数学建模-传染病模型PPT课件
合集下载
数学建模传染病模型ppt课件
2019 2
再设t 0时有x0有个病人,即得微分方 程
dx x , x(0) x dt
0
(1)
(2)方程(1)的解为x(源自 ) x e0t
结果表明,随着 t 的增加,病人人数 x(t) 无 限增长,这显然是不符合实际的。 建模失败的原因在于:在病人有效接 触的人群中,有健康人也有病人,而其中 只有健康人才可以被传染为病人,所以在 改进的模型中必须区别这两种人。
2019 11
2019
-
12
不难看出,接触数=1是一个阈值。
当 1时i (t )的增减性取决于 i0的大小(见图4), 1 但其极限值 i () 1 随的增加而增加 (试 从的含义给以解释 );当 1时病人比例 i (t ) 越来越小,最终趋于零 ,这是由于传染期内 经有效接触从而使健康 者变成的病人数不超 过原来病人数的缘故。
7
这时病人增加的最快,可以认为是医院 的门诊量最大的一天,预示着传染病高 潮的到来,是医疗卫生部门关注的时刻。 t m与成反比,因为日接触率表示该地区的 卫生水平, 越小卫生水平越高。所 以改善
保健设施、提高卫生水平可以推迟传染病高 潮的到来。第二,当 t 时 i 1 , 即所有 人终将被传染,全变为病人,这显然不符合 实际情况。
2019 9
不难看出,考虑到假设3,SI模型的(3) 式应修正为
di N Nsi Ni dt (8)
(4)式不变,于是(5)式应改为
di i(1 i) i , dt i(0) i0 (9)
我们不去求解方程(9)(虽然它的解 可以解析地表出),而是通过图形分析i(t) 的变化规律。定义 (10)
2019 1
不同类型传染病的传播过程有其各自 不同的特点,弄清这些特点需要相当多的 病理知识,这里不可能从医学的角度一一 分析各种传染病的传播,而只是按照一般 的传播模型机理建立几种模型。 模型1 在这个最简单的模型中,设时 刻t的病人人数x(t)是连续、可微函数, 并且每天每个病人有效 接触(足使人致病) 的人数为常数 考察 t到 t t 病人人数的 增加,就有 x(t t ) x(t ) x(t )t
再设t 0时有x0有个病人,即得微分方 程
dx x , x(0) x dt
0
(1)
(2)方程(1)的解为x(源自 ) x e0t
结果表明,随着 t 的增加,病人人数 x(t) 无 限增长,这显然是不符合实际的。 建模失败的原因在于:在病人有效接 触的人群中,有健康人也有病人,而其中 只有健康人才可以被传染为病人,所以在 改进的模型中必须区别这两种人。
2019 11
2019
-
12
不难看出,接触数=1是一个阈值。
当 1时i (t )的增减性取决于 i0的大小(见图4), 1 但其极限值 i () 1 随的增加而增加 (试 从的含义给以解释 );当 1时病人比例 i (t ) 越来越小,最终趋于零 ,这是由于传染期内 经有效接触从而使健康 者变成的病人数不超 过原来病人数的缘故。
7
这时病人增加的最快,可以认为是医院 的门诊量最大的一天,预示着传染病高 潮的到来,是医疗卫生部门关注的时刻。 t m与成反比,因为日接触率表示该地区的 卫生水平, 越小卫生水平越高。所 以改善
保健设施、提高卫生水平可以推迟传染病高 潮的到来。第二,当 t 时 i 1 , 即所有 人终将被传染,全变为病人,这显然不符合 实际情况。
2019 9
不难看出,考虑到假设3,SI模型的(3) 式应修正为
di N Nsi Ni dt (8)
(4)式不变,于是(5)式应改为
di i(1 i) i , dt i(0) i0 (9)
我们不去求解方程(9)(虽然它的解 可以解析地表出),而是通过图形分析i(t) 的变化规律。定义 (10)
2019 1
不同类型传染病的传播过程有其各自 不同的特点,弄清这些特点需要相当多的 病理知识,这里不可能从医学的角度一一 分析各种传染病的传播,而只是按照一般 的传播模型机理建立几种模型。 模型1 在这个最简单的模型中,设时 刻t的病人人数x(t)是连续、可微函数, 并且每天每个病人有效 接触(足使人致病) 的人数为常数 考察 t到 t t 病人人数的 增加,就有 x(t t ) x(t ) x(t )t
传染病模型2PPT课件
参数设置
在特定地区,人群可以分为两种
➢ 1尚未染上传染病但很可能染上传染病的易感人群,记 为s(t)
➢ 2传染病患者,记为I(t) ➢ 3设单位时间一个患者传染的患者的数目与易感人群
数目成正比,正比参数为b ➢ 设一个患者康复的平均时间为n
问题分析
由前分析可知
当 I的 导 数 为 零 时 (1- I(t))I (t ) I (t ) p=0
问题分析
鉴于p>1的情况较为多见,以下分析p>1 的情况。 从上面的图片可以看到,对不同的b值和 n值,最终患者数目趋于稳定所需时间是 不同的。
1 0.5
0 0
1 0.5
0 0
1 0.5
0 0
1
0.5
0
50
100
0
1
0.5
0
50
100
0
1
0.5
0
50
100
0
1
0.5
0
50
100
0
1
0.5
0
50
100
p。 该结果与数学分析的结果吻合
联系实际
➢ 当p>1时。意味着b值或者n值比较小,也就是说传染病 的传染性不是非常强烈,患者恢复健康的时间也比较 短,则最终传染病消失。这在生活中比较常见比如流 感。
➢ 当p<=1时,意味着b值或者n值比较大,也就是说传染 病的传染性非常可怕,以及患者恢复健康所需时间非 常长,那么,最后传染病不会消失,而会稳定在1-p的 数字。这种情况较为少见。
0
1
0.5
0
50
100
0
50
100
50
100
传染病传播模型ppt
通过模型模Байду номын сангаас,可以预测不同公共卫 生政策对疫情发展的影响,为政策制 定者提供理论支持和实践指导。
对疫情控制的实际应用
根据传染病传播模型,可以估算 疫情的传染系数和阻断系数,评 估疫情控制的难度和效果,为采
取有效防控措施提供参考。
通过模型模拟,可以针对不同疫 情情况和防疫需求,制定个性化 的防控方案,以达到最佳的防控
适用范围
不同城市模型适用于不同 的场景和情况,需要根据 具体情况选择合适的模型 进行描述和分析。
05
传染病传播模型的建议与应 用
对公共卫生政策制定的建议
根据模型预测结果,为政策制定者提 供有关疫情传播趋势和影响因素的深 入分析,有助于科学决策。
利用传染病传播模型,评估不同防控 策略的效果,为政策制定者提供量化 比较和优化选择,提高防控效果。
复合模型的不足
构建复杂,需要更多的数 据和计算资源支持
03
传染病传播模型的模拟与预 测
利用MATLAB进行模型模拟
MATLAB软件介绍
MATLAB是一种由MathWorks公司开发的数值计算软件,广泛应用于算法开发、数据可视化、数据分析等领域。
模型模拟步骤
步骤包括定义模型参数、构建微分方程、设置初始条件、进行模拟运算等。
传染病传播模型ppt
xx年xx月xx日
contents
目录
• 引言 • 传染病传播模型的建立 • 传染病传播模型的模拟与预测 • 传染病传播模型的灵敏度分析 • 传染病传播模型的建议与应用
01
引言
传染病传播模型简介
传染病传播模型是一种描述疾病传播过程的数学 模型
SIR 模型将人群分为易感者(Susceptible)、感染 者(Infectious)和康复者(Recovered)三个类别
传染病模型PPT
02
03
时间序列分析
通过对历史病例数据进行 时间序列分析,预测未来 一段时间内的病例数量。
机器学习算法
利用机器学习算法对历史 数据进行训练,预测未来 疾病的传播趋势。
贝叶斯推断
基于贝叶斯定理,利用历 史数据和先验知识,推断 未来疾病传播的概率分布 。
模拟与预测的应用场景
政策制定
通过模拟和预测,为政府和卫生部门提供决策依据, 制定有效的防控策略。
公共卫生管理
模拟和预测有助于公共卫生机构评估防控措施的效果 ,优化资源配置。
疫情预警
通过预测方法,提前预警可能的疫情爆发,为及时采 取防控措施提供时间保障。
05
传染病模型的优化与改 进
模型的改进方向
考虑更多影响因素
除了基本的传播方式,还应考虑 人口流动、环境变化、社会经济 因素等对传染病传播的影响。
概率论
传染病模型的预测结果存在不确定 性,因此需要使用概率论知识来评 估预测结果的可靠性和误差范围。
传染病模型的建立过程
数据收集
收集相关数据,包括疾病报告 数据、人口数据、地理信息等 ,用于参数估计和模型验证。
模型验证
使用历史数据对模型进行验证 ,评估模型的准确性和可靠性 。
确定模型目标
根据研究目的确定模型的目标 ,如预测疾病的传播趋势、评 估防控措施的效果等。
提高模型精度
通过增加数据来源和改进模型参 数调整方法,提高模型的预测精 度和可靠性。
动态建模
将传染病模型与时间序列分析、 机器学习等方法结合,实现动态 建模,更好地反映传染病传播的 时变特性。
模型的优化方法与技术
混合模型
结合不同模型的优点,构建混合模型,以提高预 测精度和可靠性。
传染病模型ppt课件
dI k 0 I (t ) dt I (0 ) I 0
模型的解:
k t 0 I( t)I0e
举个实例
最初只有1个病人,1个病人一天可传染1个人
模型的缺点
问题:随着时间的推移,病人的数目将无限增加, 这一点与实际情况不符. 原因:当不考虑传染病期间的出生、死亡和迁移 时,一个地区的总人数可视为常数。因此 k0应为时间t的函数。在传染病流行初期, k0较大,随着病人的增多,健康人数减少, 被传染的机会也减少,于是k0将变小。 模型修改的关键: k0的变化规律
dI I (t ) kS ( t ) dt I (0) I 0
方程的解:
I(t) n n knt 1 I 1 e 0
对模型作进一步分析
传染病人数与时间t关系
传染病人数的变化率与时间t 的关系 增长速度由低增至最高后 降落下来
染病人数由开始到高峰并 逐渐达到稳定
有些传染病(如痢疾)愈后免疫力很低,还有可能再 次被传染而成为病人。 模型假设: (1)总人数为: s(t)+i(t)=n (2)一个病人在单位时间内传染的人数与当时健康人数成 正比,比例系数为k (3)单位时间治愈的人数与病人总数成正比,比例系数为 h(称日治愈率),病人治愈后成为仍可被感染的健康者, 称 1/ h为传染病的平均传染期(如病人数保持10人,每天治愈2
模型的意义
(t , i (t))图
(1)当σ≤1时,指传染期内被传染的人数不超过当时健康的 人数。病人在总人数中所占的比例i(t)越来越小,最终趋 于零。 (2)当σ >l时,i(t)最终以1-1/ σ为极限; (3)当σ增大时,i(∞)也增大,是因为随着传染期内被传染 人数占当时健康人数的比例的增加,当时的病人数所占 比例也随之上升
模型的解:
k t 0 I( t)I0e
举个实例
最初只有1个病人,1个病人一天可传染1个人
模型的缺点
问题:随着时间的推移,病人的数目将无限增加, 这一点与实际情况不符. 原因:当不考虑传染病期间的出生、死亡和迁移 时,一个地区的总人数可视为常数。因此 k0应为时间t的函数。在传染病流行初期, k0较大,随着病人的增多,健康人数减少, 被传染的机会也减少,于是k0将变小。 模型修改的关键: k0的变化规律
dI I (t ) kS ( t ) dt I (0) I 0
方程的解:
I(t) n n knt 1 I 1 e 0
对模型作进一步分析
传染病人数与时间t关系
传染病人数的变化率与时间t 的关系 增长速度由低增至最高后 降落下来
染病人数由开始到高峰并 逐渐达到稳定
有些传染病(如痢疾)愈后免疫力很低,还有可能再 次被传染而成为病人。 模型假设: (1)总人数为: s(t)+i(t)=n (2)一个病人在单位时间内传染的人数与当时健康人数成 正比,比例系数为k (3)单位时间治愈的人数与病人总数成正比,比例系数为 h(称日治愈率),病人治愈后成为仍可被感染的健康者, 称 1/ h为传染病的平均传染期(如病人数保持10人,每天治愈2
模型的意义
(t , i (t))图
(1)当σ≤1时,指传染期内被传染的人数不超过当时健康的 人数。病人在总人数中所占的比例i(t)越来越小,最终趋 于零。 (2)当σ >l时,i(t)最终以1-1/ σ为极限; (3)当σ增大时,i(∞)也增大,是因为随着传染期内被传染 人数占当时健康人数的比例的增加,当时的病人数所占 比例也随之上升
数学建模第二章微积分方法建模--212传染病模型-PPT课件
x
2s0
(s0
1
)
当该地区的卫生和医疗水平不变时, 就不变,这个
比例也不变。
课件
19
2、群体免疫和预防
由于当 s0
1
时不会蔓延,故降低
s0也是种手段。
由 i0
0 , s0
1 r0
,于是 s0
1
可表示为 r0
1 1
,即通
过群体免疫使初始时刻的移出者比例r0
1
1
dt
又由假设 1 和设 t 0 时的比例 i0 ,则得到模型
di dt
i(1
i)
i(0) i0 课件
(1)
3
(1)的解为
i(t)
1
1 ( 1 1)et
i0
(2)
课件
4
i(t)
1
1 2
i0
0
tm
t
di dt
di ( dt )m
0
1 2
1
i
课件
5
模型解释
§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。
课件
1
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 s(t) 和 i(t) ,即 s(t) i(t) 1 ;
2、平均每个病人每天有效接触人数是常数 ,即 每个病人平均每天使 s(t) 个健康者受感染变为病 人, 称日接触率。
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
传染病模型ppt
谢谢您的观看
THANKS
xx年xx月xx日
传染病模型ppt
contents
目录
引言常见的传染病模型传染病模型的建立传染病模型的应用案例传染病模型的未来发展结论与展望
01
引言
传染病模型是对疾病传播过程进行数学描述的模型,它可以帮助我们理解疾病的传播机制和趋势,预测疫情的发展,评估防控措施的效果等。
传染病模型的概念
根据模型的复杂性和应用的场景,传染病模型可分为基本模型、复杂模型和网络模型等。
加强传染病模型的普及和应用,让更多的人了解和掌握传染病模型的应用方法和技巧,有利于提高疫情控制和公共卫生管理的科学化水平。
开展跨学科合作
传染病模型研究涉及多个学科领域,如数学、统计学、计算机科学、流行病学等。加强跨学科的合作和交流,可以促进传染病模型研究的发展和创新。
加强传染病模型研究的建议和展望
通过对防控措施进行模拟和比较,评估不同防控措施的效果和经济效益,为政策制定提供依据。
传染病模型在公共卫生领域的应用
研究疾病传播途径
通过模拟疾病传播过程,研究疾病的传播途径和影响因素,为防控策略的制定提供依据。
研究疾病变异情况
通过对病毒变异过程进行模拟,研究病毒变异情况及其对疾病传播的影响,为防控策略的制定提供参考。
03
描述性模型
02
01
用数学方程组描述疾病传播动态,如 SIR 模型。
确定性模型
考虑疾病传播中的随机因素,如传播链的随机断裂、免疫接种的随机性等。
随机模型
通过计算机模拟疾病传播过程,预测疾病传播趋势和公共卫生干预措施的效果。
模拟模型
数学模型
基于个体行为的模型,如 Agent-Based 模型。
数学建模第五讲:微分方程—传染病模型
区分病人
考虑治愈
和健康人
模型3 (SIS) 模型4 (SIR)
模型3, 4: 描述传播过程, 分析变化规律, 预报高潮时刻, 预防蔓延手段.
模型4: 数值计算与理论分析相结合.
2. 人口预测和控制
• 年龄分布对于人口预测的重要性. • 只考虑自然出生与死亡,不计迁移.
人口 发展 方程
F (r,t) ~ 人口分布函数 (年龄 r的人口) p(r,t) ~ 人口密度函数 N (t) ~ 人口总数 rm ( ) ~ 最高年龄 F (0, t ) 0, F ( rm , t ) N (t )
MATLAB计算作图i(t), s(t)及i(s)
1
0.8 s(t) 0.6
0.4
0.2
i(t)
0
0
10
20
30
40
50
0.4
i
相轨线i(s)
0.3
0.2
0.1
P0 s
0
0
0.2 0.4 0.6 0.8
1
i(t)从初值增长到最大; t, i0 s(t)单调减; t, s0.04
传染病模型
模型1
模型2
的解析解
i(0)
i0 ,
s(0)
s0
先做数值计算, 再在相平面上研
究解析解性质
i0 s0 1 (通常r(0) r0很小)
模型4 SIR模型的数值解
di
dt ds
dt
si i, i(0) i0 si , s (0 ) s0
设=1, =0.3, i0=0.02, s0=0.98, 用
需建立 i ( t ), s ( t ), r ( t ) 的两个方程.
《传染病数学模型》PPT课件
• 连续型HIV/AIDS传播动力学模型
24
25
• 变量和参数的含义
26
• 参数及初始值的确定
27
• 基本再生数
R0 k bD
28
• 数值模拟结果 初始时间选为2002年,终止时间选为2010 年。数值模拟结果见图(在图2.1中,30% 或70%的干预表示传染性系数降低30%或 70%;在图2.2中,30%或70%的干预表示 共用注射器比例降低30%或70%。同时, 干预的时间定为2003年底)。
在参数的确定过程中,由于参考资料的缺乏,有些 参数的取值与实际情况相比会存在一定的差异。今后, 随着参考资料的不断充实和一些统计结果的出现,我们 将会对一些参数做必要的调整和完善。
在本模型中,我们仅仅考虑了共用注射器,而没有 考虑其他途径(如经性),这样做将会使得预测的结果 存在一定的偏差。
23
五、西昌市静脉吸毒人群HIV/AIDS流行趋势
7
三、流行传播的确定性模型
• 标准的流行传播确定性模型为房室模型 (compartment model)。
• 以乙型肝炎病毒(HBV)在人群中的感染和传 播为实例,建立动态模型。按照乙型肝炎感染 传播的特征可以把人群划分为五个部分:(1)
易感者,S(a,t);(2)潜隐者(从感染发展为 传染的时期),L(a,t);(3)HBV短期携带者, T(a,t);(4)慢性HBV携带者,C(a,t);(5)免 疫者,I(a,t) 。这里,“a”代表年龄,“t”
• 还要注意到在上述预测模型中没有考虑从一个社 区(国家)到另一个社区(国家)的移民(移入 或移出)所产生的影响。
总之,反向计算法仅提供疾病发病和感染流行的 粗病自然史指在没有干预的情况下疾病的演变 过程。
24
25
• 变量和参数的含义
26
• 参数及初始值的确定
27
• 基本再生数
R0 k bD
28
• 数值模拟结果 初始时间选为2002年,终止时间选为2010 年。数值模拟结果见图(在图2.1中,30% 或70%的干预表示传染性系数降低30%或 70%;在图2.2中,30%或70%的干预表示 共用注射器比例降低30%或70%。同时, 干预的时间定为2003年底)。
在参数的确定过程中,由于参考资料的缺乏,有些 参数的取值与实际情况相比会存在一定的差异。今后, 随着参考资料的不断充实和一些统计结果的出现,我们 将会对一些参数做必要的调整和完善。
在本模型中,我们仅仅考虑了共用注射器,而没有 考虑其他途径(如经性),这样做将会使得预测的结果 存在一定的偏差。
23
五、西昌市静脉吸毒人群HIV/AIDS流行趋势
7
三、流行传播的确定性模型
• 标准的流行传播确定性模型为房室模型 (compartment model)。
• 以乙型肝炎病毒(HBV)在人群中的感染和传 播为实例,建立动态模型。按照乙型肝炎感染 传播的特征可以把人群划分为五个部分:(1)
易感者,S(a,t);(2)潜隐者(从感染发展为 传染的时期),L(a,t);(3)HBV短期携带者, T(a,t);(4)慢性HBV携带者,C(a,t);(5)免 疫者,I(a,t) 。这里,“a”代表年龄,“t”
• 还要注意到在上述预测模型中没有考虑从一个社 区(国家)到另一个社区(国家)的移民(移入 或移出)所产生的影响。
总之,反向计算法仅提供疾病发病和感染流行的 粗病自然史指在没有干预的情况下疾病的演变 过程。
- 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)。
l
recovered
下面对 进行讨论,请参见右图
.
5
图3-14
综上所述,模型3指出了传染病的以下特征:
(1)当人群中有人得了某种传染病时,此疾病并不一定流 传,仅当易受感染的人数与超过阀值时,疾病才会流传起来。
(2)疾病并非因缺少易感染者而停止传播,相反,是因为 缺少传播者才停止传播的,否则将导致所有人得病。
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o e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
图3-14(b)记录了1905年下半年至1906年上半年印度孟买瘟 疫大流行期间每周死亡人数,不难看出两者有较好的一致性。
图3-14(a)
.
8
(3.18)
s(t) i(t) r(t) n 1 (3)
i(o ) io , r ( o ) 0
susceptible
k
infective
l
求解过程如下:
recovered
对(3)式求导,由(1)、(2)得: ds ksiksdr
解得:
k r(t)
dt
l dt
s(t) soe l
记: l
大,故 一r般是小量。利用泰勒公式展开取前三项,有:
r
e
1
r
1(r
)2
2
代入(3.20)得近似方程: d drtln1SoSo1rS2or2
积分得: r(t) So 2S o1mtanh(1 2m lt)
其中:
1
mSo 122So(n1So) 2
tanh1
1 m
Sonhu
(3.15)
此模型即Malthus模型,它大体上反映了传染病流行初期的 病人增长情况,在医学上有一定的参考价值,但随着时间的推 移,将越来越偏离实际情况。
已感染者与尚未感染者之间存在着明显的区别,有必要将人
群划分成已感染者与尚未感染的易感染,对每一类中的个体则
不加任何区分,来建立两房室系统。
.
2
模型2 记t时刻的病人数与易感染人数(susceptible)分别为i(t)
令:
d 2i dt2
0
得:
t1
ln
.
k (n
co 1)
3
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
d
t
li
(2)
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。
解得: 其中:
i(t)
co(n1)ek(n1)t 1coek(n1)t
co
n
io 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
线,并称 峰。
最dd ti大值时刻t1为此传染病的d接t 流近,行可高用作医学上的预报公式。
.
1
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 ) i o
故可得: i(t) ioekt
与s(t),初始时刻的病人数为 i。根据病人不死也不会康复的
假设及可(得竞:争象无模模项病,法型型),且解预2统与当仍释测计ii为确人dd实((时t有ito医最)筹)了,群多际间不生终k算s使有细房ii情(os趋足t们所律)模必分室况与之发有,型要,系n不无处现人更再建统符1穷,的都精将立。时它现得, (3.16)
eu eu
eu eu
而: d d uta n h u(e u e ( e u u )2 e ( e u u )2 e u)2(e u 4 e u)2
对r(t)求导 : ddrt lm 22So2sech2.12mlt (3.21)
7
曲线 ddrt lm 22So2sech212mlt 在医学上被称为疾病传染曲线。 图3-14(a)给出了(3.21)式曲线的图形,可用医疗单位 每天实际登录数进行比较拟合得最优曲线。
(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 (n1rs)
dt
及:S
r
Soe l
可得:
dr dt
r
l(n1rsoe )
(3.20)
.
6
通常情况下,传染病波及的人数占总人数的百分比不会太
k
则:
1 r(t)
s(t) soe
.
4
由(1)式可得: didslidsds
不如伴如难从积果随验果证而分地ssoo,解得有当得:st→(,,t:+)单∞则则时减开有,d 。i始ddr(ti(tti(t)t当)时)趋0si向oid (,dodtt于ti)减s此一soo0少个疾,ss(到t(病i)t () dt小在)t单于l该nln增ss等地ss(d sot(。ot)t于)区但根在时本(i(3,流t.)1增9行i)(加t不)s开的u起s始c同e来p减t时i。b小l,e ,