《传染病的传播及控制分析数学建模.》由会员分享，可在线阅读，更多相关《传染病的传播及控制分析数学建模.（17页珍藏版）》请在金锄头文库上搜索。
1、传染病的传播及控制分析摘要 为进一步摸索传染病的传播和流行规律及其与防治措施的关系，本文通过建立传染病的传播模型,理解传染病的扩散传播规律,为预测和控制传染病提供可靠、足够的信息。 本文针对该问题建立了SE微分方程模型,对病毒的传播过程进行了模拟分析，得出了患者人数随时间的变化规律。我们将人群分为五类:患者、疑似患者、正常人、治愈者和死亡者。前三者作为传染系统。我们觉得治愈者获得终身免疫,和死亡者同样移出传染系统,即后两者合并为移出者。 本模型将病毒的传染与扩散分为两个部分：控制前和控制后。在控制前,相称于没有对病毒扩散做任何限制,患者数量短时间内大量增长,并以死亡的形式退出传染系统；在控制后
2、,由于对潜伏者进行了一定强度的隔离,与此同步,确诊患者得到有效的治疗,使得传染源数量减少，患者平均每天接触的人数减少,治愈者增多,并作为重要的移出者移出传染系统。 在模型建立的基本上,通过Mata软件拟合出患者人数随时间变化的曲线关系图，得到如下成果:控制前，患者人数呈指数增长趋势;控制后，在时，患者人数大体在7天时达到最大值，在5天时基本没有患者；在时，患者人数大概在第天达到最大值1383，大概在天之后基本没有患者；在时，大概在第5天患者人数达到峰值为7391，在天时基本没有患者。综上分析，对隔离强度的解决是控制传染病的一种重要手段。针对所得成果，对79的传播控制时提出了医院、政府和个人应有
3、的某些控制措施。 核心词:隔离强度 潜伏期 IR模型 一、问题重述:中,HN9是网上的热点,特别是其高致死率，引起了人们的恐慌，近来又有研究显示，7N9有变异的也许。假设已知有一种未知的现病毒1潜伏期为天,患病者的治愈时间为天，假设该病毒可以通过人与人之间的直接接触进行传播，患者每天接触的人数为，因接触被感染的概率为(为感染率）。为了控制疾病的传播与扩散,将人群提成五类,患者、疑似患者、治愈者、死亡者、正常人。潜伏期内的患者被隔离的强度为(为潜伏期内患者被隔离的百分数）。在合理的假设下建立该病毒扩散与传播的控制模型,运用所给数据值生成患者人数随时间变化的曲线,增强或者削弱疑似患者的隔离强度，比
4、较患者人数发生的变化，并分析成果的合理性。最后结合该模型的数据对控制H7N9的传播做出某些科学的建议。二、问题假设:1、 假设单位时间内感染病毒的人数与既有的感染者成比例；2、 假设单位时间内治愈人数与既有感染者成比例；3、 假设单位时间内死亡人数与既有的感染者成比例;4、 假设患者治愈恢复后不会再被感染同种病毒,有很强的免疫能力,即被移除出此传染系统;、假设正常人被传染后,进入一段时间的潜伏期，处在潜伏期的人群不会体现症状，不可传染健康人,不具有传染性;6、假设患者入院即表达患者被隔离治疗，被视为无法跟别人接触,故不会传染健康人;、假设实际治愈周期过后，如果患者没有治愈，则觉得患者死亡，即实
5、际治愈周期过后,患者都被移出此感染系统；8、假设考察地区内疾病传播期间忽视人口的出生,死亡,流动等种群动力因素对总人数的影响。即：总人口数不变,记为；三、符号阐明:符号解释阐明(t）时刻正常人(易受感染)人数E(）t时刻疑似患者的人数Q(t)t时刻处在潜伏期的人数（t）时刻确诊患者的人数R(t)时刻退出传染系统的人数(涉及治愈者和死亡者)1 潜伏期的人数中转化为确诊患病的人数占潜伏期人数的比例2 每日退出传染系统的人数比例a3确诊患者的治愈时间患者的人均日接触人数因接触被感染的概率潜伏期内的患者被隔离的强度四、 问题分析: 根据题意,这是一种传染性病毒随着时间演变的过程,需要研究传染病在传播过
6、程中各类人群的人数变化，特别是通过研究患者和疑似患者的人数变化，预测传染病的传染的高峰期和持续时间长度,从而我们可以采用相应隔离措施达到控制传染病传播的效果。 我们要分析、预测、研究它就得建立动态模型，查阅有关资料可知，有关传染病的模型已有不少,其中以微分方程模型最具代表性，因题目中把人群分为五类:确诊患者、疑似患者、治愈者、死亡和正常人,因此我们采用微分方程中的IER模型,将死亡者和治愈者都归于系统移出者统称为恢复人群。在此基本上，我们找出单位时间内这五类人群人数的变化来建立微分方程,得出模型。再运用atlab编程画出图形,变化其隔离强度后重新作图进行比较,对成果进行分析,并运用此模型对控制
7、H7N9的传播做出建议。五、模型的建立和求解:1传染病模型的准备 不同类型传染病的传播过程有其各自不同的特点，弄清这些特点需要相称多的病理知识，因此我们不也许从医学的角度一一分析多种传染病的传播,而只是按一般的传播机理建立模型。查阅有关资料可知,目前有关传染病的模型已有不少，其中以微分方程建立的模型比较具有代表性，模型复杂限度有区别，故适合的情形也不同，涉及I模型、I模型、I模型、SIR模型等2。I模型是最简朴的模型,从已感染人数和有效接触率出发构建模型,但未辨别已感染者（病人)和未感染者（健康人），成果发现,随着时间增长，病人人数会无限增长,这显然不符合实际;SI模型是模型的改善模型,它辨别
8、了已感染者和未感染者,但是该模型没有考虑到病人可以治愈,导致人群中的健康者只能变成病人，病人不能变成健康者,这也是不符合实际的;在考虑病人治愈后有较强免疫力的状况下,SIR模型对S模型进行了改善,即增长了移除者(涉及死亡者和治愈者)，但在实际状况下,传染病会浮现疑似患者，故需要考虑隔离的状况。IR模型-4对SIR模型进行了改善,增长了疑似患者，考虑到了隔离强度,故我们选择SER模型进行本次建模。 根据题目所给的条件,人群分为五类:确诊患者、疑似患者、治愈者、死亡和正常人。根据SER模型重新归类，得到如下成果: （）健康人群，即易感染（Sceptibes)人群。记其数量为S（t),表达t时刻未感
9、染病但有也许感染该疾病的人数； (2）确诊患者，即被感染(Infection)该疾病的人群,记其数量为（)，表达t时刻已经确诊为患者入院的人数;(3）疑似病患，即被入院隔离的人群，涉及一部分正常人一部分处在潜伏期的感染者，记其数量为E(t）,表达t时刻也许感染该疾病的入院被隔离的人数;(4）潜伏期感染者，即已感染病毒但处在潜伏期的人群,记起数量为Q（t)表达t时刻已经感染病毒但没有体现症状即处在潜伏期的人数。 （5)恢复人群（Recoverd),记其数量为R(t）,表达t时刻已从感染病者中移出的人数,涉及死亡者和治愈者，这部分人数既不是已感染者,也不是非感染者，不具有传染性,也不会再次被感染,
10、她们已经推出了传染系统。 该传染病的传播流程图如下： 图 传染病传播流程图 2传染病模型的建立5传播过程中每一种群体都处在动态的变化中。对S来说，一部分未被隔离的潜伏期感染者能感染正常人,使其成为潜伏期感染者流出S；对于E来说，流入者涉及一部分潜伏期的感染者和一部分正常人,流出者涉及一部分没有被感染的正常人和隔离后被确诊患者;对于I来说,它既有从涉及隔离和未被隔离的H中确诊的流入者,也有已经治愈的流出者；对于R来说,它只有从中治愈转化而来的流入者。以上过程在传染的每一时刻都是相似的。为此我们可将时间假定的非常小，在某一时刻对S、E、R取其对时间的微分，这样既可建立传染病控制模型的微分方程组如下
11、： 、控制前阶段： 前两天,患者没有住院，疑似患者没有被隔离,患者可以随意接触和感染正常人。分析控制前阶段时间内，疫情的发展与变化。 （1）正常人-疑似患者：控制前阶段病人尚未被隔离，因此疫情发展比较迅速,此时病人人均每天接触个正常人，假设时刻病人人数为,则新增疑似患者人数为，。 (2)疑似患者-潜伏期: 疑似患者中涉及病毒携带者和非病毒携带者,病毒携带者会进入潜伏期,而非病毒携带者最后还是正常人。 设疑似患者中病毒携带者占疑似患者的比例为,假设时刻疑似患者人数为,潜伏期患者人数为，则,故新增潜伏期人数为。 (3)潜伏期-确诊患者：由于每日潜伏期病人变为确诊患者的数量呈指数增长，用表达这一特性
12、。那么新增确诊患者人数为，目前要拟定,如果潜伏期天数为到,假设其变化到了一种稳定阶段,那么随着天数的增长潜伏期的病人越来越多，其概率分布呈指数稳步增长,则每天有概率的人变为猪流感患者,即。因此新增患者人数：。 ()确诊患者-治愈、死亡：设T为退出系统人数(治愈者和死亡者）,如果治愈天数设为,那么天后病人要么死亡要么被治愈,而被治愈的人产生抗体，不再会被传染，因此被治愈的人和死亡的人都算作退出系统的人。设系统退出率为，则有退出人数。的求解措施与相似，即随着天数的增长退出传染系统的人数也越来越多，则。故新退出传染系统的人数。根据上述的式子可进一步得出： 因此得出如下:2、 控制后阶段： 两天之后，
13、患者所有住院,疑似患者所有被隔离，剩余一部分未被隔离的感染者变成患者后可以接触和感染正常人。分析控制后阶段时间内,疫情的发展与变化。 （1)正常人-疑似患者:控制后阶段,病人开始被隔离,因此疫情发展开始变慢,并受隔离强度影响,此时病人每天接触的正常人数目也在变小,假设病人的数目为,则疑似患者数目。又由于接触率与隔离强度有关,也呈指数分布，因此,故新增疑似患者的数目。 (2）疑似患者-潜伏期:控制后阶段，疑似患者中病毒携带者占疑似患者的比例不会变化。假设时刻疑似患者人数为,潜伏期患者人数为，故新增潜伏期人数为。 ()潜伏期-确诊患者:潜伏期患者变为确诊患者的过程与控制前时刻相似,因此新增患者人数
14、。 (4）确诊患者-治愈者、死亡者：同样退出传染系统的人数不变,则新增退出传染系统的人数。根据上述可进一步求得出: 整顿后得:.传染病模型的求解: 、控制前:通过对模型的推导，我们发现不能给出每个函数的解析解,因此考虑运用atl中的ode系列函数进行求解。一方面，对传染病模型进行原则化，再带入参数,并由此建立微分方程组函数文献,随后用de函数对该文献进行调用,即可得到微分方程组的解向量,然后运用l函数画出此解向量即可得到各类人群岁时间变化的曲线图。 控制前患者人数随时间变化的关系如下图所示： 图控制前患者的人数随时间的变化 由上图可以看出控制前尚未采用任何措施时,患者的人数迅速增长,类似于指数型增长曲线。这是由于在开始的两天，患者两天后才入院,疑似患者两天后才被隔离缺少。一方面，她们将病原体迅速地传染给了健康人;另一方面,她们由于缺少治疗,无法被治愈。当时,患者的数量越来越多，增长速度越来越快。基本符合实际状况，可见模型的合理性。2、 控制后： （1)当隔离强度时,患者人数随时间变化的关系如下图所示: 图 控制后时患者人数随时间的变化 由上图分析可知,两天后，对患者进行入院隔离，对疑似患者进行部分隔离，使得新进入潜伏期的人数在减少。因此，由于时间的延迟，患者人数的迅速增长,并在接下来的几天内达到峰值，随后逐渐下降最后平缓的趋于零。患者人数在增长趋于缓
