【数学建模】备战美赛之传染病模型

先打个广告哈。我自己做的公众号【拇指笔记】,每天写写我自己学习中记下的笔记,欢迎各位大神关注一下~

传染病模型

放一个链接:[关于传染病][ https://www.zhihu.com/question/367466399 ]

传染病初期

特点:

没有考虑接触到的人中还有一部分病人,所以并不会全部被感染

  1. 已感染人数(病人)
    i ( t ) , i ( 0 ) = i 0 (1) i(t), i(0)=i_0\tag1

  2. 每个病人每天有效接触(足以使人致病)人数为
    λ (2) \lambda\tag2

  3. 根据(1)(2)可以建立模型:
    i ( t + Δ t ) i ( t ) = λ i ( t ) Δ t Δ t (3) i(t+\Delta t)-i(t)=\lambda i(t)\Delta t\tag3\\ 其中\Delta t为时间段

  4. 等式两边同时除以\Delta t
    i ( t + Δ t ) i ( t ) Δ t = λ i ( t ) (4) \frac{i(t+\Delta t)-i(t)}{\Delta t}=\lambda i(t)\tag4

  5. 由导数定义有
    i ( t ) = d i d t = l i m t Δ t i ( t + Δ t ) i ( t ) Δ t i'(t)=\frac{di}{dt}=lim_{t\to \Delta t}\frac{i(t+\Delta t)-i(t)}{\Delta t}

  6. 同时,取\Delta t = 1天
    d i d t = λ i (5) \frac{di}{dt}=\lambda i\tag{5}

  7. 由(1)(5)两式可得最终的模型:
    i ( t ) = i 0 e λ t (6) i(t)=i_0e^{\lambda t}\tag6

    扫描二维码关注公众号,回复: 10778273 查看本文章

logistic模型

特点:

区分已感染者(病人)和未感染者(健康人),但没有考虑病人可以治愈。

  1. 假设有
    : N : i ( t ) : s ( t ) : k : s ( t ) + i ( t ) = 1 (1) 总人数:N\\ 病人比例:i(t)\\ 健康人比例:s(t)\\ 被传染概率为:k\\ 存在初始条件:s(t)+i(t)=1 \tag1

  2. 每个病人每天有效接触人数为
    λ (2) \lambda \tag2

  3. 建模得到
    N [ i ( t + Δ t ) i ( t ) ] = k [ λ s ( t ) ] N i ( t ) Δ t (3) N[i(t+\Delta t)-i(t)]=k[\lambda s(t)]Ni(t)\Delta t\tag3

  4. 两边同时除\Delta t可以得到
    d i d t = l i m t Δ t i ( t + Δ t ) i ( t ) Δ t = k λ s ( t ) i ( t ) (4) \frac{di}{dt}=lim_{t\to \Delta t}\frac{i(t+\Delta t)-i(t)}{\Delta t}=k\lambda s(t)i(t)\tag4

  5. 由(1)(4)式可得
    { d i d t = λ i ( 1 i ) i ( 0 ) = i 0 \begin{cases} \frac{di}{dt}=\lambda i(1-i) \\i(0)=i_0 \end{cases}

  6. 最终得到模型(logistic模型)
    i ( t ) = 1 a + ( 1 i 0 1 ) e ( λ t ) i(t)=\frac{1}{a+(\frac{1}{i_0}-1)e^{(-\lambda t)}}

  7. 传染病高潮到来的时刻t_m
    t m = λ 1 l n ( 1 i 0 1 ) t_m=\lambda^{-1}ln(\frac{1}{i_0}-1)

SIS模型

特点:

病人治愈为健康人,但可再次被感染。

  1. 假设有
    : N : i ( t ) : s ( t ) : k : s ( t ) + i ( t ) = 1 : μ (1) 总人数:N\\ 病人比例:i(t)\\ 健康人比例:s(t)\\ 被传染概率为:k\\ 存在初始条件:s(t)+i(t)=1\\ 病人每天治愈的比例为:\mu \tag1
    特殊定义,接触数\sigma:一个感染期内每个病人的有效接触人数。
    : σ = λ μ 接触数:\sigma = \frac{\lambda}{\mu}

  2. 建模得到
    N [ i ( t + Δ t ) i ( t ) ] = λ N s ( t ) i ( t ) Δ t μ N i ( t ) Δ t (2) N[i(t+\Delta t)-i(t)]=\lambda Ns(t)i(t)\Delta t-\mu Ni(t)\Delta t \tag2

  3. 化简
    N [ i ( t + Δ t ) i ( t ) ] = λ N s ( t ) i ( t ) Δ t μ N i ( t ) Δ t N[i(t+\Delta t)-i(t)]=\lambda Ns(t)i(t)\Delta t-\mu Ni(t)\Delta t
    i ( t + Δ t ) i ( t ) = λ s ( t ) i ( t ) Δ t μ i ( t ) Δ t \\i(t+\Delta t)-i(t) =\lambda s(t)i(t)\Delta t-\mu i(t)\Delta t
    i ( t + Δ t ) i ( t ) Δ t = λ s ( t ) i ( t ) μ i ( t ) \\\frac{i(t+\Delta t)-i(t)}{\Delta t} = \lambda s(t)i(t)-\mu i(t)
    d i d t = λ s ( t ) i ( t ) μ i ( t ) \\\frac{di}{dt}= \lambda s(t)i(t)-\mu i(t)

  4. 最终得到
    { d i d t = λ i ( t ) ( 1 i ( t ) ) μ i ( t ) i ( 0 ) = i 0 \begin{cases} \frac{di}{dt}= \lambda i(t)(1-i(t))-\mu i(t) \\ i(0)=i_0 \end{cases}

SIR模型

特点:

传染病有免疫性,病人治愈后即移出感染系统,称为移出者

  1. 假设
    : N , : i ( t ) , : s ( t ) , : r ( t ) , : λ , : μ , : σ = λ μ (1) 总人数:N, 病人比例:i(t), 健康人比例:s(t), 移出者比例:r(t), \\病人日接触率:\lambda,日治愈率:\mu,接触数:\sigma=\frac{\lambda}{\mu} \tag1

  2. 存在初始条件
    s ( t ) + r ( t ) + i ( t ) = 1 i 0 + s 0 = 1 (2) s(t)+r(t)+i(t)=1 \\i_0+s_0=1 \tag2

  3. 建立模型
    { N [ i ( t + Δ t ) i ( t ) ] = λ N s ( t ) i ( t ) Δ t μ N i ( t ) Δ t N [ s ( t + Δ t ) s ( t ) ] = λ N s ( t ) i ( t ) Δ t (3) \begin{cases} N[i(t+\Delta t)-i(t)]=\lambda Ns(t)i(t)\Delta t-\mu Ni(t)\Delta t \\N[s(t+\Delta t)-s(t)]=-\lambda Ns(t)i(t)\Delta t \end{cases} \tag3

    第一个方程:病人在\Delta t时间段的增加数=\Delta t时间段被感染人数-\Delta t时间段治愈的病人数(移出者数)。
    第二个方程:健康人在\Delta t时间段的增加数= - \Delta t时间段被感染人数(新治好的变成了移出者)。

  4. 最终得到得到
    { d i d t = λ s i μ i d s d t = λ s i i ( 0 ) = i 0 , s ( 0 ) = s 0 \begin{cases} \frac{di}{dt}=\lambda si-\mu i \\\frac{ds}{dt}=-\lambda si \\i(0)=i_0,s(0)=s_0 \end{cases}

还可以添加隔离等变量。


欢迎各位关注【拇指笔记】,每天更新我的学习笔记~
在这里插入图片描述

发布了31 篇原创文章 · 获赞 72 · 访问量 4953

猜你喜欢

转载自blog.csdn.net/weixin_44610644/article/details/104672089