微分方程建模——以传染病模型为例

微分方程模型

动态模型

• 描述的对象特征随时间(空间)的演变过程
• 分析对象特征的变化规律
• 预报对象特征的未来形态
• 研究控制对象特征的手段

微分方程建模

• 根据函数及其变化率之间的关系确定函数
• 根据建模目的和问题分析做出简化假设
• 按照内在规律或类比法建立微分方程

传染病模型

背景与问题
传染病的极大危害

• 描述传染病的椽笔过程
• 分析受感染人数的变化规律
• 预报传染病高潮到来的时刻
• 预防传染蔓延的手段

基本方法
不是从医学角度饭呢西各种传染病的特殊机理,而是按照传播过程的一般规律建立数学模型

模型1

已感染人数(病人)i(t)
假设:每个病人每天有效接触(足以使人致病)人数为
$$\lambda$$
建模:$$i(t+△t)-i(t)=\lambda i(t)△t$$
t趋向无穷大则感染人数i也趋向无穷大,显然不合理
若有效接触的是病人,则不能使病人数增加,必须区分已感染者(病人)和未感染者(健康人)

模型2 SI模型

区分已感染者和未感染者
假设

1. 总人数N不变,病人和健康人的比例为i(t),s(t)
2. 每个病人每天右效接触人数为
   λ且使接触的健康人致病
   建模:$$N[i(t+△t)-i(t)]=[\lambda s(t)]Ni(t)t△$$
   $$\{\begin{array}{ll}& \frac{di}{dt}=\lambda i(1-i)\\ & i(0)=i_0\end{array}$$
   Logistic模型
   $$t_m={\lambda }^{-1}ln(\frac{1}{i_0}-1)$$
   t_m传染病感染率最高时期
   日接触率λ越低,感染高峰越晚

模型3 SIS模型

传染病无免疫性——病人治愈成为我健康人,健康人可被再次感染
增加假设
3. 病人每天的治愈的比例为μ(μ~ 日治愈率)
建模:
$$N[i(t+△t)-i(t)]=[\lambda s(t)]Ni(t)t△-\mu Ni(t)△t$$
$$\{\begin{array}{ll}& \frac{di}{dt}=\lambda i(1-i)-\mu i\\ & i(0)=i_0\end{array}$$
引入$$\sigma =\frac{\lambda }{\mu }$$一个感染期内每个病人的有效接触人数,称为接触数
$$\frac{di}{dt}=-\lambda i[i-(1-\frac{1}{\sigma })]$$
接触数σ=1 ~ 阈值

模型4 SIR模型

传染病有免疫性——病人治愈后即移出感染系统,称移出者
假设
1.总人数N不变,病人、健康人、移出者比例分别为i(t),s(t),r(t) (i+s+r=1)
2.病人的日接触率λ,日治愈率μ,接触数σ=λ/μ
建模:
s(t)+i(t)+r(t)=1
$$N[i(t+△t)-i(t)]=[\lambda s(t)]Ni(t)t△-\mu Ni(t)△t$$
$$N[i(s+△t)-s(t)]=-\lambda Ns(t)i(t)△t$$
$$\{\begin{array}{l}\frac{di}{dt}=\lambda si-\mu i\\ \frac{ds}{dt}=-\lambda si\\ i(0)=i_0,s(0)=s_0\end{array}$$
此微分方程组无法求出i(t),s(t)的解析解,初始时期i₀+s₀≈1(通常r(0)=r₀很小
先做数值计算,再在相平面上研究解析解性质
$$\{\begin{array}{l}\frac{di}{dt}=\lambda si-\mu i,i(0)=i_0\\ \frac{ds}{dt}=-\lambda si,s(0)=s_0\end{array}$$
整理可得
$$\{\begin{array}{l}\frac{di}{ds}=\frac{1}{\sigma s}-1\\ i{|}_{s=s_0}=i_0\end{array}$$
相轨线 $$i(s)=(s_0+i_0)-s+\frac{1}{\sigma }in\frac{s}{s_0}$$
相轨线i(s)的定义域
D={(s,i)|s≥0,i≥0,s+i≤1}
P₁ : s₀>1/σ :custom_arrow_right: i(t)先升后降至0 :custom_arrow_right_strong: 传染病蔓延
P₂ : s₀<1/σ :custom_arrow_right: i(t)先升后降至0 :custom_arrow_right_strong: 传染病不蔓延
预防传染病蔓延的手段
传染病不蔓延的条件——s₀<1/σ

• 提高阈值1/σ
  降低σ=(λ/μ)
  λ(日接触率) :fa-long-arrow-down: :custom_arrow_right_strong: 卫生水平 :fa-long-arrow-up:
  μ(日治愈率) :fa-long-arrow-up: :custom_arrow_right_strong:医疗水平 :fa-long-arrow-up:
• 降低s₀
  由于s₀+i₀+r₀=1
  要么提高i₀,要么提高r₀,提高i₀则要求全部人感染,显然不可能,则提高r₀,即群体免疫

σ估计
$$s_0+i_0-s_{\infty }+\frac{1}{\sigma }ln\frac{s_{\infty }}{s_0}$$
初期忽略i₀
$$\sigma =\frac{ln{s}_0-ln{s}_{\infty }}{s_0-s_{\infty }}$$
被传染人数估计
记被传染人数比例x=s₀-s_∞
$$x\approx 2s_0\sigma (s_0-\frac{1}{\sigma })$$