sars传播的数学模型数学建模全国赛

sars传播的数学模型数学建模全国赛

ID:34989805

大小:476.00 KB

页数:23页

时间:2019-03-15

sars传播的数学模型数学建模全国赛_第1页
sars传播的数学模型数学建模全国赛_第2页
sars传播的数学模型数学建模全国赛_第3页
sars传播的数学模型数学建模全国赛_第4页
sars传播的数学模型数学建模全国赛_第5页
资源描述:

《sars传播的数学模型数学建模全国赛》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、SARS传播地数学模型摘要本文分析了题目所提供地早期SARS传播模型地合理性与实用性,认为该模型可以预测疫情发展地大致趋势,但是存在一定地不足.第一,混淆了累计患病人数与累计确诊人数地概念;第二,借助其他地区数据进行预测,后期预测结果不够准确;第三,模型地参数L、K地设定缺乏依据,具有一定地主观性.个人收集整理勿做商业用途针对早期模型地不足,在系统分析了SARS地传播机理后,把SARS地传播过程划分为:征兆期,爆发期,高峰期和衰退期4个阶段.将每个阶段影响SARS传播地因素参数化,在传染病SIR模型地基础上,改进得到SARS传播模型.采用离散化地方法对本模型求数值解得到:北京SAR

2、S疫情地预测持续时间为106天,预测SARS患者累计2514人,与实际情况比较吻合.个人收集整理勿做商业用途应用SARS传播模型,对隔离时间及隔离措施强度地效果进行分析,得出结论:“早发现,早隔离”能有效减少累计患病人数;“严格隔离”能有效缩短疫情持续时间.个人收集整理勿做商业用途在建立模型地过程中发现,需要认清SARS传播机理,获得真实有效地数据.而题目所提供地累计确诊人数并不等于同期累计患病人数,这给模型地建立带来不小地困难.个人收集整理勿做商业用途本文分析了海外来京旅游人数受SARS地影响,建立时间序列半参数回归模型进行了预测,估算出SARS会对北京入境旅游业造成23.22亿

3、元人民币损失,并预计北京海外旅游人数在10月以前能恢复正常.个人收集整理勿做商业用途最后给当地报刊写了一篇短文,介绍了建立传染病数学模型地重要性.211.问题地重述SARS(严重急性呼吸道综合症,俗称:非典型肺炎)地爆发和蔓延使我们认识到,定量地研究传染病地传播规律,为预测和控制传染病蔓延创造条件,具有很高地重要性.现需要做以下工作:个人收集整理勿做商业用途(1)对题目提供地一个早期模型,评价其合理性和实用性.(2)建立自己地模型,说明优于早期模型地原因;说明怎样才能建立一个真正能够预测以及能为预防和控制提供可靠、足够信息地模型,并指出这样做地困难;评价卫生部门采取地措施,如:提前

4、和延后5天采取严格地隔离措施,估计对疫情传播地影响.个人收集整理勿做商业用途(3)根据题目提供地数据建立相应地数学模型,预测SARS对社会经济地影响.(4)给当地报刊写一篇通俗短文,说明建立传染病数学模型地重要性.2.早期模型地分析与评价题目要求建立SARS地传播模型,整个工作地关键是建立真正能够预测以及能为预防和控制提供可靠、足够地信息地模型.如何结合可靠、足够这两个要求评价一个模型地合理性和实用性,首先需要明确:个人收集整理勿做商业用途合理性定义要求模型地建立有根据,预测结果切合实际.实用性定义要求模型能全面模拟真实情况,以量化指标指导实际.所以合理地模型能为预防和控制提供可靠

5、地信息;实用地模型能为预防和控制提供足够地信息.2.1早期模型简述早期模型是一个SARS疫情分析及疫情走势预测地模型,该模型假定初始时刻地病例数为,平均每病人每天可传染K个人(K一般为小数),K代表某种社会环境下一个病人传染他人地平均概率,与全社会地警觉程度、政府和公众采取地各种措施有关.整个模型地K值从开始到高峰期间保持不变,高峰期后10天地范围内K值逐步被调整到比较小地值,然后又保持不变.个人收集整理勿做商业用途平均每个病人可以直接感染他人地时间为L天.整个模型地L一直被定为20.则在L天之内,病例数目地增长随时间t(单位天)地关系是:个人收集整理勿做商业用途考虑传染期限L地作

6、用后,变化将显著偏离指数律,增长速度会放慢.采用半模拟循环计算地办法,把到达L天地病例从可以引发直接传染地基数中去掉.个人收集整理勿做商业用途2.2早期模型合理性评价根据早期模型对北京疫情地分析与预测,其先将北京地病例起点定在3月1日,经过大约59天在4月29日左右达到高峰,然后通过拟合起点和4月20日以后地数据定出高峰期以前地K=0.13913.高峰期后地K值按香港情况变化,即10天范围内K值逐步被调整到0.0273.L恒为20.由此画出北京3月1日至215月7日疫情发展趋势拟合图像以及5月7日以后地疫情发展趋势预测图像,如图1.个人收集整理勿做商业用途图1早期模型计算值与实际值

7、对比图从图1可以看出,从4月20日至5月7日模型计算值与同期实际值地拟合程度比较好,但5月7日后模型计算值(即预测值)随着日期地增长逐渐偏离实际值.个人收集整理勿做商业用途为了进一步验证上述分析,对模型计算值曲线和实际值进行残差分析,记表示第i天实际累计病例,表示第i天计算累计病例.计算个人收集整理勿做商业用途其中,用作为地估计:做出标准化残差地分布图,如图2:21图2早期模型地标准化残差分布图可以很明显地看出,在后期,残差图上出现明显地单减规律性,预测值高于实际值,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。