数学建模论文SARS传播的数学模型.docx
《数学建模论文SARS传播的数学模型.docx》由会员分享，可在线阅读，更多相关《数学建模论文SARS传播的数学模型.docx（28页珍藏版）》请在冰豆网上搜索。
数学建模论文SARS传播的数学模型
高教社杯全国大学生数学建模竞赛
承诺书
我们仔细阅读了中国大学生数学建模竞赛的竞赛规则.
我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。
我们知道，抄袭别人的成果是违反竞赛规则的,如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。
如有违反竞赛规则的行为，我们将受到严肃处理。
我们参赛选择的题号是（从A/B/C/D中选择一项填写）：
B
我们的参赛报名号为（如果赛区设置报名号的话）：
所属学校（请填写完整的全名）：
参赛队员（打印并签名）：
1.
2.
3.
指导教师或指导教师组负责人（打印并签名）：
日期：
年月日
赛区评阅编号（由赛区组委会评阅前进行编号）：
高教社杯全国大学生数学建模竞赛
编号专用页
赛区评阅编号（由赛区组委会评阅前进行编号）：
赛区评阅记录（可供赛区评阅时使用）：
评
阅
人
评
分
备
注
全国统一编号（由赛区组委会送交全国前编号）：
全国评阅编号（由全国组委会评阅前进行编号）：
《数学建模与数学实验综合实验》课程设计任务书
一、设计目的
“数学建模与数学实验”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，对学生动手能力要求很高。
数学建模与数学实验综合实验是该课程的必要实践环节。
通过实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知识与建模方法的掌握，激励学生勇于创新，全面提高学生解决实际问题的动手能力，掌握常用数学计算工具和数学软件，为从事科学研究和工程应用打下坚实基础。
通过基础实验,使学生加深对“数学建模与数学实验”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，增强学生的实验技能和基本操作技能，在提高学生学习数学建模课程兴趣的同时，培养和提高学生的动手能力和理论知识的工程应用能力。
二、设计教学内容
1、生产计划制定;
2、利润最大化问题;
3、光纤铺设问题;
4、大学生的个人花费问题；
5、电站建设问题；
………
26、印花税调整与证券市场；
27、学生成绩的综合评定；
28、人口问题；
（28个中任选1个）
三、设计时间
2010—2011学年第一学期：
第16周 共计1周
目录
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…………………………………………………………12
SARS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提供的早期模型，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，使模型的说服力降低。
模型中借鉴广东香港的参数来预测北京的疫情走势，不失为一种方法，但在不同地区因政策，地域的不同，病毒的传播和控制呈现不同的特点，使不同城市之间的可比性降低。
故借鉴法存在一定的适用范围，且不能对首发城市进行预测。
对于第二问，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伏阶段、发病阶段和隔离阶段，根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件发生的随机性，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测：
7月上旬北京将基本解除疫情，累计病例约2800多人。
预测结果与实际情况符合得很好。
另外，改变有关参数，发现提前5天采取严格的隔离措施，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天采取措施，疫情将推迟11天，累计人数达4487人。
根据这些预测，文中对卫生部门采取控制措施提出了相关建议。
对第三个问题，本文研究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，预测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个百分点，10月以后影响逐步减小，经济进入恢复时期。
对于第四个问题，给报刊写了一篇通俗短文，说明了建立传染病数学模型的重要性。
最后在模型的评价中，对该模型优于原附件1模型的方面作了说明，特别说明了建立一个真正能预测和为预防、控制提供可靠、足够的信息的模型需要满足的条件和困难之处。
一、问题的提出
2002年至2003年，SARS（严重急性呼吸道综合症,俗称非典型肺炎）悄然无息地靠近我们的生活，在潜伏一段时间后忽然爆发，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经验和教训，认识到定量研究传染病的传播规律、为预测和控制传染病蔓延创造条件的重要性。
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所提供的一个早期的模型，评价其合理性和实用性。
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测以及能为预防和控制提供可靠、足够的信息的模型，以及这样做的困难之处。
（3）对于卫生部门所采取的措施做出评论，如：
提前或延后5天采取严格的隔离措施，对疫情传播所造成的影响做出估计。
（附件2提供的数据供参考。
）
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测。
（附件3提供的数据供参考。
）
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的模型主要采用“数据拟合”和“借鉴参数”的方法对北京疫情走势进行预测。
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、死亡等原因，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，使模型的说服力减弱，合理性和可靠性大大降低。
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别，文中的说法显然不妥。
从预测思想来看，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测的。
由于广东、香港的疫情和控制都在北京之前，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，基本处于后期控制阶段。
而当时北京的疫情刚过了高峰期，正处于社会剧烈调整时期，数据较为凌乱，略有下降趋势，但不明显。
可见在当时，采取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，由于对传播机制认识不足，中途又出现高度感染的特殊情况。
另外使用借鉴法无法对首发城市进行预测。
三、传播模型
（一）问题的分析
在SARS爆发的初期，由于潜伏期的存在，人们对病毒传播速度和危害程度的认识不够，未能及时识别这一传染病的存在。
但当病患数不断增加，政府开始采取应对措施对其进行控制，同时社会舆论加大宣传力度，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）：
在采取切实有效的控制措施之前的一段时间。
第二、控后阶段：
介入人为因素之后的一段时间。
由于SARS的传播涉及的因素很多，如潜伏期、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，潜伏期的大小、传染率和治愈率的大小因人而易，具有一定的随机性。
不可能一开始就把所有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，发现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，认为累计数的减少可能是误诊引起的。
由于误诊的可能性很低，故在这里忽略不计。
（二）基本假设
1、国家卫生部提供的北京疫情统计真实可信。
（误诊数仅为1，可忽略不计）。
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，这里将所有传播途径都视为与病源的直接接触。
3、不考虑出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、根据国家卫生部资料可知处于潜伏期的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、根据资料显示，SARS病毒的潜伏期一般为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，但与感病者接触后容易受到感染。
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，实际上他们已经退出了传染病系统。
并通过三类之间的互相转化关系建立微分方程组进行求解：
（1）
变量和符号说明：
——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。
——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。
观察附件二中给出的数据，我们发现截至6月23日，感病者累计为2521人，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：
（2）
注意到退出者不是我们研究的范围，故方程组
（2）实际上是一个常微分方程
（3）
其中
，
不难用分离变量法解出：
（4）
其中I0为初始值。
根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情况。
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情况，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（
）——身上携带病毒并均匀散布在人群中的患者，根据基本假设自由携带者在潜伏期内不具有传染力，
日增患者（
）——每天被医疗部门发现并加以隔离的感病者
被隔离者（
）——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（
）——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（1~2天）的症状通常为发热（
），发热通常为高热[1]。
症状明显，易于辨认，故可认为自由携带者发
升级会员 