本文参考和学习的论文的作者是赵千 苏学渊 宋运吉
题目到全国大学生数学建模竞赛网站下载。
本题要建立传染病模型。上网一查,最经典的传染病模型是SIR模型,出自1760年伯努利家族的丹尼尔.伯努利对天花传播规律的研究。
本题主要使用微分方程进行建模。
(一)梳理题目
看完题想了半天,只想到像早期模型那样做曲线拟合,数学模型的建立有些无从下手,想建不会建,抓心挠腮···
(二)Highlights which makes this paper stands out
(1)对早期模型拟合曲线的残差分析
拟合模型一定要用残差分析绘制残差图来分析拟合效果。比只是看图说话好。
- e i e_i ei是第i天的计算值和实际值的残差
- e i ∗ e_i^* ei∗是减去期望 E ( e i ) = 0 E(e_i)=0 E(ei)=0,再除以残差的标准差得到的标准化残差
- 标准化残差服从标准正态分布
- 美中不足的是!!!
没有解释为什么用这个式子作为残差的标准差的估计值。。。一般情况下,样本标准差的无偏估计应该是:
σ ^ = ∑ i n e i 2 n − 1 = ∑ i n ( y i − y i ^ ) 2 n − 1 \hat{\sigma}=\sqrt{\frac{\sum_{i}^{n}e_i^2}{n-1}}=\sqrt{\frac{\sum_{i}^{n}(y_i-\hat{y_i})^2}{n-1}} σ^=n−1∑inei2=n−1∑in(yi−yi^)2
如读者朋友知道原因,请评论告知,非常感谢
论文绘制的残差图表明早期模型只有前期拟合效果较好,中后期都与实际情况偏离较大。
(2)模型假设和符号定义
这个假设写得简直太数学太专业了,为后面用微分方程建模埋下了十足的伏笔啊。
这6个关键变量的找出,是不容易的。
(2)基于SIR模型建立新模型
基于一个经典模型,成功率较高,又有更多可参考的资料。
SIR简单地把一个城市的人口分为三类,三类的状态转移图精准地刻画了传染病的传播过程。
利用微分方程组建立数学模型,这也是对上图的数学描述:
- d S d t < 0 \frac{dS}{dt}<0 dtdS<0,因为S类(易感类,能被感染的人群)随疫情发展减少。
- 其它数学公式论文中很清晰
(3)求解模型
求解可以说是很考验数学功底了。深入挖掘模型中方程的关系和隐含信息。
模型里有3个微分方程。联立(1)和(2),得到了参数 λ , v \lambda,v λ,v必须满足的条件。
但这里对
σ
S
必
须
>
1
\sigma S 必须>1
σS必须>1的解释有点不清楚,可以这样说:
{
σ
S
≥
1
,
则
d
I
d
S
≤
0
,
则
S
和
I
变
换
方
向
相
反
,
符
合
实
际
σ
S
<
1
,
则
d
I
d
S
>
0
,
则
S
和
I
变
换
方
向
相
同
,
不
符
实
际
\left\{ \begin{aligned} \sigma S\geq1,则\frac{dI}{dS}\leq0,则S和I变换方向相反,符合实际\\ \sigma S<1,则\frac{dI}{dS}>0,则S和I变换方向相同,不符实际 \end{aligned} \right.
⎩⎪⎪⎨⎪⎪⎧σS≥1,则dSdI≤0,则S和I变换方向相反,符合实际σS<1,则dSdI>0,则S和I变换方向相同,不符实际
所以必须有
σ
S
≥
1
\sigma S \geq1
σS≥1,当然也有
σ
S
0
≥
1
\sigma S_0 \geq1
σS0≥1
下面的推导说明
S
(
t
)
∣
t
→
∞
S(t)|_{t\to\infty}
S(t)∣t→∞在
(
0
,
1
σ
)
(0,\frac1{\sigma})
(0,σ1)有唯一解:
推导并不难,都是最简单的微分知识。
然后根据实际数据就得到了
σ
\sigma
σ必须小于1的结论:
(4)用导数为0划分疫情发展的四个阶段
(5)根据实际设计三个关键函数
这才是体现智商和拉开区分度的重要赛点!!!前面那些都是小亮点,这个是闪瞎眼睛的关键。
论文也说了,疫情的发展要分阶段研究,各个参数在不同阶段的取值和变化规律(函数)是不同的,所以用分段函数来描述是符合实际的。
平均传染期函数:
就诊率函数:
平均接触率函数:
模型预测效果图: