wifi辐射-pci简易通讯控制器是什么
2023年4月6日发(作者:pat格式)
文档素材
文档素材
假设:1.信息具有足够的吸引力,全部人都感兴趣,
并传播。
2.人们对信息在肯定时间内会失去兴趣。
传染病问题中的SIR模型
摘要:
202X年春来历不明的SARS病毒突袭人间,给人们的生命财产带来极大的危害。长期
以来,建立传染病的数学模型来描述传染病的传播过程,分析受感染人数的变化规律,探
究制止传染病蔓延的手段等,一直是我国及全世界有关专家和官员关注的课题。
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。在这里我采纳SIR〔Susceptibles,Infectives,Recovered〕模型来研究
如天花,流感,肝炎,麻疹等治愈后均有很强的免疫力的传染病,它主要沿用由Kermack
与McKendrick在1927年采纳动力学方法建立的模型。应用传染病动力学模型来描述疾病
开展变化的过程和传播规律,预测疾病发生的状态,评估各种操纵措施的效果,为预防操
纵疾病提供最优决策依据,维护人类健康与社会经济开展。
关键字:传染病;动力学;SIR模型。
一﹑模型假设
1.在疾病传播期内所考察的地区范围不考虑人口的出生、死亡、流动等种群动力因
素。总人口数N(t)不变,人口始终保持一个常数N。人群分为以下三类:易感染者
(Susceptibles),其数量比例记为s(t),表示t时刻未染病但有可能被该类疾病传染的人数
占总人数的比例;感染病者(Infectives),其数量比例记为i(t),表示t时刻已被感染成为
病人而且具有传染力的人数占总人数的比例;恢复者(Recovered),其数量比例记为r(t),
表示t时刻已从染病者中移出的人数〔这局部人既非已感染者,也非感染病者,不具有
传染性,也不会再次被感染,他们已退出该传染系统。〕占总人数的比例。
2.病人的日接触率〔每个病人每天有效接触的平均人数〕为常数λ,日治愈率〔每
天被治愈的病人占总病人数的比例〕为常数μ,显然平均传染期为1/μ,传染期接触
数为σ=λ/μ。该模型的缺陷是结果常与实际有肯定程度差距,这是因为模型中假设
有效接触率传染力是不变的。
二﹑模型构成
在以上三个根本假设条件下,易感染者从患病到移出的过程框图表示如下:
si
λsi
r
μi
文档素材
文档素材
在假设1中显然有:
s(t)+i(t)+r(t)=1〔1〕
对于病愈免疫的移出者的数量应为
r
t
d
NNi
d
〔2〕
不妨设初始时刻的易感染者,染病者,恢复者的比例分别为
0
s〔
0
s>0〕,
0
i〔
0
i>0〕,
0
r=0.
SIR根底模型用微分方程组表示如下:
di
dt
ds
dt
dr
dt
sii
si
i
〔3〕
s(t),i(t)的求解极度困难,在此我们先做数值计算来预估量s(t),i(t)的一般变化规
律。
三﹑数值计算
在方程〔3〕中设λ=1,μ=0.3,i〔0〕=0.02,s〔0〕=0.98,用MATLAB软件编程:
functiony=ill(t,x)
a=1;b=0.3;
y=[a*x(1)*x(2)-b*x(1);-a*x(1)*x(2)];
ts=0:50;
x0=[0.02,0.98];
[t,x]=ode45('ill',ts,x0);
plot(t,x(:,1),t,x(:,2))
pause
plot(x(:,2),x(:,1))
输出的简明计算结果列入表1。i(t),s(t)的图形以下两个图形,i~s图形称为相轨线,初
值i(0)=0.02,s(0)=0.98相当于图2中的P0点,随着t的增,(s,i)沿轨线自右向左运动.由表1、
图1、图2可以看出,i(t)由初值增长至约t=7时到达最大值,然后减少,t→∞,i→0,s(t)则单调减
少,t→∞,s→0.0398.并分析i(t),s(t)的一般变化规律.
文档素材
文档素材
t012345678
i(t)0.02000.03900.07320.12850.20330.27950.33120.34440.3247
s(t)0.98000.95250.90190.81690.69270.54380.39950.28390.2027
t91045
i(t)0.28630.24180.07870.02230.00610.00170.00050.00010
s(t)0.14930.11450.05430.04340.04080.04010.03990.03990.0398
文档素材
文档素材
表1i(t),s(t)的数值计算结果
四﹑相轨线分析
我们在数值计算和图形观察的根底上,利用相轨线商量解i〔t〕,s〔t〕的性质。
i~s平面称为相平面,相轨线在相平面上的定义域〔s,i〕∈D为
D={〔s,i〕|s≥0,i≥0,s+i≤1}〔4〕
在方程〔3〕中消去
t
d并注意到σ的定义,可得
1
1i
s
d
d
sσ
,
0
0
|
ss
ii
〔5〕
所以:
1
1
is
dd
sσ
00
i1
1s
is
is
dd
sσ
〔6〕
利用积分特性简单求出方程(5)的解为:
00
0
1
()ln
s
isis
s
〔7〕
在定义域D内,(6)式表示的曲线即为相轨线,如图3所示.其中箭头表示了随着时间t的
增加s(t)和i(t)的变化趋向.
文档素材
文档素材
下面依据(3),(17)式和图9分析s(t),i(t)和r(t)的变化情况(t→∞时它们的极限值分别记作
s
,i
和r
)。
1.不管初始条件s0,i0如何,病人消逝将消逝,即:
0
0i〔8〕
其证明如下:
首先,由(3)0s
t
d
d
而
()0st
故s
存在;由(2)0
t
dr
d
而
()1rt
故r
存
在;再由(1)知i
存在。
其次,假设0i
则由(1),对于充分大的t有
2
t
dr
d
,这将导致r
,与r
存在
相矛盾.从图形上看,不管相轨线从P1或从P2点出发,它终将与s轴相交(t充分大).
2.最终未被感染的健康者的比例是s
,在(7)式中令i=0得到,s
是方程
00
0
1
ln0
s
sis
s
〔9〕
在(0,1/σ)内的根.在图形上s
是相轨线与s轴在(0,1/σ)内交点的横坐标.
3.假设
0
s>1/σ,则开始有
1
1i
s
d
o
d
sσ
,i(t)先增加,令
1
1i
s
d
d
sσ
=0,可得当s=1/
s
1/
D
2
P
1
P
s
i
m
i
o
i
文档素材
文档素材
σ时,i(t)到达最大值:
000
1
1ln)
m
isis
(
〔10〕
然后s<1/σ时,有
1
1i
s
d
o
d
sσ
,所以i(t)减小且趋于零,s(t)则单调减小至s
,如图3中
由P1(
0
s,
0
i)出发的轨线.
4.假设
0
s1/σ,则恒有
1
10i
s
d
d
sσ
,i(t)单调减小至零,s(t)单调减小至s
,如图3
中由P2(s0,i0)出发的轨线.
可以看出,如果仅当病人比例i(t)有一段增长的时期才认为传染病在蔓延,那么1/σ是一
个阈值,当
0
s>1/σ(即σ>1/s0)时传染病就会蔓延.而减小传染期接触数σ,即提高阈值1/σ使
得
0
s≤1/σ(即σ≤1/
0
s),传染病就不会蔓延(健康者比例的初始值
0
s是肯定的,通常可认为
0
s接近1)。
并且,即使
0
s>1/σ,从(19),(20)式可以看出,σ减小时,s
增加(通过作图分析),
m
i降低,
也操纵了蔓延的程度.我们注意到在σ=λμ中,人们的卫生水平越高,日接触率λ越小;医疗
水平越高,日治愈率μ越大,于是σ越小,所以提高卫生水平和医疗水平有助于操纵传染病的
蔓延.
从另一方面看,
1/ss•
是传染期内一个病人传染的健康者的平均数,称为交换数,
其含义是一病人被s
个健康者交换.所以当
0
1/s即
0
1s时必有.既然交换数不超
过1,病人比例i(t)绝不会增加,传染病不会蔓延。
五﹑群体免疫和预防
依据对SIR模型的分析,当
0
1/s时传染病不会蔓延.所以为制止蔓延,除了提高卫
生和医疗水平,使阈值1/σ变大以外,另一个途径是降低
0
s,这可以通过比方预防接种使群
体免疫的方法做到.
忽略病人比例的初始值
0
i有
0
0
1sr,于是传染病不会蔓延的条件
0
1/s可以表为
文档素材
文档素材
0
1
1r
(11)
这就是说,只要通过群体免疫使初始时刻的移出者比例〔即免疫比例〕满足〔11〕式,就
可以制止传染病的蔓延。
这种方法生效的前提条件是免疫者要均匀分布在全体人口中,实际上这是很难做到的。
据估量当时印度等国天花传染病的接触数σ=5,由〔11〕式至少要有80%的人接受免疫才
行。据世界卫生组织汇报,即使花费大量资金提高
0
r,也因很难做到免疫者的均匀分布,
使得天花直到1977年才在全世界铲除。而有些传染病的σ更高,铲除就更加困难。
六﹑模型验证
上世纪初在印度孟买发生的一次瘟疫中几乎全部病人都死亡了。死亡相当于移出传染
系统,有关部门记录了每天移出者的人数,即有了r
t
d
d
的实际数据,Kermack等人用这组数
据对SIR模型作了验证。
首先,由方程〔2〕,〔3〕可以得到s
r
t
d
d
sisis
ddt
1
sr
dd
s
t
上式两边同时乘以d可,两边积分得
00
0
1sr
sr
sr
dd
s
0
ln|s
s
sr
0
r
s
e
s
所以:()
0
()rtstse(12)
再
0
(1)(1)r
r
t
d
irsrse
d
(13)
当
1/r
时,取〔13〕式右端reTaylor展开式的前3项得:
22
0
00
(1)
2
r
t
sr
d
rssr
d
在初始值
0
r=0下解高阶常微分方程得:
0
2
0
1
()(1)()
2
t
rtsth
s
(14)
文档素材
文档素材
其中222
000
(1)2ssi,0
1s
th
从而简单由〔14〕式得出:
2
22
0
2()
2
r
t
d
t
d
sch
〔15〕
然后取定参数s0,σ等,画出〔15〕式的图形,如图4中的曲线,实际数据在图中用
圆点表示,可以看出,理论曲线与实际数据吻合得相当不错。
七﹑被传染比例的估量
在一次传染病的传播过程中,被传染人数的比例是健康者人数比例的初始值
0
s与s
之
差,记作x,即
0
xss
(16)
当i0很小,s0接近于1时,由〔9〕式可得
0
1
ln(1)0
x
x
s
(17)
取对数函数Taylor展开的前两项有
2
00
1
(1)0
2
x
x
ss
(18)
文档素材
文档素材
记
0
1
s
,可视为该地区人口比例超过阈值
1
的局部。当
1
时〔18〕式给出
00
1
22xss
〔19〕
这个结果说明,被传染人数比例约为的2倍。对一种传染病,当该地区的卫生和医
疗水平不变,即不变时,这个比例就不会改变。而当阈值
1
提高时,减小,于是这个
比例就会降低。
八﹑评注
该模型采纳了数值计算,图形观察与理论分析相结合的方法,先有感性认识(表1,图1,图
2),再用相轨线作理论分析,最后进行数值验证和估算,可以看作计算机技术与建模方法的巧
妙配合。可取之处在于它们比拟全面地到达了建模的目的,即描述传播过程、分析感染人数
的变化规律,预测传染病高潮到来时刻,度量传染病蔓延的程度并探究制止蔓延的手段和措
施。
更多推荐
sir模型
发布评论