目录
引言
常微分与偏微分
常微分方程涉及单个自变量及其导数,而偏微分方程涉及多个自变量及其偏导数
常微分
dy/dx = f(x, y)
,其中y
是待求函数,x
是自变量
偏微分
∂u/∂t = c ∂²u/∂x²
,其中u
是待求函数,t
和x
是自变量
导数
什么是导数,即变化率,要“变”
所以对基于微分方程的模型是动态模型(动起来才用得到)
模型改进
- 常数变函数
- 考虑可能因素
模型关键词
改变、变化、增加、减少
速率、增长、衰变、扩散、边际的
其实就是围绕“变”
建立模型三种方法
直接列方程法(根据数学物理规律)
在数学、力学、物理、化学等领域,许多自然现象的规律已被广泛认识,并可直接用微分方程描述。
如牛顿第二定律(F=ma)、放射性物质的衰变规律(N(t)=N0e−λt)等。常利用这些已知规律直接建立微分方程。
微元分析法和积分法
具有微元关系,不能直接列出自变量与未知函数及其变化率之间的关系,而是通过微元分析法,利用已知规律建立变量间的微元关系,再通过取极限得到微分方程,或通过在任意区域上进行积分来建立微分方程。
微元思想
模拟近似法
在生物学、经济学等领域,许多现象的规律不明确且相当复杂。在考虑问题时,需要根据实际资料或实验数据提出各种假设,考虑多种情况,然后在这些假设下,利用合适的数学方法列出微分方程。
例如,传染病模型(后面介绍)
传染病模型
MATLAB——微分方程建模_matlab微分方程模型-CSDN博客
SI
SI(Susceptible-Infectious),在这个模型中,人群被分为两个相互转换的亚群:易感者(Susceptible,S)和感染者(Infectious,I)。模型假设个体之间的相互作用是随机的,且一旦个体被感染,它将持续保持感染状态直到康复或死亡。SI模型通常适用于那些感染者不会恢复免疫能力的疾病,如某些类型的癌症或HIV/AIDS初期阶段。
(区分病人和健康人,病人不会再被感染)
SIS
SIS模型(Susceptible-Infected-Susceptible Model)。易感者在与感染者接触后会转变为感染者,而感染者在康复后又重新进入易感者状态,但不具有免疫力。SIS模型适用于那些感染后可以痊愈但不产生长期免疫的疾病,如普通感冒和某些性传播疾病
(病人可治愈成为健康人,健康人可再次被感染)
SIR
SIR模型(Susceptible-Infected-Recovered Model),该模型将人群分为三个相互转换的群组:易感者(Susceptible,S)、感染者(Infected,I)和康复者(Recovered,R)。在SIR模型中,易感者在与感染者接触后会变为感染者,感染者在经过一定的感染期后会康复并获得免疫力,不再参与传播过程。SIR模型的基本假设包括人群是封闭的、个体之间的接触是随机的、康复者获得永久免疫力等。模型通过一组常微分方程来描述这三个群组随时间的变化,这些方程涉及到传染率(β)和康复率(γ)两个关键参数,它们分别代表感染者传播疾病的能力和感染者康复的速率。
(人患病痊愈后有长期免疫力)
clc;clear
I=input('请输入感染者的人数:');
R=input('请输入移除者的人数:');
N=input('请输入总人数:');
S=N-I-R; %健康者的人数
lemda=input('请输入日接触率:');
mu=input('请输入移除率:');
t=1:365;
for i=1:(size(t,2)-1)
S(1+i)=S(i)-lemda*I(i)*S(i)/N;
%下一时刻健康的人数等于上一时刻健康的人数减去新感染的人数
I(1+i)=I(i)+I(i)*S(i)*lemda/N-mu*I(i);
%下一时刻的病人数目等于上一时刻病人数目加上新患者人数减去移除者的人数
R(1+i)=N-I(1+i)-S(1+i);
%下一时刻移除者的数目等于总人数减去前两者的数目
end
plot(t,S,'b-',t,I,'r.-',t,R,'g--')
xlabel('时间')
ylabel('人数')
legend('健康者','患病者','移除者')
title('SIR传染病模型')