SARS传播的数学模型_第1页
SARS传播的数学模型_第2页
SARS传播的数学模型_第3页
SARS传播的数学模型_第4页
SARS传播的数学模型_第5页
已阅读5页,还剩14页未读, 继续免费阅读

下载本文档

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

SARS传播的数学模

《数学建模与数学试验综合试验》谡程设计任务书一、设计

目的数学建模与数学试验是一门实践性、综合性、应用性较强

的数学基础课程,是交叉学科和新兴边缘学科发展的基础,对学生

动手实力要求很高。

数学建模与数学试验综合试验是该课程的必要实践环节。

通过试验学生实践数学建模的各个环节,以帮助学生强化数学

建模基础学问与建模方法的驾驭,激励学生勇于创新,全面提高学

生解决实际问题的动手实力,驾驭常用数学计算工具和数学软件,

为从事科学探讨和工程应用打下坚实基础。

通过基础试验,使学生加深对数学建模与数学试验课程中基

本理论和基本方法的理解,了解常用数学工具和方法,增加学生的

试验技能和基本操作技能,在提高学生学习数学建模课程爱好的同

时,培育和提高学生的动手实力和理论学问的工程应用实力。

二、设计教学内容1、生产支配制定;2、利润最

大化问题;3、光纤铺设问题;4、高校生的个人花费问题;

5、电站建设问题;26、印花税调整与证券市场;

27、学生成果的综合评定;28、人口问题;(28个中任

选1个)三、设计时间20232023学年第一学期:

第16周共计1周书目摘要1一.问题的提出1

二.对早期模型的评价2三.传播模型2四.模型的评价和

改进11五.参考文献12附件121SARS传播的

数学模型摘要本文针对SARS的传播建立了数学模型。

首先,对附件1供应的早期模型,认为传染概率的说法欠

妥,传染期限L的确定缺乏医学上的支持,使模型的劝服力降低。

模型中借鉴广东香港的参数来预料北京的疫情走势,不失为一

种方法,但在不同地区因政策,地域的不同,病毒的传播和限制呈

现不同的特点,使不同城市之间的可比性降低。

故借鉴法存在确定的适用范围,且不能对首发城市进行预料。

对于其次问,在分析常用传染病模型的局限性后,文中把患

者所处的状态明确划分为潜藏阶段、发病阶段和隔离阶段,依据各

阶段的转化关系建立了第一个数学模型。

考虑到发病和被隔离等事务发生的随机性,本文在原有模型的

基础上适当改进,建立了随机模拟模型。

通过对5月10日以前数据的拟合,并经过500次模拟,对

北京的疫情进行了预料:

7月上旬北京将基本解除疫情,累计病例约2800多人。

预料结果与实际状况符合得很好。

另外,变更有关参数,发觉提前5天实行严格的隔离措施,

将使疫情解除的时间提前约10天,累计人数降至1958人;若延

迟5天实行措施,疫情将推迟11天,累计人数达4487人。

依据这些预料,文中对卫生部门实行限制措施提出了相关建

议。

对第三个问题,本文探讨SARS对入境旅游人数的影响,建

立了数学模型。

通过数据拟合的方法确定日增长病例数对旅游人数的影响,预

料9〜12月份入境旅游人数分别为24.02,36.06,33.04,25.

85万人。

与往年同期相比,9月降低了23.5个白分点,10月以后

影响逐步减小,经济进入复原时期。

对于第四个问题,给报刊写了一篇通俗短文,说明白建立

传染病数学模型的重要性。

最终在模型的评价中,对该模型优于原附件1模型的方面作

了说明,特别说明白建立一个真正能预料和为预防、限制供应牢靠、

足够的信息的模型须要满足的条件和困难之处。

一、问题的提出2023年至2023年,SARS(严峻急性呼

吸道综合症,俗称非典型肺炎)悄然无息地靠近我们的生活,在潜

藏一段时间后突然爆发,在全球掀起了轩然大波。

作为重灾区的国家之一,我国的经济发展和人民生活受到了很

大的影响。

我们从中得到了许多重要的阅历和教训,相识到定量探讨传染

病的传播规律、为预料和限制传染病扩散创建条件的重要性。

对此,要求对SARS的传播建立数学模型,具体要求如下:

1、对附件1所供应的一个早期的模型,评价其合理性和好

用性。

2、对SARS的传播建立一个自己的模型,并说明:

(1)为什么优于附件1中的模型;(2)怎样才能建立一

个真正能够预料以及能为预防和限制供应牢靠、足够的信息的模型,

以及这样做的困难之处。

2(3)对于卫生部门所实行的措施做出评论,如:

提前或延后5天实行严格的隔离措施,对疫情传播所造成的

影响做出估计。

(附件2供应的数据供参考工

)3、收集SARS对经济某个方面影响的数据,建立相应的数

学模型并进行预料。

(附件3供应的数据供参考。

)4、给当地报刊写一篇通俗短文,说明建立传染病数学模

型的重要性。

二、对早期模型的评价附件1的模型主要接受数据拟合

和借鉴参数的方法对北京疫情走势进行预料飞

在数据拟合方面,该模型中有两个疑点:

1、感染期限L的确定。

由于被严格隔离、治愈、死亡等缘由,感染者在某一时段后

不再具有对易感人群的传染力,故对病毒的传染加上感染期限是合

理的。

但在对该参数的确定上,作者为了较好地拟合各阶段的数据,

通过人为调试来确定L的取值,缺乏医学上的支持,使模型的劝

服力减弱,合理性和牢靠性大大降低。

2、文中认为K代表某种环境下一个人传染他人的平均概率。

但从模型的公式中可以看出,参数K的实际意义是一个病人

平均每天传染其他人的个数。

两者之间有实质的区分,文中的说法明显不妥。

从预料思想来看,该模型是借鉴先发地区广东、香港的有关

参数对北京的疫情进行预料的。

由于广东、香港的疫情和限制都在北京之前,已经过了高峰

期,到5月8日为止每日新增病例已降至10来例,基本处于后

期限制阶段。

而当时北京的疫情刚过了高峰期,正处于社会猛烈调整时期,

数据较为凌乱,略有下降趋势,但不明显。

可见在当时,实行这种借鉴是无奈之举。

但是由于城市之间的政策,风俗习惯等不同,城市之间的可

比性不强,借鉴存在很大的局限性。

如在香港,由于对传播机制相识不足,中途又出现高度感染

的特别状况。

另外运用借鉴法无法对首发城市进行预料。

三、传播模型(一)问题的分析在SARS爆发的初期,由

于潜藏期的存在,人们对病毒传播速度和危害程度的相识不够,未

能刚好识别这一传染病的存在。

但当病患数不断增加,政府起先实行应对措施对其进行限制,

同时社会舆论加大宣扬力度,人们的警觉性提高,病毒的传播速度

下降。

因此,我们通常把传染病的传播模式近似分为两个阶段:

第一、自由传播阶段(即控前阶段):

在实行切实有效的限制措施之前的一段时间。

其次、控后阶段:

介入人为因素之后的一段时间。

由于SARS的传播涉及的因素许多,如潜藏期、人群的迁入

迁出,感病者的数量、易感者的数量、传染率和治愈率的大小等。

而且在以上因素中,潜藏期的大小、传染率和治愈率的大小

因人而易,具有确定的随机性。

不行能一起先就把全部的因素全部考虑在内建立模型。

对此,我们将作出相应的假设进行简化。

分析附件2所给出的数据,发觉6月1日至15日,已

确症病例累计数为2522人,其中夹杂3天累计数为2523人,

但6月16日后累计数降至2521人,认为3累计数的削减

可能是误诊引起的。

由于误诊的可能性很低,故在这里忽视不计。

(二)基木假设1、国家卫生部供应的北京疫情统计真实

可信。

(误诊数仅为1,可忽视不计)。

2、由于非典的主要传播途径是近距离接触,通过受感染者

咳嗽或打喷嚏时产生的飞沫传播,这里将全部传播途径都视为与病

源的干脆接触。

3、不考虑诞生与自然死亡的过程和人群的迁入迁出(或认为

迁入和迁出基本平衡),认为疾病传播期间所考察地区的总人数为常

数。

4、依据国家卫生部资料可知处于潜藏期的SARS病人不具有

传染性。

5、目前尚不清楚康复患者是否具有免疫力,但据国家卫生

部资料可知康复后的病患无一例复发。

故假设康复患者退出传染系统。

6、依据资料显示,SARS病毒的潜藏期一般为2〜7天,平

均约为5天。

(这一条件将在后期的模型中有所改动)(三)常用基本模

型目前常用的传染病模型,通常将传染病流行范围内的人群分为三

类:

S类:

易感者,指未得病者,但与感病者接触后简洁受到感染。

I类:

感病者,指染上传染病的人。

R类:

移出者,指因患病而被隔离,或因病愈而具有免疫力的人,他

们即非感病者,也非易感者,事实上他们已经退出了传染病系统。

并通过三类之间的相互转化关系建立微分方程组进行求解:

NRIShldtdRhlklSdtdlkl

SdtdS(1)变量和符号说明:

k传染率:

每个病人平均每天有效接触(足以使被解除者感染)的人数。

h退出率:

单位时间内治愈和死亡人数占感病者人数的百分数。

S(t)易感人群的总数。

I(t)感病者总数。

R(t)退出者总数。

N一个城市总人口数。

视察附件二中给出的数据,我们发觉截至6月23日,感

病者累计为2521A,远远小于北京城市的总人口数150万人,故

认为感病者和退出者对易感人群的总数影响不大,易感者总人数I

为一常数。

原方程变形为:

4hldtdRhlklNdtdl

(2)留意到退出者不是我们探讨的范围,故方程组(2)事实上

是一个常微分方程IhlkNIdt,di

(3)其中不难用分别变量法解出:

hkNteltl0)((4)

其中10为初始值。

依据以上分析我们可以看出,常微分方程的传染病模型只适

用于病例数与总人口数具有可比性的状况。

当病例数远小于总人口数时,常微分方程模型的实质与附件1

的模型相同,感病人数将随时间以指数增长。

考虑这一特点,我们用计算机跟踪病毒的个体传播状况,建

立了模拟模型。

(四)计算机模拟模型:

在该模型中,我们将传染系统中的人分为五类:

自由携带者(][tf)身上携带病毒并匀整散布在人群中的患

者,依据基本假设自由携带者在潜藏期内不具有传染力,日增患

者(][tx)每天被医疗部门发觉并加以隔离的感病者被隔离者

(][ty)因曾与自由携带者接触而被怀疑携带SARS病毒的人有

效接触者每日与自由携带者接触并感染上病毒的人无效

接触者(][2tz)每日与自由携带者接触但未染上病毒的人并作出

如下假设:

1、由于传染性SARS最初(厂2天)的症状通常为发热

(038),发热通常为高热[1]。

症状明显,易于辨别,故可认为自由携带者发病后当天或其

次天就立刻入院治疗,入院后不会再参与疾病的传播。

2、依据实际状况,假设SARS病人被发觉的三天内,有关

部门将实行措施,将部分与病源有效接触者隔离,这部分人即使发

病后也不会参与疾病的传播。

3、与病源有效接触者必定发病。

依据基本假设,潜藏期一般为2至7天,这里取为5天。

(这一假设在改进模型中有进一步的探讨。

)另外,对模拟模型中出现的符号变量说明如下:

1k有效接触率,表示一个自由携带者平均每天有效接触的

人数。

52k无效接触率,表示一个自由携带者平均每天无效接触

的人数。

与自由携带者接触后(包括有效接触和无效接触)的人群

中可以限制的人数所占的百分比。

模拟模型中个体传播状况如图1所示:

自由携带者1、5天处于潜藏期,不具有传染实力;5天后发

病,发病后每天有效接触1k人,2天后(第7天)被隔离,

在隔离前每天无效接触2k人。

与病源接触后的可控人群(占接触者总人数的)在3天后

被视为疑似病人。

疑似病人中的有效接触者在接触病源的第7天被发觉确认为

日增患者,而有效接触者中其他人作为自由携带者留在人群中,接

着这之前的个体传播。

图1:

个体传播示意图用数学模型描述各个变量之间的关系如下:

21

0]([][22jifkjizi]

6[]6[][ix][1)1(][if)6][if]6[][if]

5[1111lizfizkizkiz(5)由于北京在4

月20日才起先建立每日疫情报道制度,故认为政府实行严格的隔

离措施起先于4月20日,以这一大为分界线,之前属于自由传

播阶段。

依据这一模型,用计算机模拟北京5月10日之前SARS的

传播状况,并对5月10日以后的传播状况进行预料。

自由携带者日增患者有效接触者无效接触者自由携带者

被隔离者日增患者被隔离者7天后第6,7天7天中3天后

3天后4天后6图2:

5月10日以前数据拟合图图3:

5月10日以后的预料曲线通过图2两条曲线的拟合,得到

控前的有效接触率(表征病毒的传染力)k=l.351,可控率(表征政

府的限制力度)5.0;控后kl=0.8,=0.7o

依据这两个参数作出5月10日的预料曲线见图3o

,依据预料,北京将在第97天(6月下旬)实现零增长,累

计病例数2448人。

经过分析,以上确定型的模拟模型存在以下两点问题:

第一、SARS病毒的潜藏期一般是2~7天,模型将潜藏期确

定为5天,从感染到被发觉的时间确定为7天,可以明显地看到

以7天为传播周期的曲线变动,7而在实际曲线中,虽然数据有

上下波动的趋势,但周期性并不明显。

其次、在接受隔离政策时,模型假定与病源接触的人群以固

定的比例受到限制,这种假设加大了人为主观因素的影响。

基于以上两点,在拟合5月10日之前的数据时,得到的

有效接触率与实际统计数据有所偏差。

这种偏差降低了模型的可信度。

基于此,我们查找有关统计数据,为参数的确定寻求医学上

的支持,并以随机模拟取代完全确定性的模拟,对原模型进行改进,

建立了随机模拟模型。

(五)改进后的随机模拟模型1、依据上文的分析,在原

有模型的基础上作出如下改进假设:

假设一:

假设潜藏期的长短听从以5天为期望值,2天为方差的正态

分布,即认为自由携带者将以68%的概率在3〜7天内发病,以95%

的概率在广9天内发病。

假设二:

假设与病源接触的人群每天均以确定的比例被隔离。

该比例听从以1为期望值,0.05为方差的正态分布。

2、参数的确定:

控前kl5月23日,美国《科学》杂志及其网站上发表了

两篇有关SARS的流行病学论文及一篇长篇评论[2],探讨确定SARS

病患的基本传播率(即文中的有效接触率)为3。

控前表示有效接触者中在发病前未能受到有效隔离的人所

占的比例。

由于在SARS传播前期,对疾病未能作良好的监控,而在潜藏

期内病患无法得知自己的真实状况。

所以在这一阶段不妨设被隔离。

这与控前的实际状况是吻合的。

控后kl控后的有效接触率事实上受多种因素综合影响。

比如人们不愿外出,削减了与病源的接触机会,更留意卫生

等,这些因素均使有效接触率明显降低。

英国和香港的一个探讨小组的探讨表明,传染率(即本文的有

效接触率)控后仍有较长一段时间在1左右徘徊。

为简化模型,我们取kl=lo

控后控后的隔离措施被细化为几个等级,措施的级别越

高,限制力度越大,社会付出代价越高,难度越大[3]。

经探讨发觉,实行隔离措施后短期内使未隔离的病患在总自由

携带者中占40%〜90%的比例[3],即在0.4在0.9之间。

由于各地的限制力度不同,对应的不同,对北京4月20

日以前的数据进行拟合后得到当4.0时,拟合较好。

从中可以看出北京的措施是比较严厉的。

3、预料结果由于缺乏4月20日之前的数据,不妨设初始

6天的病例数分别为1,2,3,4,5,6(之后将对初始值的合

理性进行探讨)。

为了较好地拟合数据,接受3月15日作为病毒传播的起先

时间,认为在病毒传染前期,北京主要以输入型传播为主,传播

机理不明,输入病例数量无法确定。

接受以上数据和相关参数,通过计算机编程,产生正态分布

的随机数,并对传染状况进行500次模拟,取其平均数得到预料

结果见表lo

表1:

实际值与预料值的比较日期5.115.125.135.145.15

5.165.175.18实际值38394323预料值43.40373090.

0,即几乎没有病患在潜藏期内18301726151423208

日期实际值预料值日期实际值预料值日期实际值预料值5.

193185.27896.4045.205.215.225.235.245.25

5.2670129161514135.285.295.305.3123318

7666.56.66.76.80000333225116.1156.

9029106.2056.106.1102596.30402图4:

改进后的拟合曲线9图5:

改进后的预料曲线图6:

提前5天实行措施的预料曲线若卫生部门提前5天实行严

格的隔离措施,预料将会出现图4的状况:

累计病例总数为1958人,到第100天就可实现零增长。

若滞后5天才实行严格的隔离措施,预料曲线如图5所示,

疫情将延迟至第121天才能基本消退,届时累计病例总数将达到

4487人。

10若卫生部门的隔离措施滞后15天才得到全面实施,将

出现图6的状况,到第139天疫情才能基本消退,累计病例数将

增至10208人,比原来增长了约8000多名患者。

图7:

滞后5天的预料曲线图8:

滞后15天的预料曲线若社会及政府等相关部门加大宣扬力

度,人们警觉性提高,使有效接触率降低,设k=0.8,得到预

料曲线图7,预料到第92天疫情解除,累计病例2395人。

若卫生部门实施严格隔离措施,加大对与自由携带者相接触的

人群的限制力,设可控率提高到7.0,3.0o

得到预料曲线图8,预料到第80天疫情11解除,累计病

例2545人。

表2:

变更有关参数后的预料值实现零增长的时间109100121139

8092变更相关参数累计病例数28161958448710208与预料病

例数的差值-85816717392-271-421与预料实现零增长的日期

相比最初预料提前5天滞后5天滞后15天加大限制力度

2545加大宣扬力度2395-9+12+30-29-18以上预料结果表明,

加大宣扬力度,可以明显削减感染总数;而加大限制力度,可以

显著削减疫情持续的时间。

依据以上预料结果,对SARS疫情的限制提出以下建议:

1、应尽早实行有效的限制措施。

提早实行严格的隔离措施,将会使疫情提早得到限制或解除。

2、隔离和宣扬并重。

一方面加大限制力度,提高接触病源的人群的可控率,提前结

束疫情;另一方直加大宣扬力度,提高全民健康意识,切断传染

途径,从而削减自由携带者的有效接触人数。

这样即使防范措施晚了一些,出现了高峰期,照旧能够在确定

的时间内解除疫情。

四、模型的评价和改进方向(一)模型的评价:

1、附件1的模型中,未能明确指出自由携带者和已确症患

者之间的区分,未能考虑到潜藏期不具备传染力的状况。

而在本文中的两个模拟模型,对各个时期的带菌者作了严格的

界定,认为只有未受控(未被隔离及入院就诊)的带菌者在病发后

的02天内才具有传染实力,之后会立刻入院治疗。

符合实际状况,揭示了传染的主要途径和传播机理。

2、改进后的模拟模型对潜藏期和带菌者被发觉的时间依据实

际规律,作了正态模拟,具有明确的实际意义。

3、模拟模型是完全依照北京市5月10日以前的数据拟合

得到的,不须要借鉴其他城市的数据,可以预料首发城市的疫情发

展,且结果与实际状况符合的很好。

4、正是由于我们模型逻辑的精确性,假如经过深化调查获

得实际数据,再对模型进行确定的修改,就可立刻用于建立前期的

预料模型,而不须要等待疾病的发展来获得大量数据进行拟和。

(二)志向模型建立的方案及困难要真正建立能够预料以

及能为预防和限制供应牢靠,足够的信息的模型。

要怎样做,以及困难。

事实上,真止状况要比我们的模型困难的多,比如,由十

初期传播机理不明,12医护人员为收到好的爱惜,许多受到传染。

而传播率事实上也是依据某种趋势变更的,他与人们的警惕心

理等因素有关。

要建立这样的模型,我们认为:

1、要不断的探讨传染病理,完善模型。

2、建立实时反馈机制,不断修改模型参数,以求更精确的

预料以后的数据。

3、尽量以实际的探讨数据建模,力求精确反映事务的实质。

这样,当人为修改参数进行模拟预料时,可以为实行什么措

施效果最好做出较精确的建议。

4、探讨各种措施实际对疾病传播的影响。

要做到这些,也恰恰是建模的难点,因为当涉及到新的传染

病的时候,以上数据或参数都必需通过长期的探讨或拟合才能得到

的。

比如措施对疾病传播的影响,是要统计大量实际数据才能获得

的。

以上也可以看作我们模型的改进方向。

五、参考文献[1]范学工龙云铸,严峻急性呼吸综合征非

典型性肺炎探讨,中国现代医学杂志,第13卷第8期,1-4页,

2023年4月[2]济南市卫生局/机构设置/疾病限制处,SARS传

染实力及超级传染者揭秘,传染性非典型肺炎防治,2023-6-2[3]

中国科学院探讨生院管理学院SARS管理与限制探讨小组,对各种

措施的效果分析和结论,探讨简报,第1期附件确定型模拟

程序functionlogi(N)%default:N=40%脚本程序:

(下一行)%N=40;logi(N);t=a(find(aO.1)),sum(t),

plot(1:length(t),t,'g')clearf=zeros(l,

200);%f表示自由的带菌者数

a=zeros(l,200);%a表示新增病例数

b=zeros(l,200);

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。

评论

0/150

提交评论