传染病问题的SIR模型.docx
《传染病问题的SIR模型.docx》由会员分享,可在线阅读,更多相关《传染病问题的SIR模型.docx(9页珍藏版)》请在冰豆网上搜索。
传染病问题的SIR模型
传染病问题中的SIR模型
摘要:
2003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,探索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。
在这里我采用SIR(Susceptible.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年采用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发展变化的过程和传播规律,预测疾病发生的状态,评估各种控制措施的效果,为预防控制疾病提供最优决策依据,维护人类健康与社会经济发展。
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(这部分人既非已感染者,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)为常数入,日治愈率(每
天被治愈的病人占总病人数的比例)为常数卩,显然平均传染期为1/卩,传染期接触
数为c=入/卩。
该模型的缺陷是结果常与实际有一定程度差距,这是因为模型中假设有效接触率传染力是不变的。
、模型构成
在以上三个基本假设条件下,易感染者从患病到移出的过程框图表示如下:
r
口i——
在假设1中显然有:
(1)
s(t)+i(t)+r(t)=1
对于病愈免疫的移出者的数量应为
不妨设初始时刻的易感染者,染病者,恢复者的比例分别为So(So>0),io(io>0),
ro=0.
di
dt
ds
尿
dr
dt
SIR基础模型用微分方程组表示如下:
sii
(3)
si
i
s(t),i(t)的求解极度困难,在此我们先做数值计算来预估计s(t),i(t)的一般变化规
律。
三、数值计算
在方程(3)中设入=1,卩=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1oi(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时达到最大值,然后减少,t,jr0,s(t)则单调减少,tfx,sf0.0398.并分析i(t),s(t)的一般变化规律.
t
0
1
2
3
4
5
6
7
8
i(t)
0.0200
0.0390
0.0732
0.1285
0.2033
0.2795
0.3312
0.3444
0.3247
s(t)
0.9800
0.9525
0.9019
0.8169
0.6927
0.5438
0.3995
0.2839
0.2027
t
9
10
15
20
25
30
35
40
45
i(t)
0.2863
0.2418
0.0787
0.0223
0.0061
0.0017
0.0005
0.0001
0
s(t)
0.1493
0.1145
0.0543
0.0434
0.0408
0.0401
0.0399
0.0399
0.0398
四、相轨线分析
我们在数值计算和图形观察的基础上,利用相轨线讨论解i(t),s(t)的性质。
利用积分特性容易求出方程(5)的解为:
(7)
io)
i
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dt并注意到c
的定义,
可得
di1
dssc
1,
iIssoi0
(5)
所以:
1
di1ds
sc
i
io
s1
di1ds
s0sc
(6)
s丄沁
So
在定义域D内佝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.
i
下面根据⑶,(17)式和图9分析s(t),i(t)和r(t)的变化情况(t-X时它们的极限值分别记作s,i和r)。
1•不论初始条件s0,i0如何,病人消失将消失,即:
io0(8)
其证明如下:
首先,由⑶虫0而s(t)0故s存在;由⑵空0而r(t)1故r存
dtdt
在;再由⑴知i存在。
dr
其次,若i0则由⑴,对于充分大的t有竺-,这将导致r,与r存在相
dt2
矛盾•从图形上看,不论相轨线从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
(9)
S0
在(0,1/c)内的根.在图形上s是相轨线与s轴在(0,1/(T)内交点的横坐标.
3.若s°>1/c,则开始有虫
ds
0,i(t)先增加’令鲁
1=0,可得当s=1/
c时,i(t)达到最大值:
d1
然后s<1/M,有;爲1
0,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(So,io)出发的轨线•
d1
4若s>1/c,则恒有二爲1
0,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/c是个阈值,当s°>1/c(即c>1/s0)时传染病就会蔓延.而减小传染期接触数c,即提高阈值1/c使
得s0<1/c(即c<1/s。
),传染病就不会蔓延(健康者比例的初始值s。
是一定的,通常可认为
s0接近1)
并且,即使s0>1/c,从(19),(20)式可以看出,c减小时,s增加(通过作图分析),im降低,也控制了蔓延的程度•我们注意到在c=入卩中,人们的卫生水平越高,日接触率入越小;医疗水平越高,日治愈率卩越大,于是c越小,所以提高卫生水平和医疗水平有助于控制传染病的蔓延•
从另一方面看,ss?
1/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S01/即S01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
根据对SIR模型的分析,当s01/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/c变大以外,另一个途径是降低s0,这可以通过比如预防接种使群体免疫的办法做到.
时,取(13)式右端e
Taylor展开式的前3项得:
d
dt
(1rS0
S0r
S0
2
-)
(11)
r。
1
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。
这种办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。
据估计当时印度等国天花传染病的接触数(7=5,由(11)式至少要有80%的人接受免疫才
行。
据世界卫生组织报告,即使花费大量资金提高ro,也因很难做到免疫者的均匀分布,
使得天花直到1977年才在全世界根除。
而有些传染病的7更高,根除就更加困难。
六、模型验证
上世纪初在印度孟买发生的一次瘟疫中几乎所有病人都死亡了。
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,即有了直的实际数据,Kermack等人用这组数
dt
据对SIR模型作了验证。
首先,由方程
(2),(3)
可以得到
dsdt
sisi
drs-
dt
上式两边同时乘以dt可
^dss
dr
,两边积分得
s4rd
J「°0dr
lnS|S0
r
sr
e
s0
所以:
s(t)S0er(t)
(12)
再扌i(1
rs)
(1r
r、
Soe)
(13)
当r1/
在初始值r°=0下解高阶常微分方程得
(14)
1
r(t)2(S0S0
dr
dt
然后取定参数s0,c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。
图4SIR^型的理论曲线与实际数据
七、被传染比例的估计
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s0与S之
差,记作X,即xSoS(16)
当io很小,so接近于1时,由(9)式可得
1x
xln
(1)0(17)
So
取对数函数Taylor展开的前两项有
x(1
S0
_x
2S02
(18)
111
记So丄,可视为该地区人口比例超过阈值-的部分。
当丄
时(18)式给出
1
x2SoSo2(19)
这个结果表明,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
1
疗水平不变,即不变时,这个比例就不会改变。
而当阈值-提高时,减小,于是这个
比例就会降低。
八、评注
该模型采用了数值计算,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较全面地达到了建模的目的,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索制止蔓延的手段和措施。