','t')ans =1/(1-exp(-r*t)*(-1+i0)/i0) %绘制图形r=0.5,i0=0.01 fplot('1/(1-exp(-r*t)*(-1+i0)/i0)',[0,40]) fplot('1/(1-exp(-0.5*t)*(-1+0.01)/0.01)',[0,40]) function di=isf(t,i)di=0.5*i*(1-i); [t,i]=ode45(@isf,[0 40],[0.01]);plot(t,i)t ♓i♎♓ ♎♦图示4 SI 模型的i~t 曲线 图示5 SI 模型的di/dt~i 曲线2、SIS 模型 根据SI 模型及增加的假设条件，可得：)()()(t KI t I t KS dtdiKγβ-=，即： 0)0(),())(1)((I I t I t I t I dtdi=--=γβ 记 γβσ=， 则方程改写为 )]1([σβ---=i i i dt di%求解方程syms r b i t % b 为有效传染率,r 为治愈率dsolve('Di=b*i*(1-i)-r*i','i(0)=i0','t')ans =(b-r)/(b-exp(-(b-r)*t)*(-b+r+i0*b)/i0/(b-r)*b+exp(-(b-r)*t)*(-b+r +i0*b)/i0/(b-r)*r)%求平衡点syms x %(b=0.5,r=0.2)solve('0.5*x*(1-x)-0.2*x; ')ans =0..60000000000000000000000000000000%绘制图形function di=sisf(t,i)di=0.5*i*(1-i)-0.2*i;[t,i]=ode45(@sisf,[0 40],[0.01]);plot(t,i)t♓t ♓图示6 SIS 模型的i~t 曲线（σ>1） 图示7 SIS 模型的i~t 曲线（σ≤1）fplot('-0.5*x*[x-(1-1/20)]',[0,1]) fplot('-0.5*x*[x-(1-2)]',[ 0,1])i♎♓ ♎♦i♎♓ ♎♦图示8SIS 模型的di/dt~i 曲线（σ>1） 图示9SIS 模型的di/dt~i 曲线（σ≤1） 3、 SIR 模型模型的方程为{00()()(),(0)()(),(0)dIS t I t I t I I dtdSS t I t S S dtβγβ=-==-=function dx=sirf(t,x)dx=zeros(2,1);dx(1)=0.5*x(1)*x(2)-0.2*x(1); %x(1)表示i,x(2)表示s dx(2)=-0.5*x(1)*x(2);[t,x]=ode45(@sirf,[0 50],[0.01 0.99]);plot(t,x(:,1),t,x(:,2)),grid,pauseplot(x(:,2),x(:,1)),grid00.20.40.60.81s图示10 SIR模型的图形)(),(tStI图示11 SIR模型的相轨线备注：由于Matlab与Word连接不好，所绘制的图形上标的字符在Word中看不清楚。
(6数学建模)传染病模型
3.传染者的恢复数正比于传染者的数量NI，比例系 数ν称为恢复率，则平均传染周期为1／ν。若考虑 死亡，则平均传染周期为1／（μ＋ν）。 σ＝λ／（μ＋ν)为一个传染者在其传染周期
内与其他成员的接触总数，称为接触数。
二、SIS模型
SIS模型是最简单的传染模型，人群只分成两类， S类和I类。人员的流动形式：S→I→S，如图
简化可得SIRS模型 S I (t ) SI S
I SI I I R I R I (t ) S I R 1 S 0 0, I 0 0, R0 0
下图显示模型的理论曲线与实际数据
（四）接触数σ的估计
已经看到，在SIS及SIR模型中，传染病是否流行与接 触数σ直接有关，因而有必要估计这个参数。 一般地，初始传染者数量很小，可近似取 I 0 ， 0 故1 R0 S 0 ，则可得
ln( S 0 S ) ( S0 S )
传 染 病 模 型
朱建青 （苏州科技学院信息与计算科学系）
传染病模型
一、记号与假设 二、SIS模型 三、不考虑出生和死亡的SIR模型 四、考虑出生和死亡的SIR模型 五、SEIR模型 六、SIRS模型
一、记号与假设
首先把人群分成以下三类。 S类：易感类（Susceptible） 指未得病，但缺乏免疫，与患病者接触后易受感染。 I类：传染类（Infective） 指已染上传染病，且可能传给S类成员。 R类：排除类（Removal） 指从I类中被隔离或具有免疫力。 S（t）、I（t)、R（t）分别表示t时刻S类、I类、 R类成员占人口总数的比例，故 S（t）＋I（t）＋R（t）＝1。
称为潜伏期，记为
把处于潜伏期内的成员的全体记为E类，用E(t)
数学建模论文-传染病模型)
传染病模型摘要“传染病的传播过程”数学模型是通过控制已感染人群来实现的。
利用隔离等手段来保护未被感染的人群，减少其对健康人群的危害。
由于传染病具有研究新型病例有着重要的意义，利用数学知识联系实际问题，作出相应的解答和处理。
问题一：描述传染病的传播过程，将分析受感染人数的变化规律，预报传染病高潮到来的时刻，在传染病过程中，建立传染病影响健康人的数学模型。
问题二，在区分健康人群和已经感染人群的情况下，要建立适合总人数不变，区分已经感染的人群和的数学模型，必须在问题一的条件下作出合理假设，同时得出该模型，最后结合已知数据可算出每个已感染人群每天接触健康人群的函数和数学模型。
问题三，传染病无免疫性——病人治愈成为健康人，健康人可再次被感染，问题三加入健康人可以再次感染，一个感染期内每个病人的有效接触人数，称为接触数。
一种疾病的传播过程是一种非常复杂的过程，它受很多社会因素的制约和影响，如传染病人的多少，易受传染者的多少，传染率的大小，排除率的大小，人口的出生和死亡，还有人员的迁入和迁出，潜伏期的长短，预防疾病的宣传以及人的个体差异等。
如何建立一个与实际比较吻合的数学模型，开始显然不能将所有因素都考虑进去。
为此，必须从诸多因素中，抓住主要因素，去掉次要因素。
先把问题简化，建立相应的数学模型。
将所得结果与实际比较，找出问题，修改原有假设，再建立一个与实际比较吻合的模型。
从而使模型逐步完善。
下面是一个由简单到复杂的建模过程，很有代表性，读者应从中体会这一建模过程的方法和思路。
一．问题的提出描述传染病的传播过程，将分析受感染人数的变化规律，预报传染病高潮到来的时刻，在传染病过程中，建立传染病影响健康人的数学模型。
问题二，在区分健康人群和已经感染人群的情况下，要建立适合总人数不变，区分已经感染的人群和的数学模型，必须在问题一的条件下作出合理假设，同时得出该模型，最后结合已知数据可算出每个已感染人群每天接触健康人群的函数和数学模型。
数学建模传染病模型
常直数至，从此而疾可病以解在释该医地生们s区(t发)消现s失的oe现。1 象r (t )。
k
鉴于在本模型中的r作(t)用 n，1被 i(t) s(t)
infective
医为生揭们示称产为生此上疾述病现在象该的地原区因（3.18）中
的 较第大其的么的（的中阀此所常1值疾有）数。 病 人式通。没。改常kl的有写是引波成一入及：个解到与dd释ti该疾了地k病为i(区种s什类 )有关的
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
dt
li
(2)
（3.18）
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
（3.15）
解得： 其中：
i(t)
co
n
co (n 1)ek(n1)t
1 io
coek
(n1)t
1 io
（3.17）
统计结果显示，(3.17)预报结果比(3.15)更
接近实际情况。医学上称曲线 为t ~传d此i 染值与病传曲染病的实际高峰期非常
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
传染病模型摘要“传染病的传播过程”数学模型是通过控制已感染人群来实现的。
利用隔离等手段来保护未被感染的人群，减少其对健康人群的危害。
由于传染病具有研究新型病例有着重要的意义，利用数学知识联系实际问题，作出相应的解答和处理。
问题一：描述传染病的传播过程，将分析受感染人数的变化规律，预报传染病高潮到来的时刻，在传染病过程中，建立传染病影响健康人的数学模型。
问题二，在区分健康人群和已经感染人群的情况下，要建立适合总人数不变，区分已经感染的人群和的数学模型，必须在问题一的条件下作出合理假设，同时得出该模型，最后结合已知数据可算出每个已感染人群每天接触健康人群的函数和数学模型。
问题三，传染病无免疫性——病人治愈成为健康人，健康人可再次被感染，问题三加入健康人可以再次感染，一个感染期内每个病人的有效接触人数，称为接触数。
一种疾病的传播过程是一种非常复杂的过程，它受很多社会因素的制约和影响，如传染病人的多少，易受传染者的多少，传染率的大小，排除率的大小，人口的出生和死亡，还有人员的迁入和迁出，潜伏期的长短，预防疾病的宣传以及人的个体差异等。
如何建立一个与实际比较吻合的数学模型，开始显然不能将所有因素都考虑进去。
为此，必须从诸多因素中，抓住主要因素，去掉次要因素。
先把问题简化，建立相应的数学模型。
将所得结果与实际比较，找出问题，修改原有假设，再建立一个与实际比较吻合的模型。
从而使模型逐步完善。
下面是一个由简单到复杂的建模过程，很有代表性，读者应从中体会这一建模过程的方法和思路。
一．问题的提出描述传染病的传播过程，将分析受感染人数的变化规律，预报传染病高潮到来的时刻，在传染病过程中，建立传染病影响健康人的数学模型。
问题二，在区分健康人群和已经感染人群的情况下，要建立适合总人数不变，区分已经感染的人群和的数学模型，必须在问题一的条件下作出合理假设，同时得出该模型，最后结合已知数据可算出每个已感染人群每天接触健康人群的函数和数学模型。
问题三，传染病无免疫性——病人治愈成为健康人，健康人可再次被感染，问题三加入健康人可以再次感染，一个感染期内每个病人的有效接触人数，称为接触数。
二．问题的分析2.1 问题分析描述传染病的传播过程，将分析受感染人数的变化规律，预报传染病高潮到来的时刻，在传染病过程中，建立传染病影响健康人的数学模型。
2.2模型分工三．建模过程3.1问题一3.11.模型假设：(1) 每个病人在单位时间内传染的人数是常数k ；(2) 一个人得病后经久不愈，并在传染期内不会死亡。
3.12.定义符号说明：i(t)表示t 时刻的病人数，0k 表示每个病人单位时间内传染的人数，i(0)= 0i 表示最初时有0i 个传染病人。
3.13模型建立与求解：在t ∆时间内增加的病人数为()()()0it t i t k i t t +∆-=∆； 两边除以t ∆，并令t ∆→0得微分方程()()()000di t k i t dt i i ⎧=⎪⎨⎪=⎩………… （3.1） 其解为 ()00k ti t i e =。
这表明传染病的转播是按指数函数增加的。
这结果与传染病传播初期比较吻合，传染病传播初期，传播很快，被传染人数按指数函数增长。
但由(2.1)的解可知，当t →∞时，i(t)→∞，这显然不符合实际情况。
最多所有的人都传染上就是了。
那么问题在那里呢？问题是就出在于两条假设对时间较长时不合理。
特别是假设(1)，每个病人单位时间内传染的人数是常数与实际情况不符。
因为随着时间的推移，病人越来越多，而未被传染的人数却越来越少，因而不同时期的传播情况是不同的。
为了与实际情况较吻合，我们在原有的基础上修改假设建立新的模型。
3.2问题二3.21.基本假设：问题二，在区分健康人群和已经感染人群的情况下，要建立适合总人数不变，区分已经感染的人群和的数学模型，必须在问题一的条件下作出合理假设，同时得出该模型，最后结合已知数据可算出每个已感染人群每天接触健康人群的函数和数学模型。
3.22.定义符号说明：将人群分成两类：一类为传染病人，另一类为未被传染的人，分别用i(t)和s(t)表示t 时刻这两类人的人数。
i (0)= 0i 。
3.23模型建立与求解：假设：(1) 每个病人单位时间内传染的人数与这时未被传染的人数成正比。
即()0k ks t =；(2) 一人得病后，经久不愈，并在传染期内不会死亡。
由以上假设可得微分方程()()()()()()0di t ks t i t dt s t i t n i i⎧=⎪⎪⎪+=⎨⎪=⎪⎪⎩………… (3.2)这是变量分离方程，用分离变量法可求得其解为()011kntn it n e i =⎛⎫+- ⎪⎝⎭………… (3.3) 其图形如下图3-1所示图3.1模型 (3.2) 可以用来预报传染较快的疾病前期传染病高峰到来的时询。
医学上称di t dt-为传染病曲线，它表示传染病人的增加率与时间的关系，如图3-2所示。
由 (3.3)式可得2020111knt knt n kn e i di dt n e i --⎛⎫- ⎪⎝⎭=⎡⎤⎛⎫+-⎢⎥ ⎪⎝⎭⎣⎦ ………… （3.4)再求二阶导数()22d i t dt ，并令()220d i t dt =，可解得极大点为 01ln 1n i t kn⎛⎫- ⎪⎝⎭= ………… (3.5) 从 (3.5) 式可以看出，当传染病强度k 或人口总数n 增加时，1t 都将变小，即传染病高峰来得快。
这与实际情况吻合。
同时，如果知道了传染率k(k 由统计数据得到)，即可预报传染病高峰1t 到来的时间，这对于预防传染病是有益处的。
模型 (3.2) 的缺点是：当t →∞时，由(3.3)式可知i(t)→n ，即最后人人都要得病。
这显然与实袜情况不符。
造成这个结果的原因是假设 (2) 中假设一人得病后经久不愈，也不会死亡。
为了得到与实际情况更吻合的模型，必须修改假设 (2) 。
实际上不是每个人得病后都会传染别人，因为其中一部份会被隔离，还有由于医治和人的身抵抗力会痊愈，有的人会死亡从而也就不再会传染给别人了。
因此必须对模型作进一步的修改，建立新的模型。
3.3问题三3.31.基本假设：传染病无免疫性（SIS 模型）——病人治愈成为健康人，健康人可再次被感染，问题三加入健康人可以再次感染，一个感染期内每个病人的有效接触人数，称为接触数。
3.32.定义符号说明：已感染人数 (病人) i (t )3.33 模型建立与求解：（1）模型建立的建立如下：t t Ni t t i t Ns t i t t i N ∆-∆=-∆+)()()()]()([μλμλσ/=（2）模型的求解过程如下： i i i dtdi μλ--=)1( ……（3.6）； …………（3.7）； 试子3.6和3.7变量分离方程，用分离变量法可求得其解为：)]11([σλ---=i i dt di其中di/dt 可看成一元二次方程中的y ，i 相当于一元二次方程中的x 。
这⎪⎩⎪⎨⎧=--=0)0()1(i i i i i dt di μλμλ σ / =样的解法便利了运算。
（3）下面的分析di/dt与的关系：其中~一个感染期内每个病人的有效接触人数，称为接触数。
在上图中我们讨论的是大于一的情况。
关系模式成抛物线有最高点；抛物线与i轴的交点1-1/为方程的驻点。
(4)分析i与时间t的关系（>1的情况）：第一种情况：随着时间t的增加，i的值一直增加但不会超过1-1/ 的值，而是无限接近。
这说明随着时间的增加，感染传染病的人数如果没有条件控制的话会一直增加。
第二种情况是：感染传染病的人数一定时，有医疗措施但没有控制条件的话，虽然人数会减少但也是无限接近一个固定的值为1-1/ 。
（5）分析i与时间t的关系（<=1的情况）：当<=1时，di/dt<0；可推出随着时间t 的增加，患传染病的人数会越来越少直到全部痊愈。
说明控制病人的有效接触人数有很重要的作用。
3.34结论 接触数 =1 ~ 阈值⎪⎩⎪⎨⎧≤>-=∞1,01,11)(σσσi 形曲线增长按S t i )(⇒小01i >σ1≤σ↓⇒)(t i由以上可得出结论： 感染期内有效接触感染的健康者人数不超过病人数。
四．模型的评价与改进随着卫生设施的改善、医疗水平的提高以及人类文明的不断发展，诸如霍乱、天花等曾经肆虐全球的传染病已经得到有效的控制，但是在世界的某些地区，特别是贫穷的发展中国家，还不时出现传染病流行的情况，与次同时，一些鲜为人知的险恶传染病则跨国越界在既包括发达国家也包括发展中国家的更大范围内蔓延。
一直以来，建立传染病的数学模型来描述传染病的传播过程，分析受感数的变化规律，预报传染病高潮的到来等等，有着重要的作用。
以最近突发性的险恶传染病——SARS为例。
从2002年11月16日在中国广东佛山市首例发生家族聚集性发病至2003年5月，疾病呈迅速蔓延趋势。
目前全世界30多个国家和地区有病例报告。
中国大陆、香港和台湾发病人数占全球的90%以上。
世界卫生组织（WHO）总干事Brundtlard博士指出，SARS已威胁到全球人类的健康。
由于目前对SARS尚无可靠的病理学诊断，所以只能根据医疗卫生部门提供的可靠数据统计资料，建立模型来描述SARS病毒的宏观传播过程，有助于从量的方面来分析受感染人数的变化趋势，掌握SARS的流行规律，从而及时对疫情进行控制，提供科学的数据，认清传染的基本要素，为防病提供必要的依据。
例如，5月8日，西安交通大学医学院紧急启动“建立非典流行趋势预测与控制策略数学模型”研究项目。
于5月19日初步完成了第一批成果，这一数学模型利用实际数据拟合参数，并对全国和北京、山西等地的疫情进行了计算仿真。
结果指出，将患者及时隔离对于抗击非典至关重要。
分析报告说，就全国而论，若非典病人延迟隔离1天，就医人数将增加1000人左右，推迟两天约增加2100人左右；若外界输入1000人中包含一个病人和一个潜伏病人，将增加患病人数100人左右；若4月21日以后，政府未采取隔离措施，则高峰期病人人数将达60万人。
同时美国《科学》杂志网站5月23日发表的两份最新研究报告显示，如果对非典采取严密的公共卫生防治措施，这种新型疾病是能够得到控制的。
而采取这种措施需要有一个预见性，这就需要人们通过模型的建立对SARS的发病周期、发病人数的变化趋势、疑似人数的变化趋势等来分析和预测。
并为政府和医疗卫生部门进行决策和资料调配提供直接的服务，为相关的研究部门提供科学的数据。
SARS作为新发传染病之一，虽有着其特殊性，但也符合一般传染病的传播规律。
从SARS对人民身体健康造成严重危害可以看出及时对传染病建立模型并进行分析和预测对人类的生命健康有着至关重要的作用。