版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
周期情形下登革热与疟疾流行病模型的动力学特征与防控策略研究一、引言1.1研究背景与意义登革热和疟疾作为全球范围内严重威胁人类健康的虫媒传染病,一直以来都备受关注。登革热是由登革病毒引发,主要通过埃及伊蚊和白纹伊蚊传播的急性传染病。其临床特点表现为突起发热,同时伴随全身肌肉、骨、关节疼痛,极度疲乏,皮疹,淋巴结肿大以及白细胞减少等症状。据世界卫生组织估计,全球每年有多达1亿例登革热感染病例发生,约一半人口面临感染风险。在过去二十年中,随着全球变化、气候变暖,登革热全球年报告病例数激增10倍,如2014年广东省暴发的史上最严重的登革热疫情,截止到当年10月21日,患病者登记病例已有36889例。登革热病毒感染若发展为重症,会累及多个脏器,引发如肝衰竭、病毒性心肌炎甚至暴发性心肌炎等严重后果,对患者的生命健康造成极大威胁。疟疾则是由疟原虫引起,通过受感染的雌性按蚊叮咬传播给人类的致命疾病。全世界每年有2亿多人感染疟疾,40多万人死于这种疾病。仅2017年全球就有约2.19亿疟疾病例和高达43.5万的死亡病例,超过30亿美元用于控制和治疗疟疾,这给世界的经济发展和公共医疗带来了沉重的负担。疟疾发作时,患者会出现周期性发热、寒战、乏力等症状,严重影响生活质量,若不及时治疗,还可能导致死亡。传染病动力学方法为研究登革热和疟疾的传播规律提供了有力的工具。通过构建动力学模型,我们可以深入分析疾病在宿主和媒介之间的传播机制,如登革热病毒在人和蚊虫之间的传播过程,以及疟疾在人类和按蚊种群中的传播动态。确定模型的基本再生数,能清晰地判断疾病在人群中传播的风险程度。当基本再生数大于1时,疾病有在人群中持续传播和扩散的趋势;当基本再生数小于1时,疾病则有望得到控制和消除。同时,通过分析模型平衡点的稳定性,能够了解疾病在不同条件下的发展趋势,为制定有效的防控策略提供理论依据。在实际应用中,对登革热和疟疾动力学模型的研究成果可直接指导防控措施的制定。一方面,有助于优化防控资源的分配,将有限的人力、物力和财力集中投入到疫情高发地区和关键防控环节,提高防控效率;另一方面,能够为疫苗研发、药物治疗等提供方向,如通过模型分析确定病毒传播的关键环节,为研发针对性的疫苗和药物提供靶点,从而更有效地预防和控制这两种传染病的传播,保护人类健康,减轻社会经济负担。1.2国内外研究现状在传染病动力学领域,周期情形下的登革热和疟疾模型研究具有重要意义,吸引了众多国内外学者的关注,取得了一系列有价值的成果。在登革热模型研究方面,早期的研究主要聚焦于建立基础模型以描述其传播机制。Garba等人构建了登革热病毒在人和蚊虫之间传播的基础数学模型,并精确计算出基本再生数的表达式,明确指出当基本再生数小于1时,无病平衡点局部渐近稳定;大于1时,无病平衡点不稳定,且存在唯一渐近稳定的地方病平衡点。此后,学者们不断拓展和深化对登革热模型的研究。Amaku等探讨了具有预防控制策略的登革热病毒传播模型,不仅给出了疾病消除与流行的阈值条件,还详细分析了阈值关于相关参数的敏感性,为防控策略的制定提供了理论依据。随着研究的深入,考虑到登革热病毒在人和蚊虫体内具有潜伏期这一实际情况,Wang和Zhao讨论了具有时滞的登革热模型,给出疾病消除的阈值条件及地方病平衡点全局吸引的充分条件,使模型更贴合实际传播情况。周瑶和吕贵臣在人传人的前提下,分析了一个蚊虫种群具有常数输入、人类种群规模变化且考虑人际传播的登革热病毒传播模型,通过构造Lyapunov函数、运用LaSalle不变集原理并利用合作系统的单调理论研究了模型的全局动力学行为。在疟疾模型研究中,同样取得了丰富的成果。早期研究多关注模型的基本构建和传播机制分析。如Dembele等在一维系统中引入周期系数,分析了蚊虫出生率和死亡率的季节变化对疟疾传播的影响,为研究环境因素对疟疾传播的作用提供了思路。Lou等研究固定区域上非局部时滞反应扩散模型,获得了保证疾病稳定在正稳态的充分条件。Safan等根据疟疾的传播机制构建无量纲化后的常微分模型,并对其进行简化分析。宋小飞、朱敏等考虑季节更替和环境变化对疟疾传播的影响,在周期变化的区域上构造了依赖于时间周期和空间异质的疟疾模型,通过基本再生数和上下解的方法研究了模型的动力学行为,发现区域周期演化率的大小对疟疾的传播有影响,当演化率增大时,疟疾的传播风险也随之增加。另有研究将时间周期性和空间异质性共同引入疟疾模型,基于下一代感染算子和相关的特征值理论,探讨出疟疾模型的基本再生数与时间周期性及空间异质性的关联性,利用阈值进一步证明了稳态周期解的存在唯一性和全局稳定性。尽管当前在周期情形下的登革热和疟疾模型研究已取得诸多成果,但仍存在一些不足之处。一方面,现有模型在考虑实际因素时仍不够全面。例如,在登革热模型中,虽然部分研究考虑了潜伏期时滞,但对于病毒在不同环境条件下的变异、不同血清型之间的复杂相互作用等因素,尚未进行深入且全面的分析。在疟疾模型里,对于疟原虫在宿主体内的周期性活动与宿主自身生理节律的相互影响,以及不同地区蚊虫生态习性差异对传播的影响等方面,研究还不够细致和系统。另一方面,在模型的应用方面,虽然理论研究为防控策略提供了一定的指导,但如何将模型研究成果更有效地转化为实际的防控措施,实现理论与实践的紧密结合,仍有待进一步探索和完善。1.3研究内容与方法本研究聚焦于周期情形下的登革热和疟疾流行病模型,综合运用数学分析与数值模拟等方法,深入剖析模型的动力学行为,旨在为这两种传染病的防控提供坚实的理论依据。具体研究内容与方法如下:研究内容:考虑到登革热和疟疾传播过程中涉及的多种复杂因素,构建全面且精细的周期模型。对于登革热模型,除涵盖病毒在人和蚊虫之间的传播外,着重纳入病毒潜伏期时滞、不同血清型之间的相互作用以及环境因素对传播率的影响等要素。在疟疾模型中,充分考虑疟原虫在宿主体内的周期性活动、宿主自身生理节律以及不同地区蚊虫生态习性的显著差异等关键因素,使模型能更精准地反映疾病传播的实际情况。研究方法:运用下一代矩阵方法,精确计算登革热和疟疾模型的基本再生数。通过分析基本再生数与1的大小关系,明确判断疾病在人群中传播的风险程度,为后续防控策略的制定提供关键的理论阈值。利用线性化方法,深入研究模型无病平衡点和地方病平衡点的局部渐近稳定性,确定在何种条件下平衡点能够保持稳定,以及外界干扰对平衡点稳定性的影响。构造合适的李雅普诺夫函数,借助LaSalle不变集原理,深入探讨模型平衡点的全局渐近稳定性,全面了解疾病在不同初始条件和参数取值下的长期发展趋势。采用数值模拟方法,直观展示模型在不同参数组合和初始条件下的动力学行为。通过与实际疫情数据的对比分析,验证模型的准确性和可靠性,进一步优化模型参数,使模型能更好地拟合实际情况,为疫情预测和防控提供更具参考价值的结果。二、周期情形下登革热流行病模型的构建与分析2.1模型假设与建立为了更准确地描述登革热在人群中的传播规律,构建如下合理假设:将人类种群分为易感人群S_h(t)、感染人群I_h(t)和康复人群R_h(t),其中t表示时间。假设人类种群的出生率和死亡率均为常数,分别记为\mu_h和\mu_h,且种群总数N_h(t)=S_h(t)+I_h(t)+R_h(t)。登革热病毒通过蚊子叮咬在人类和蚊子之间传播。蚊子种群分为易感蚊子S_m(t)和感染蚊子I_m(t),其出生率为\Lambda_m,死亡率为\mu_m,蚊子种群总数N_m(t)=S_m(t)+I_m(t)。考虑到登革热病毒在人和蚊子体内存在潜伏期,分别设病毒在人体内的潜伏期为\tau_h,在蚊子体内的潜伏期为\tau_m。假设感染登革热病毒的人在康复后会获得长期免疫,康复率为\gamma_h,同时感染登革热病毒会导致人的因病死亡率为\alpha_h。蚊子对人的平均叮咬率为a,染病蚊将疾病传播给人的传播率为\beta_{mh},染病人将疾病传播给蚊虫的传播率为\beta_{hm},且这些参数均随时间t呈周期性变化,以反映季节、环境等因素对传播过程的影响。基于以上假设,建立如下周期系数的登革热模型:\begin{cases}\frac{dS_h(t)}{dt}=\mu_hN_h(t)-a\beta_{mh}(t)S_h(t)I_m(t)-\mu_hS_h(t)\\\frac{dI_h(t)}{dt}=a\beta_{mh}(t)S_h(t)I_m(t)-(\mu_h+\alpha_h+\gamma_h)I_h(t)\\\frac{dR_h(t)}{dt}=\gamma_hI_h(t)-\mu_hR_h(t)\\\frac{dS_m(t)}{dt}=\Lambda_m-a\beta_{hm}(t)S_m(t)I_h(t-\tau_h)-\mu_mS_m(t)\\\frac{dI_m(t)}{dt}=a\beta_{hm}(t)S_m(t)I_h(t-\tau_h)-\mu_mI_m(t)\end{cases}其中,各参数的含义如下:\Lambda_m:蚊子的补充率;\mu_h:人的死亡率;\mu_m:蚊子的死亡率;\beta_{mh}(t):t时刻染病蚊将疾病传播给人的传播率;\beta_{hm}(t):t时刻染病人将疾病传播给蚊虫的传播率;\alpha_h:人的因病死亡率;\gamma_h:人的康复率;a:蚊虫对人的平均叮咬率;\tau_h:病毒在人体内的潜伏期;\tau_m:病毒在蚊子体内的潜伏期。2.2平衡点的存在性与稳定性分析平衡点的计算:对于上述登革热模型,无病平衡点E_0=(S_{h0},I_{h0},R_{h0},S_{m0},I_{m0}),满足\frac{dS_h(t)}{dt}=\frac{dI_h(t)}{dt}=\frac{dR_h(t)}{dt}=\frac{dS_m(t)}{dt}=\frac{dI_m(t)}{dt}=0。在无病平衡点处,I_h(t)=0,I_m(t)=0,则由\frac{dS_h(t)}{dt}=\mu_hN_h(t)-\mu_hS_h(t)=0,因为N_h(t)=S_h(t)+I_h(t)+R_h(t),此时I_h(t)=0,R_h(t)=0,可得S_{h0}=\frac{\Lambda_h}{\mu_h};由\frac{dS_m(t)}{dt}=\Lambda_m-\mu_mS_m(t)=0,可得S_{m0}=\frac{\Lambda_m}{\mu_m},所以无病平衡点E_0=(\frac{\Lambda_h}{\mu_h},0,0,\frac{\Lambda_m}{\mu_m},0)。当模型存在地方病平衡点E^*=(S_h^*,I_h^*,R_h^*,S_m^*,I_m^*)时,由\frac{dS_h(t)}{dt}=0可得:\mu_hN_h(t)-a\beta_{mh}(t)S_h(t)I_m(t)-\mu_hS_h(t)=0(式1)由\frac{dI_h(t)}{dt}=0可得:a\beta_{mh}(t)S_h(t)I_m(t)-(\mu_h+\alpha_h+\gamma_h)I_h(t)=0(式2)由\frac{dR_h(t)}{dt}=0可得:\gamma_hI_h(t)-\mu_hR_h(t)=0(式3)由\frac{dS_m(t)}{dt}=0可得:\Lambda_m-a\beta_{hm}(t)S_m(t)I_h(t-\tau_h)-\mu_mS_m(t)=0(式4)由\frac{dI_m(t)}{dt}=0可得:a\beta_{hm}(t)S_m(t)I_h(t-\tau_h)-\mu_mI_m(t)=0(式5)联立(式1)-(式5),由于参数的周期性,求解过程较为复杂,可通过数值方法求解地方病平衡点。例如,将I_h(t)从(式2)中解出I_h(t)=\frac{a\beta_{mh}(t)S_h(t)I_m(t)}{\mu_h+\alpha_h+\gamma_h},代入(式4)和(式5),再结合(式1)和(式3),利用迭代算法等数值方法逐步逼近地方病平衡点的数值解。平衡点的稳定性分析:无病平衡点的稳定性:利用线性化方法分析无病平衡点的局部渐近稳定性。将登革热模型在无病平衡点E_0处线性化,得到雅可比矩阵J。模型的向量形式为\frac{d\mathbf{X}(t)}{dt}=\mathbf{F}(\mathbf{X}(t)),其中\mathbf{X}(t)=(S_h(t),I_h(t),R_h(t),S_m(t),I_m(t))^T,\mathbf{F}(\mathbf{X}(t))是模型右边的函数向量。雅可比矩阵J的元素J_{ij}=\frac{\partialF_i}{\partialX_j}\big|_{E_0},i,j=1,2,\cdots,5。\frac{\partialF_1}{\partialS_h}=\mu_h-a\beta_{mh}(t)I_m(t)-\mu_h\big|_{E_0}=0,\frac{\partialF_1}{\partialI_h}=-a\beta_{mh}(t)S_h(t)\big|_{E_0}=-a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h},\frac{\partialF_1}{\partialR_h}=0,\frac{\partialF_1}{\partialS_m}=0,\frac{\partialF_1}{\partialI_m}=-a\beta_{mh}(t)S_h(t)\big|_{E_0}=-a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h};\frac{\partialF_2}{\partialS_h}=a\beta_{mh}(t)I_m(t)\big|_{E_0}=0,\frac{\partialF_2}{\partialI_h}=a\beta_{mh}(t)S_h(t)-(\mu_h+\alpha_h+\gamma_h)\big|_{E_0}=a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h}-(\mu_h+\alpha_h+\gamma_h),\frac{\partialF_2}{\partialR_h}=0,\frac{\partialF_2}{\partialS_m}=0,\frac{\partialF_2}{\partialI_m}=a\beta_{mh}(t)S_h(t)\big|_{E_0}=a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h};\frac{\partialF_3}{\partialS_h}=0,\frac{\partialF_3}{\partialI_h}=\gamma_h,\frac{\partialF_3}{\partialR_h}=-\mu_h,\frac{\partialF_3}{\partialS_m}=0,\frac{\partialF_3}{\partialI_m}=0;\frac{\partialF_4}{\partialS_h}=-a\beta_{hm}(t)S_m(t)\big|_{E_0}=-a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m},\frac{\partialF_4}{\partialI_h}=-a\beta_{hm}(t)S_m(t)\big|_{E_0}=-a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m},\frac{\partialF_4}{\partialR_h}=0,\frac{\partialF_4}{\partialS_m}=\Lambda_m-\mu_m\big|_{E_0}=0,\frac{\partialF_4}{\partialI_m}=0;\frac{\partialF_5}{\partialS_h}=0,\frac{\partialF_5}{\partialI_h}=a\beta_{hm}(t)S_m(t)\big|_{E_0}=a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m},\frac{\partialF_5}{\partialR_h}=0,\frac{\partialF_5}{\partialS_m}=-\mu_m,\frac{\partialF_5}{\partialI_m}=a\beta_{hm}(t)S_m(t)\big|_{E_0}=a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m}。得到雅可比矩阵J为:J=\begin{pmatrix}0&-a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h}&0&0&-a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h}\\0&a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h}-(\mu_h+\alpha_h+\gamma_h)&0&0&a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h}\\0&\gamma_h&-\mu_h&0&0\\-a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m}&-a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m}&0&0&0\\0&a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m}&0&-\mu_m&a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m}\end{pmatrix}计算J的特征值,根据特征值的实部判断无病平衡点的稳定性。若所有特征值的实部均小于0,则无病平衡点E_0是局部渐近稳定的;若存在实部大于0的特征值,则E_0不稳定。对于周期系数的雅可比矩阵J,可利用Floquet理论。设\Phi(t)是线性化系统\frac{d\mathbf{Y}(t)}{dt}=J(t)\mathbf{Y}(t)的一个基本解矩阵,\Phi(t)满足\frac{d\Phi(t)}{dt}=J(t)\Phi(t)且\det(\Phi(0))=1。根据Floquet理论,存在一个非奇异矩阵P(t)和一个常数矩阵B,使得\Phi(t)=P(t)e^{Bt},其中P(t+T)=P(t),T是周期。矩阵B的特征值\lambda_i(i=1,2,\cdots,5)称为Floquet指数,\rho_i=e^{\lambda_i}称为Floquet乘子。若所有Floquet乘子的模均小于1,则无病平衡点E_0是局部渐近稳定的;若存在模大于1的Floquet乘子,则E_0不稳定。地方病平衡点的稳定性:同样在地方病平衡点E^*处对模型进行线性化,得到雅可比矩阵J^*,其元素J_{ij}^*=\frac{\partialF_i}{\partialX_j}\big|_{E^*},i,j=1,2,\cdots,5。计算过程与无病平衡点处类似,但由于地方病平衡点的表达式较为复杂,其雅可比矩阵的具体形式也更为复杂。然后通过分析J^*的特征值或利用Floquet理论分析Floquet指数和Floquet乘子来判断地方病平衡点的局部渐近稳定性。此外,为了研究地方病平衡点的全局渐近稳定性,构造合适的李雅普诺夫函数V(\mathbf{X}(t))。考虑函数V(S_h,I_h,R_h,S_m,I_m)=V_1(S_h)+V_2(I_h)+V_3(R_h)+V_4(S_m)+V_5(I_m),例如V_1(S_h)=\frac{1}{2}(S_h-S_h^*)^2,V_2(I_h)=\frac{1}{2}(I_h-I_h^*)^2,V_3(R_h)=\frac{1}{2}(R_h-R_h^*)^2,V_4(S_m)=\frac{1}{2}(S_m-S_m^*)^2,V_5(I_m)=\frac{1}{2}(I_m-I_m^*)^2(这只是一种可能的构造形式,实际构造需根据模型特点调整)。计算V(\mathbf{X}(t))沿着模型解的导数\frac{dV}{dt}:\frac{dV}{dt}=\sum_{i=1}^{5}\frac{\partialV}{\partialX_i}\frac{dX_i}{dt}将模型中\frac{dX_i}{dt}(i=1,2,\cdots,5)的表达式代入上式,化简得到\frac{dV}{dt}的表达式。若能证明在一定条件下\frac{dV}{dt}\leq0,且\frac{dV}{dt}=0的集合不包含除地方病平衡点E^*以外的整条正半轨线,则根据LaSalle不变集原理,地方病平衡点E^*是全局渐近稳定的。例如,通过对\frac{dV}{dt}的表达式进行分析,利用参数的取值范围和模型的性质,判断其正负性。若存在某些参数范围使得\frac{dV}{dt}在全局范围内非正,且仅在E^*处为0,则可得出地方病平衡点全局渐近稳定的结论。2.3基本再生数的推导与意义基本再生数的推导:采用下一代矩阵方法来推导登革热模型的基本再生数。首先,将模型中的新生感染项和转移项进行分离。设\mathbf{X}=(I_h,I_m)^T为感染类变量。新生感染项\mathbf{F}为:\mathbf{F}=\begin{pmatrix}a\beta_{mh}(t)S_h(t)I_m(t)\\a\beta_{hm}(t)S_m(t)I_h(t-\tau_h)\end{pmatrix}转移项\mathbf{V}为:\mathbf{V}=\begin{pmatrix}(\mu_h+\alpha_h+\gamma_h)I_h(t)\\\mu_mI_m(t)\end{pmatrix}在无病平衡点E_0=(\frac{\Lambda_h}{\mu_h},0,0,\frac{\Lambda_m}{\mu_m},0)处,对\mathbf{F}和\mathbf{V}关于\mathbf{X}求偏导数,得到F矩阵和V矩阵。F_{11}=\frac{\partialF_1}{\partialI_h}\big|_{E_0}=0,F_{12}=\frac{\partialF_1}{\partialI_m}\big|_{E_0}=a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h};F_{21}=\frac{\partialF_2}{\partialI_h}\big|_{E_0}=a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m},F_{22}=\frac{\partialF_2}{\partialI_m}\big|_{E_0}=0。所以F矩阵为:F=\begin{pmatrix}0&a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h}\\a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m}&0\end{pmatrix}V_{11}=\frac{\partialV_1}{\partialI_h}\big|_{E_0}=\mu_h+\alpha_h+\gamma_h,V_{12}=\frac{\partialV_1}{\partialI_m}\big|_{E_0}=0;V_{21}=\frac{\partialV_2}{\partialI_h}\big|_{E_0}=0,V_{22}=\frac{\partialV_2}{\partialI_m}\big|_{E_0}=\mu_m。所以V矩阵为:V=\begin{pmatrix}\mu_h+\alpha_h+\gamma_h&0\\0&\mu_m\end{pmatrix}则下一代矩阵K=FV^{-1},V^{-1}为V的逆矩阵,V^{-1}=\begin{pmatrix}\frac{1}{\mu_h+\alpha_h+\gamma_h}&0\\0&\frac{1}{\mu_m}\end{pmatrix}。K=FV^{-1}=\begin{pmatrix}0&a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h(\mu_m)}\\a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m(\mu_h+\alpha_h+\gamma_h)}&0\end{pmatrix}基本再生数R_0为下一代矩阵K的谱半径,即R_0=\rho(K)。对于2\times2矩阵K,其特征方程为\lambda^2-\text{tr}(K)\lambda+\det(K)=0,其中\text{tr}(K)为矩阵K的迹,\det(K)为矩阵K的行列式。\text{tr}(K)=0,\det(K)=\frac{a^2\beta_{mh}(t)\beta_{hm}(t)\Lambda_h\Lambda_m}{\mu_h\mu_m(\mu_h+\alpha_h+\gamma_h)}。解得\lambda=\pm\sqrt{\frac{a^2\beta_{mh}(t)\beta_{hm}(t)\Lambda_h\Lambda_m}{\mu_h\mu_m(\mu_h+\alpha_h+\gamma_h)}},则基本再生数R_0=\sqrt{\frac{a^2\beta_{mh}(t)\beta_{hm}(t)\Lambda_h\Lambda_m}{\mu_h\mu_m(\mu_h+\alpha_h+\gamma_h)}}。由于参数的周期性,可对一个周期内的R_0进行积分平均,得到更准确反映疾病传播能力的基本再生数。设周期为T,则平均后的基本再生数\overline{R_0}=\frac{1}{T}\int_{0}^{T}\sqrt{\frac{a^2\beta_{mh}(t)\beta_{hm}(t)\Lambda_h\Lambda_m}{\mu_h\mu_m(\mu_h+\alpha_h+\gamma_h)}}dt。基本再生数的意义:基本再生数\overline{R_0}在登革热传播风险评估中具有核心意义,是判断疾病传播态势的关键指标。当\overline{R_0}>1时,表明在疾病传播初期,平均每个感染者在一个周期内能够感染超过1个新的易感个体,这意味着疾病有在人群和蚊群中持续传播和扩散的趋势。例如,在某些登革热高发地区,若当地的蚊子繁殖率高(\Lambda_m较大),且蚊子对人的叮咬频繁(a较大),同时病毒传播率(\beta_{mh}(t)和\beta_{hm}(t))也较高,就可能导致\overline{R_0}>1,疾病会迅速传播,感染人数不断增加,疫情有扩大的风险。当\overline{R_0}<1时,平均每个感染者在一个周期内感染的新易感个体数小于1,疾病传播的力量逐渐减弱,有望得到控制和消除。此时,即使有少量感染者存在,随着时间推移,感染人数也会逐渐减少,疫情会逐渐平息。这为防控策略的制定提供了重要依据,当监测到基本再生数接近或小于1时,可以适当调整防控力度,合理分配资源。通过对基本再生数的分析,还可以评估不同防控措施对疾病传播的影响。如采取灭蚊措施降低蚊子的补充率\Lambda_m,或加强个人防护降低蚊子对人的叮咬率a,这些措施都会使基本再生数减小,从而降低疾病传播风险。因此,准确计算和分析基本再生数,对于登革热的防控决策具有重要的指导作用,能够帮助公共卫生部门提前制定有效的防控策略,减少疾病的传播和扩散。2.4数值模拟与结果讨论为了更直观地展示登革热在周期情形下的传播过程,深入分析参数变化对传播的影响,利用数值模拟方法对上述登革热模型进行研究。选取一组具有代表性的参数值,如表1所示:参数取值含义\Lambda_m100蚊子的补充率\mu_h0.0001人的死亡率\mu_m0.05蚊子的死亡率\beta_{mh}(t)0.2+0.1sin(2πt/365)t时刻染病蚊将疾病传播给人的传播率\beta_{hm}(t)0.15+0.05sin(2πt/365)t时刻染病人将疾病传播给蚊虫的传播率\alpha_h0.01人的因病死亡率\gamma_h0.1人的康复率a0.3蚊虫对人的平均叮咬率\tau_h5病毒在人体内的潜伏期(天)\tau_m7病毒在蚊子体内的潜伏期(天)假设初始时刻,人类种群中易感人群S_h(0)=900,感染人群I_h(0)=100,康复人群R_h(0)=0;蚊子种群中易感蚊子S_m(0)=80,感染蚊子I_m(0)=20。利用四阶龙格-库塔法对模型进行数值求解,模拟时间设定为一年(t=0到t=365天)。通过数值模拟,得到登革热在周期情形下人类和蚊子种群中感染人数和感染蚊子数随时间的变化曲线,如图1所示。从图中可以清晰地看到,人类感染人数和感染蚊子数均呈现出周期性的波动变化。在一年中,随着季节的更替,环境因素(如温度、湿度等)发生变化,导致病毒传播率\beta_{mh}(t)和\beta_{hm}(t)也随之改变,进而使得感染人数和感染蚊子数在不同时间段内有不同的增长和衰减趋势。例如,在夏季和雨季,环境条件适宜蚊子繁殖和病毒传播,感染人数和感染蚊子数会迅速上升;而在冬季,由于气温降低,蚊子活动减少,病毒传播率下降,感染人数和感染蚊子数则逐渐减少。接下来,分析参数变化对登革热传播的影响。首先考虑蚊子补充率\Lambda_m的变化。当\Lambda_m分别取值为80、100、120时,得到感染人数随时间的变化曲线,如图2所示。可以发现,随着\Lambda_m的增大,感染人数明显增加。这是因为蚊子补充率的提高意味着蚊子种群数量增多,人与感染蚊子接触的机会增加,从而导致更多人感染登革热病毒,传播风险增大。再分析蚊虫对人的平均叮咬率a的影响。当a分别取值为0.2、0.3、0.4时,感染人数随时间的变化曲线如图3所示。结果表明,随着a的增大,感染人数显著上升。这是因为叮咬率的增加使得病毒在人和蚊子之间的传播更加频繁,更多的易感人群会被感染,加速了登革热的传播速度。最后研究人的康复率\gamma_h的变化对传播的影响。当\gamma_h分别取值为0.05、0.1、0.15时,感染人数随时间的变化曲线如图4所示。可以看出,随着\gamma_h的增大,感染人数逐渐减少。这是因为康复率的提高意味着感染者能够更快地恢复健康,减少了病毒在人群中的传播源,从而降低了登革热的传播风险。通过上述数值模拟与结果讨论,直观地展示了登革热在周期情形下的传播特征,以及关键参数变化对传播过程的影响。这为制定针对性的登革热防控策略提供了重要的参考依据,例如可以通过降低蚊子补充率、减少蚊虫对人的叮咬率以及提高人的康复率等措施,有效控制登革热的传播。三、周期情形下疟疾流行病模型的构建与分析3.1模型假设与建立疟疾作为一种严重危害人类健康的寄生虫病,其传播过程受到多种复杂因素的影响。为了更深入地探究疟疾的传播机制,构建一个准确反映其传播规律的数学模型至关重要。基于疟疾的实际传播特点,做出以下假设:种群划分:将人类种群细致地分为易感人群S_h(t)、潜伏人群E_h(t)、感染人群I_h(t)和康复人群R_h(t),其中t表示时间。假设人类种群的出生率和死亡率均为常数,分别记为\mu_h和\mu_h,且种群总数N_h(t)=S_h(t)+E_h(t)+I_h(t)+R_h(t)。传播媒介:疟疾主要通过受感染的雌性按蚊叮咬传播给人类。按蚊种群分为易感按蚊S_m(t)和感染按蚊I_m(t),其出生率为\Lambda_m,死亡率为\mu_m,按蚊种群总数N_m(t)=S_m(t)+I_m(t)。潜伏期因素:考虑到疟原虫在人和按蚊体内存在潜伏期,分别设疟原虫在人体内的潜伏期为\tau_h,在按蚊体内的潜伏期为\tau_m。这意味着从感染疟原虫到出现明显症状需要经过一段时间,潜伏期的存在对疟疾的传播动态有着重要影响。免疫与死亡:假设感染疟疾的人在康复后会获得一定的免疫力,但免疫力会随着时间逐渐减弱。康复率为\gamma_h,同时感染疟疾会导致人的因病死亡率为\alpha_h。此外,还考虑了自然死亡率,使得模型更符合实际情况。传播率变化:按蚊对人的平均叮咬率为a,染病蚊将疾病传播给人的传播率为\beta_{mh}(t),染病人将疾病传播给按蚊的传播率为\beta_{hm}(t),且这些参数均随时间t呈周期性变化,以反映季节、环境等因素对传播过程的影响。例如,在夏季,气温升高,按蚊活动频繁,叮咬率和传播率可能会相应增加;而在冬季,这些参数则可能降低。基于以上假设,建立如下周期系数的疟疾模型:\begin{cases}\frac{dS_h(t)}{dt}=\mu_hN_h(t)-a\beta_{mh}(t)S_h(t)I_m(t)-\mu_hS_h(t)\\\frac{dE_h(t)}{dt}=a\beta_{mh}(t)S_h(t)I_m(t)-(\mu_h+\sigma_h)E_h(t)\\\frac{dI_h(t)}{dt}=\sigma_hE_h(t-\tau_h)-(\mu_h+\alpha_h+\gamma_h)I_h(t)\\\frac{dR_h(t)}{dt}=\gamma_hI_h(t)-\mu_hR_h(t)\\\frac{dS_m(t)}{dt}=\Lambda_m-a\beta_{hm}(t)S_m(t)I_h(t-\tau_h)-\mu_mS_m(t)\\\frac{dI_m(t)}{dt}=a\beta_{hm}(t)S_m(t)I_h(t-\tau_h)-\mu_mI_m(t)\end{cases}其中,各参数的含义如下:\Lambda_m:按蚊的补充率,它反映了按蚊种群的自然增长情况,受到环境、食物资源等多种因素的影响。例如,在适宜的环境中,按蚊的繁殖速度加快,补充率会相应提高。\mu_h:人的死亡率,包括自然死亡率和由于其他疾病等原因导致的死亡率,是一个综合反映人类生存状况的参数。\mu_m:按蚊的死亡率,受到气候、天敌、杀虫剂使用等多种因素的制约。在使用杀虫剂的地区,按蚊死亡率会明显上升。\beta_{mh}(t):t时刻染病蚊将疾病传播给人的传播率,它会随着季节、按蚊密度、人类防护措施等因素的变化而改变。在疟疾高发季节,该传播率通常较高。\beta_{hm}(t):t时刻染病人将疾病传播给按蚊的传播率,同样受到多种因素的影响,如病人的疟原虫血症水平、按蚊的叮咬习性等。\alpha_h:人的因病死亡率,体现了疟疾对人类健康的严重危害程度,不同地区和人群的因病死亡率可能存在差异。\gamma_h:人的康复率,与医疗条件、患者自身免疫力等因素密切相关。在医疗资源丰富、患者免疫力较强的情况下,康复率会相对较高。a:按蚊对人的平均叮咬率,受到按蚊的活动习性、人类的户外活动频率等因素的影响。在户外活动较多的人群中,被按蚊叮咬的概率会增加。\tau_h:疟原虫在人体内的潜伏期,不同疟原虫种类和个体差异可能导致潜伏期有所不同,一般在数天到数周之间。\tau_m:疟原虫在按蚊体内的潜伏期,同样受到多种因素的影响,按蚊的生理状态和环境温度对潜伏期有较大影响。\sigma_h:潜伏人群转化为感染人群的转化率,反映了疟原虫在人体内的发育速度和感染进程。3.2平衡点分析与稳定性研究平衡点的计算:无病平衡点:对于疟疾模型,无病平衡点E_0=(S_{h0},E_{h0},I_{h0},R_{h0},S_{m0},I_{m0})满足\frac{dS_h(t)}{dt}=\frac{dE_h(t)}{dt}=\frac{dI_h(t)}{dt}=\frac{dR_h(t)}{dt}=\frac{dS_m(t)}{dt}=\frac{dI_m(t)}{dt}=0。在无病状态下,I_h(t)=0,I_m(t)=0,由\frac{dS_h(t)}{dt}=\mu_hN_h(t)-\mu_hS_h(t)=0,因为N_h(t)=S_h(t)+E_h(t)+I_h(t)+R_h(t),此时I_h(t)=0,E_h(t)=0,R_h(t)=0,可得S_{h0}=\frac{\Lambda_h}{\mu_h};由\frac{dS_m(t)}{dt}=\Lambda_m-\mu_mS_m(t)=0,可得S_{m0}=\frac{\Lambda_m}{\mu_m},所以无病平衡点E_0=(\frac{\Lambda_h}{\mu_h},0,0,0,\frac{\Lambda_m}{\mu_m},0)。地方病平衡点:当模型存在地方病平衡点E^*=(S_h^*,E_h^*,I_h^*,R_h^*,S_m^*,I_m^*)时,由\frac{dS_h(t)}{dt}=0可得:\mu_hN_h(t)-a\beta_{mh}(t)S_h(t)I_m(t)-\mu_hS_h(t)=0(式6)由\frac{dE_h(t)}{dt}=0可得:a\beta_{mh}(t)S_h(t)I_m(t)-(\mu_h+\sigma_h)E_h(t)=0(式7)由\frac{dI_h(t)}{dt}=0可得:\sigma_hE_h(t-\tau_h)-(\mu_h+\alpha_h+\gamma_h)I_h(t)=0(式8)由\frac{dR_h(t)}{dt}=0可得:\gamma_hI_h(t)-\mu_hR_h(t)=0(式9)由\frac{dS_m(t)}{dt}=0可得:\Lambda_m-a\beta_{hm}(t)S_m(t)I_h(t-\tau_h)-\mu_mS_m(t)=0(式10)由\frac{dI_m(t)}{dt}=0可得:a\beta_{hm}(t)S_m(t)I_h(t-\tau_h)-\mu_mI_m(t)=0(式11)联立(式6)-(式11)求解地方病平衡点。由于参数的周期性以及方程的复杂性,解析求解较为困难,通常采用数值方法。例如,将(式7)变形为E_h(t)=\frac{a\beta_{mh}(t)S_h(t)I_m(t)}{\mu_h+\sigma_h},将(式11)变形为I_m(t)=\frac{a\beta_{hm}(t)S_m(t)I_h(t-\tau_h)}{\mu_m},然后代入其他方程,利用迭代算法,如牛顿迭代法等,逐步逼近地方病平衡点的数值解。在迭代过程中,需要合理选择初始值,以确保迭代能够收敛到正确的地方病平衡点。平衡点的稳定性分析:无病平衡点的稳定性:利用线性化方法对无病平衡点E_0进行局部渐近稳定性分析。将疟疾模型在无病平衡点E_0处线性化,得到雅可比矩阵J。设模型的向量形式为\frac{d\mathbf{X}(t)}{dt}=\mathbf{F}(\mathbf{X}(t)),其中\mathbf{X}(t)=(S_h(t),E_h(t),I_h(t),R_h(t),S_m(t),I_m(t))^T,\mathbf{F}(\mathbf{X}(t))是模型右边的函数向量。雅可比矩阵J的元素J_{ij}=\frac{\partialF_i}{\partialX_j}\big|_{E_0},i,j=1,2,\cdots,6。\frac{\partialF_1}{\partialS_h}=\mu_h-a\beta_{mh}(t)I_m(t)-\mu_h\big|_{E_0}=0,\frac{\partialF_1}{\partialE_h}=0,\frac{\partialF_1}{\partialI_h}=-a\beta_{mh}(t)S_h(t)\big|_{E_0}=-a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h},\frac{\partialF_1}{\partialR_h}=0,\frac{\partialF_1}{\partialS_m}=0,\frac{\partialF_1}{\partialI_m}=-a\beta_{mh}(t)S_h(t)\big|_{E_0}=-a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h};\frac{\partialF_2}{\partialS_h}=a\beta_{mh}(t)I_m(t)\big|_{E_0}=0,\frac{\partialF_2}{\partialE_h}=-(\mu_h+\sigma_h),\frac{\partialF_2}{\partialI_h}=a\beta_{mh}(t)S_h(t)\big|_{E_0}=a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h},\frac{\partialF_2}{\partialR_h}=0,\frac{\partialF_2}{\partialS_m}=0,\frac{\partialF_2}{\partialI_m}=a\beta_{mh}(t)S_h(t)\big|_{E_0}=a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h};\frac{\partialF_3}{\partialS_h}=0,\frac{\partialF_3}{\partialE_h}=\sigma_h,\frac{\partialF_3}{\partialI_h}=-(\mu_h+\alpha_h+\gamma_h),\frac{\partialF_3}{\partialR_h}=0,\frac{\partialF_3}{\partialS_m}=0,\frac{\partialF_3}{\partialI_m}=0;\frac{\partialF_4}{\partialS_h}=0,\frac{\partialF_4}{\partialE_h}=0,\frac{\partialF_4}{\partialI_h}=\gamma_h,\frac{\partialF_4}{\partialR_h}=-\mu_h,\frac{\partialF_4}{\partialS_m}=0,\frac{\partialF_4}{\partialI_m}=0;\frac{\partialF_5}{\partialS_h}=-a\beta_{hm}(t)S_m(t)\big|_{E_0}=-a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m},\frac{\partialF_5}{\partialE_h}=0,\frac{\partialF_5}{\partialI_h}=-a\beta_{hm}(t)S_m(t)\big|_{E_0}=-a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m},\frac{\partialF_5}{\partialR_h}=0,\frac{\partialF_5}{\partialS_m}=\Lambda_m-\mu_m\big|_{E_0}=0,\frac{\partialF_5}{\partialI_m}=0;\frac{\partialF_6}{\partialS_h}=0,\frac{\partialF_6}{\partialE_h}=0,\frac{\partialF_6}{\partialI_h}=a\beta_{hm}(t)S_m(t)\big|_{E_0}=a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m},\frac{\partialF_6}{\partialR_h}=0,\frac{\partialF_6}{\partialS_m}=-\mu_m,\frac{\partialF_6}{\partialI_m}=a\beta_{hm}(t)S_m(t)\big|_{E_0}=a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m}。得到雅可比矩阵J为:J=\begin{pmatrix}0&0&-a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h}&0&0&-a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h}\\0&-(\mu_h+\sigma_h)&a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h}&0&0&a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h}\\0&\sigma_h&-(\mu_h+\alpha_h+\gamma_h)&0&0&0\\0&0&\gamma_h&-\mu_h&0&0\\-a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m}&0&-a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m}&0&0&0\\0&0&a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m}&0&-\mu_m&a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m}\end{pmatrix}计算J的特征值,根据特征值的实部判断无病平衡点的稳定性。由于模型中存在周期系数,可利用Floquet理论。设\Phi(t)是线性化系统\frac{d\mathbf{Y}(t)}{dt}=J(t)\mathbf{Y}(t)的一个基本解矩阵,\Phi(t)满足\frac{d\Phi(t)}{dt}=J(t)\Phi(t)且\det(\Phi(0))=1。根据Floquet理论,存在一个非奇异矩阵P(t)和一个常数矩阵B,使得\Phi(t)=P(t)e^{Bt},其中P(t+T)=P(t),T是周期。矩阵B的特征值\lambda_i(i=1,2,\cdots,6)称为Floquet指数,\rho_i=e^{\lambda_i}称为Floquet乘子。若所有Floquet乘子的模均小于1,则无病平衡点E_0是局部渐近稳定的;若存在模大于1的Floquet乘子,则E_0不稳定。地方病平衡点的稳定性:在地方病平衡点E^*处对模型进行线性化,得到雅可比矩阵J^*,其元素J_{ij}^*=\frac{\partialF_i}{\partialX_j}\big|_{E^*},i,j=1,2,\cdots,6。计算过程与无病平衡点处类似,但由于地方病平衡点的表达式复杂,其雅可比矩阵J^*的具体形式也更为复杂。通过分析J^*的特征值或利用Floquet理论分析Floquet指数和Floquet乘子来判断地方病平衡点的局部渐近稳定性。为了研究地方病平衡点的全局渐近稳定性,构造合适的李雅普诺夫函数V(\mathbf{X}(t))。考虑函数V(S_h,E_h,I_h,R_h,S_m,I_m)=V_1(S_h)+V_2(E_h)+V_3(I_h)+V_4(R_h)+V_5(S_m)+V_6(I_m),例如V_1(S_h)=\frac{1}{2}(S_h-S_h^*)^2,V_2(E_h)=\frac{1}{2}(E_h-E_h^*)^2,V_3(I_h)=\frac{1}{2}(I_h-I_h^*)^2,V_4(R_h)=\frac{1}{2}(R_h-R_h^*)^2,V_5(S_m)=\frac{1}{2}(S_m-S_m^*)^2,V_6(I_m)=\frac{1}{2}(I_m-I_m^*)^2(实际构造需根据模型特点调整)。计算V(\mathbf{X}(t))沿着模型解的导数\frac{dV}{dt}:\frac{dV}{dt}=\sum_{i=1}^{6}\frac{\partialV}{\partialX_i}\frac{dX_i}{dt}将模型中\frac{dX_i}{dt}(i=1,2,\cdots,6)的表达式代入上式,化简得到\frac{dV}{dt}的表达式。若能证明在一定条件下\frac{dV}{dt}\leq0,且\frac{dV}{dt}=0的集合不包含除地方病平衡点E^*以外的整条正半轨线,则根据LaSalle不变集原理,地方病平衡点E^*是全局渐近稳定的。例如,通过对\frac{dV}{dt}的表达式进行分析,利用参数的取值范围和模型的性质,判断其正负性。若存在某些参数范围使得\frac{dV}{dt}在全局范围内非正,且仅在E^*处为0,则可得出地方病平衡点全局渐近稳定的结论。3.3阈值动力学与传播特征阈值动力学分析:采用下一代矩阵方法来推导疟疾模型的基本再生数,这是研究疟疾传播阈值动力学的关键步骤。设\mathbf{X}=(E_h,I_h,I_m)^T为感染类变量。新生感染项\mathbf{F}为:\mathbf{F}=\begin{pmatrix}a\beta_{mh}(t)S_h(t)I_m(t)\\0\\a\beta_{hm}(t)S_m(t)I_h(t-\tau_h)\end{pmatrix}转移项\mathbf{V}为:\mathbf{V}=\begin{pmatrix}(\mu_h+\sigma_h)E_h(t)\\-\sigma_hE_h(t-\tau_h)+(\mu_h+\alpha_h+\gamma_h)I_h(t)\\\mu_mI_m(t)\end{pmatrix}在无病平衡点E_0=(\frac{\Lambda_h}{\mu_h},0,0,0,\frac{\Lambda_m}{\mu_m},0)处,对\mathbf{F}和\mathbf{V}关于\mathbf{X}求偏导数,得到F矩阵和V矩阵。F_{11}=\frac{\partialF_1}{\partialE_h}\big|_{E_0}=0,F_{12}=\frac{\partialF_1}{\partialI_h}\big|_{E_0}=0,F_{13}=\frac{\partialF_1}{\partialI_m}\big|_{E_0}=a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h};F_{21}=\frac{\partialF_2}{\partialE_h}\big|_{E_0}=0,F_{22}=\frac{\partialF_2}{\partialI_h}\big|_{E_0}=0,F_{23}=\frac{\partialF_2}{\partialI_m}\big|_{E_0}=0;F_{31}=\frac{\partialF_3}{\partialE_h}\big|_{E_0}=0,F_{32}=\frac{\partialF_3}{\partialI_h}\big|_{E_0}=a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m},F_{33}=\frac{\partialF_3}{\partialI_m}\big|_{E_0}=0。所以F矩阵为:F=\begin{pmatrix}0&0&a\beta_{mh}(t)\frac{\Lambda_h}{\mu_h}\\0&0&0\\0&a\beta_{hm}(t)\frac{\Lambda_m}{\mu_m}&0\end{pmatrix}V_{11}=\frac{\partialV_1}{\partialE_h}\big|_{E_0}=\mu_h+\sigma_h,V_{12}=\frac{\partialV_1}{\partialI_h}\big|_{E_0}=0,V_{13}=\frac{\partialV_1}{\partialI_m}\big|_{E_0}=0;V_{21}=\frac{\partialV_2}{\partialE_h}\big|_{E_0}=-\sigma_h,V_{22}=\frac{\partialV_2}{\partialI_h}\big|_{E_0}=\mu_h+\alpha_h+\gamma_h,V_{23}=\frac{\partialV_2}{\partialI_m}\big|_{E_0}=0;V_{31}=\frac{\partialV_3}{\partialE_h}\big|_{E_0}=0,V_{32}=\frac{\partialV_3}{\partialI_h}\big|_{E_0}=0,V_{33}=\frac{\partialV_3}{\partialI_m}\big|_{E_0}=\mu_m。所以V矩阵为:V=\begin{pmatrix}\mu_h+\sigma_h&0&0\\-\sigma_h&\mu_h+\alpha_h+\gamma_h&0\\0&0&\mu_m\end{pmatrix}则下一代矩阵K=FV^{-1},先求V^{-1}:V^{-1}=\begin{pmatrix}\frac{1}{\mu_h+\sigma_h}&0&0\\\frac{\sigma_h}{(\mu_h+\sigma_h)(\mu_h+\alpha_h+\gamma_h)}&\frac{1}{\mu_h+\alpha_h+\gamma_h}&0\\0&0&\frac{1}{\mu_m}\end{pmatrix}K=FV^{-1}=\begin{pmatrix}\frac{a\beta_{mh}(t)\sigma_h\Lambda_h}{\mu_h(\mu_h+\sigma_h)(\mu_h+\alpha_h+\gamma_h)}&\frac{a\beta_{mh}(t)\Lambda_h}{\mu_h(\mu_h+\alpha_h+\gamma_h)}&\frac{a\beta_{mh}(t)\Lambda_h}{\mu_h\mu_m}\\0&0&0\\\frac{a\beta_{hm}(t)\sigma_h\Lambda_m}{\mu_m(\mu_h+\sigma_h)(\mu_h+\alpha_h+\gamma_h)}&\frac{a\beta_{hm}(t)\Lambda_m}{\mu_m(\mu_h+\alpha_h+\gamma_h)}&0\end{pmatrix}基本再生数R_0为下一代矩阵K的谱半径,即R_0=\rho(K)。通过计算K的特征值来确定谱半径,对于三阶矩阵K,其特征方程为\lambda^3-\text{tr}(K)\lambda^2+\text{tr}(\text{adj}(K))\lambda-\det(K)=0,其中\text{tr}(K)为矩阵K的迹,\text{tr}(\text{adj}(K))为伴随矩阵的迹,\det(K)为矩阵K的行列式。由于计算较为复杂,可利用数值方法求解特征值,进而得到基本再生数R_0。同样,由于参数的周期性,可对一个周期内的R_0进行积分平均,设周期为T,得到平均后的基本再生数\overline{R_0}=\frac{1}{T}\int_{0}^{T}R_0(t)dt。当\overline{R_0}<1时,根据动力学理论,无病平衡点是全局渐近稳定的。这意味着在这种情况下,疟疾在人群和按蚊种群中无法持续传播,疾病会逐渐消亡。从实际意义上讲,当基本再生数小于1时,每个感染者平均传播的新感染人数小于1,随着时间的推移,感染源逐渐减少,疾病传播的链条会被逐渐切断。例如,在采取了有效的防控措施后,如大规模使用杀虫剂降低按蚊密度(使\Lambda_m减小),或者提高人群的防护意识减少按蚊叮咬率a,都可能导致\overline{R_0}<1,从而使疟疾疫情得到有效控制。当\overline{R_0}>1时,存在唯一的地方病平衡点且是全局渐近稳定的。此时,疟疾会在人群和按蚊种群中持续传播,形成地方病流行态势。在这种情况下,每个感染者平均能够传播超过1个新的感染个体,疾病会在人群中不断扩散。例如,在一些疟疾流行的热带地区,由于气候条件适宜按蚊繁殖(\Lambda_m较大),且当地卫生条件有限,人们防护意识不足(a较大),导致基本再生数大于1,疟疾常年在当地流行,给居民的健康和生活带来严重影响。传播特征分析:疟疾的传播呈现出明显的周期性波动特征,这与模型中参数的周期性变化密切相关。以一个年度周期为例,在不同季节,按蚊的繁殖能力、活动频率以及病毒传播率等因素都会发生变化。在夏季,气温升高,降水增多,这些条件有利于按蚊的繁殖和生存,使得按蚊的补充率\Lambda_m增加,同时按蚊的活动更加频繁,对人的平均叮咬率a也会提高。此外,较高的气温还可能加速疟原虫在按蚊体内的发育,缩短潜伏期\tau_m,从而增加了疾病传播的风险,使得\beta_{mh}(t)和\beta_{hm}(t)增大。这些因素综合作用,导致夏季疟疾的传播速度加快,感染人数迅速上升。而在冬季,气温降低,按蚊活动受到抑制,繁殖能力下降,\Lambda_m减小,叮咬率a降低,同时疟原虫在按蚊体内的发育也受到影响,潜伏期延长,传播率降低,使得疟疾的传播速度减缓,感染人数逐渐减少。潜伏期在疟疾的传播过程中起着关键作用。疟原虫在人和按蚊体内的潜伏期分别为\tau_h和\tau_m,潜伏期的存在使得疾病的传播过程更加复杂。由于潜伏期的存在,感染者在症状出现之前就可能已经具有传染性,这增加了疾病防控的难度。在潜伏期内,感染者可能会在不知情的情况下继续活动,与易感人群接触,从而传播病毒。而且潜伏期的长短会影响疾病的传播速度和规模。如果潜伏期较短,感染者能够较快地出现症状并被发现,有利于及时采取隔离和治疗措施,控制疾病的传播;反之,如果潜伏期较长,感染者在潜伏期内会有更多的时间传播病毒,可能导致疾病在人群中更广泛地传播。例如,当\tau_h较长时,感染疟疾的人在潜伏期内可能会进行正常的社交、工作等活动,接触更多的易感人群,从而将疟原虫传播给更多的人,使得疫情扩散的范围更广。此外,疟疾的传播还受到人群免疫力的影响。感染疟疾康复后的人会获得一定的免疫力,但这种免疫力会随着时间逐渐减弱。免疫力的存在会降低人群对疟疾的易感性,减少新感染的发生。当人群中具有免疫力的人数较多时,疾病的传播会受到抑制,因为易感人群的比例相对较低,病毒传播的机会减少。然而,随着免疫力的减弱,易感人群的比例会逐渐增加,疾病传播的风险也会相应提高。在疟疾流行地区,定期对人群进行免疫监测,及时采取预防措施,如接种疫苗或预防性服药,对于控制疟疾的传播具有重要意义。3.4数值模拟验证为了验证上述理论分析结果,对疟疾模型进行数值模拟。选取一组具有代表性的参数值,如表2所示:参数取值含义\Lambda_m80按蚊的补充率\mu_h0.0001人的死亡率\mu_m0.04按蚊的死亡率\beta_{mh}(t)0.18+0.08sin(2πt/365)t时刻染病蚊将疾病传播给人的传播率\beta_{hm}(t)0.13+0.03sin(2πt/365)t时刻染病人将疾病传播给按蚊的传播率\alpha_h0.015人的因病死亡率\gamma_h0.08人的康复率a0.25按蚊对人的平均叮咬率\tau_h6疟原虫在人体内的潜伏期(天)\tau_m8疟原虫在按蚊体内的潜伏期(天)\sigma_h0.05潜伏人群转化为感染人群的转化率假设初始时刻,人类种群中易感人群S_h(0)=850,潜伏人群E_h(0)=50,感染人群I_h(0)=100,康复人群R_h(0)=0;按蚊种群中易感按蚊S_m(0)=70,感染按蚊I_m(0)=30。利用四阶龙格-库塔法对模型进行数值求解,模拟时间设定为一年(t=0到t=365天)。通过数值模拟,得到疟疾在周期情形下人类和按蚊种群中感染人数和感染按蚊数随时间的变化曲线,如图5所示。从图中可以清晰地观察到,人类感染人数和感染按蚊数呈现出明显的周期性波动,这与理论分析中疟疾传播具有周期性波动特征的结论一致。在夏季,随着气温升高和降水增多,按蚊繁殖能力增强,叮咬率和传播率提高,感染人数和感染按蚊数迅速上升;而在冬季,由于环境条件不利于按蚊生存和传播,感染人数和感染按蚊数逐渐减少。接下来,分析参数变化对疟疾传播的影响。首先考虑按蚊补充率\Lambda_m的变化。当\Lambda_m分别取值为60、80、100时,得到感染人数随时间的变化曲线,如图6所示。可以看出,随着\Lambda_m的增大,感染人数显著增加。这是因为按蚊补充率的提高意味着按蚊种群数量增多,人与感染按蚊接触的机会增加,从而导致更多人感染疟原虫,传播风险增大,与理论分析中\Lambda_m对传播的影响一致。再分析按蚊对人的平均叮咬率a的影响。当a分别取值为0.2、0.25、0.3时,感染人数随时间的变化曲线如图7所示。结果表明,随着a的增大,感染人数明显上升。这是因为叮咬率的增加使得病毒在人和按蚊之间的传播更加频繁,更多的易感人群会被感染,加速了疟疾的传播速度,与理论分析结果相符。最后研究人的康复率\gamma_h的变化对传播的影响。当\gamma_h分别取值为0.05、0.08、0.1时,感染人数随时间的变化曲线如图8所示。可以发现,随着\gamma_h的增大,感染人数逐渐减少。这是因为康复率的提高意味着感染者能够更快地恢复健康,减少了病毒在人群中的传播源,从而降低了疟疾的传播风险,验证了理论分析中康复率对传播的影响。通过上述数值模拟,直观地展示了疟疾在周期情形下的传播特征,以及关键参数变化对传播过程的影响,进一步验证了理论分析的结果,为疟疾的防控提供了更直观、更具体的参考依据。四、登革热与疟疾模型的对比分析4.1传播机制对比登革热和疟疾的传播机制在多个关键方面存在明显差异。在传播途径上,登革热主要借助埃及伊蚊和白纹伊蚊这两种伊蚊进行传播。当伊蚊叮咬感染登革病毒的患者后,病毒会在伊蚊体内历经繁殖和发育的过程,此过程被称作外潜伏期。在适宜的温度和湿度条件下,外潜伏期可能会缩短。完成外潜伏期后,伊蚊再次叮咬健康人时,就会将病毒注入其体内,从而实现病毒传播。而疟疾则是通过受感染的雌性按蚊叮咬传播给人类。按蚊在吸食疟疾患者的血液时,患者体内的疟疾寄生虫也被蚊子一并吸入。约一周后,携带疟疾寄生虫的蚊子再叮咬健康的人就会传播疟疾。从宿主角度来看,登革热病毒的宿主主要是人类,人类在感染登革热病毒后,会成为病毒传播的重要传染源。而疟疾的宿主同样以人类为主,但疟原虫在人体内的生存和繁殖过程更为复杂,它会经历多个发育阶段,对人体的免疫系统和生理机能产生不同程度的影响。媒介方面,伊蚊和按蚊在生态习性和对疾病传播的影响上有显著不同。伊蚊喜欢在白天活动,特别是清晨和傍晚时分,它们的活动最为频繁,这两个时间段人们被感染的风险相对更高。并且伊蚊飞行距离较短,一般在几百米范围内活动,但由于人类活动频繁,伊蚊可能会随着人员流动被携带到更远的地方,进而扩大登革热的传播范围。按蚊则多在夜间活动,其繁殖需要较大的、天然的水体,如湖泊和河流等。按蚊的活动范围相对较广,这也使得疟疾的传播范围可能更大。此外,不同种类的伊蚊和按蚊对病毒或寄生虫的携带能力、传播效率以及对环境的适应能力都有所不同,进一步影响了登革热和疟疾的传播特征。例如,埃及伊蚊对登革热病毒的传播效率较高,而中华按蚊、嗜人按蚊等在疟疾传播中发挥着重要作用。4.2动力学特征对比平衡点对比:登革热模型和疟疾模型都存在无病平衡点和地方病平衡点。在登革热模型中,无病平衡点E_0=(\frac{\Lambda_h}{\mu_h},0,0,\frac{\Lambda_m}{\mu_m},0),其含义是当人群和蚊群中均无登革热病毒感染时的状态,此时人类种群中的易感人群数量为\frac{\Lambda_h}{\mu_h},蚊群中的易感蚊子数量为\frac{\Lambda_m}{\mu_m}。地方病平衡点E^*
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 初中美术七年级社团延时课程《戏剧脸谱艺术》教学设计
- 高中信息技术必修1《数据与编码》单元“我们身边的数据”第二课时教学设计
- 小学一年级德育教学设计:入学适应与行为习惯养成的单元整体实施策略
- 央企社会责任培训之如何编制企业社会责任报告
- 确认2026年4月30日的工业机器人采购合同确认函7篇范本
- 智能家居设备远程控制故障排除步骤
- 物流运输成本控制标准操作手册
- 物流费用优惠通知书3篇
- 售后服务优化提升通知函(6篇)
- 家电行业售后技术支持岗位考核评估表
- 酒店管理专业毕业设计范文
- (正式版)DB23∕T 1019-2020 《黑龙江省建筑工程资料管理标准》
- 福建中考语文5年(21-25)真题汇编-作文
- 2025年邮储银行秋招无领导小组面试案例库山西地区
- 企业资料存档及管理制度文档
- GB/T 27043-2025合格评定能力验证提供者能力的通用要求
- GB/T 15704-2025道路车辆轻合金车轮冲击试验方法
- 学校冰场浇冰协议书
- 物品看护合同协议
- 2025年国中康健集团有限公司招聘笔试参考题库含答案解析
- DL∕T 1924-2018 燃气-蒸汽联合循环机组余热锅炉水汽质量控制标准
评论
0/150
提交评论