模型假设
-
被研究人群是封闭的, 总人为 N N N,病人、健康人和移出者 (有免疫能力, 移出感染系统的人, 病人治愈后为移出者) 的比例分别为 i ( t ) , s ( t ) , r ( t ) i (t ), s (t ), r (t ) i(t),s(t),r(t)
-
病人的日接触率 λ \lambda λ , 日治愈率 μ \mu μ, 接触数 σ = λ μ \sigma = \displaystyle{\frac{\lambda}{\mu}} σ=μλ
模型建立
s ( t ) + i ( t ) + r ( t ) = 1 , ( 1 ) s (t ) + i(t ) + r (t ) = 1, \quad (1) s(t)+i(t)+r(t)=1,(1)
N [ i ( t + Δ t ) − i ( t ) ] = λ N s ( t ) i ( t ) Δ t − μ N i ( t ) Δ t , ( 2 ) N[i(t+\Delta t)-i(t)]=\lambda N s(t) i(t) \Delta t-\mu N i(t) \Delta t, \quad (2) N[i(t+Δt)−i(t)]=λNs(t)i(t)Δt−μNi(t)Δt,(2)
N [ s ( t + Δ t ) − s ( t ) ] = − λ N s ( t ) i ( t ) Δ t , ( 3 ) N[s(t+\Delta t)-s(t)]=-\lambda N s(t) i(t) \Delta t, \quad (3) N[s(t+Δt)−s(t)]=−λNs(t)i(t)Δt,(3)
⟹ \Longrightarrow ⟹
{ d i d t = λ s i − μ i d s d t = − λ s i i ( 0 ) = i 0 , s ( 0 ) = s 0 i 0 + s 0 ≈ 1 ( 通常 r ( 0 ) = r 0 很小 ) \begin{cases} {\frac{d i}{d t}}=\lambda s i-\mu i \\ {\frac{d s}{d t}}=-\lambda s i \\ i(0)=i_{0}, \ s(0)=s_{0} \\ i_{0}+s_{0} \approx 1\left(\text { 通常 } r(0)=r_{0} \text { 很小 }\right) \end{cases} ⎩⎪⎪⎪⎨⎪⎪⎪⎧dtdi=λsi−μidtds=−λsii(0)=i0, s(0)=s0i0+s0≈1( 通常 r(0)=r0 很小 )
无法求出 i ( t ) , s ( t ) i(t ), s(t ) i(t),s(t) 的解析解, 在相平面 s − t s-t s−t 上研究解的性质.
相轨线 i ( s ) i ( s ) i(s) 及其分析
消去
d
t
d t
dt,
σ
=
λ
μ
\sigma=\displaystyle{\frac{\lambda}{\mu}}
σ=μλ,
⟹
\Longrightarrow
⟹
{
d
i
d
s
=
1
σ
⋅
s
−
1
i
∣
s
=
s
0
=
i
0
\begin{cases} \displaystyle{\frac{d i}{d s}=\frac{1}{\sigma \cdot s}-1} \\ \left.i\right|_{s=s_{0}}=i_{0} \end{cases}
⎩⎨⎧dsdi=σ⋅s1−1i∣s=s0=i0
⟹
\Longrightarrow
⟹ 相轨线:
i
(
s
)
=
(
s
0
+
i
0
)
−
s
+
1
σ
ln
s
s
0
i(s)=\left(s_{0}+i_{0}\right)-s+\frac{1}{\sigma} \ln \frac{s}{s_{0}}
i(s)=(s0+i0)−s+σ1lns0s
定义域 D = { ( s , i ) ∣ s ≥ 0 , i ≥ 0 , s + i ≤ 1 } D=\{(s, i) \mid s \geq 0, i \geq 0, s+i \leq 1\} D={(s,i)∣s≥0,i≥0,s+i≤1}
s
(
t
)
s(t)
s(t) 单调减.
t
→
∞
t \rightarrow \infty
t→∞ 时,
i
→
0
i \rightarrow 0
i→0.
⟹
\Longrightarrow
⟹
t
→
∞
t \rightarrow \infty
t→∞ 时
s
0
+
i
0
−
s
∞
+
1
σ
ln
s
∞
s
0
=
0
s_{0}+i_{0}-s_{\infty}+\frac{1}{\sigma} \ln \frac{s_{\infty}}{s_{0}}=0
s0+i0−s∞+σ1lns0s∞=0
P
1
:
s
0
>
1
σ
P_{1}: s_{0}>\displaystyle{\frac{1}{\sigma}}
P1:s0>σ1
⟹
i
(
t
)
\Longrightarrow i(t)
⟹i(t) 先升后降至
0
0
0
⟹
\Longrightarrow
⟹ 传染病蔓延;
P
2
:
s
0
<
1
σ
P_{2}: s_{0}<\displaystyle{\frac{1}{\sigma}}
P2:s0<σ1
⟹
i
(
t
)
\Longrightarrow i(t)
⟹i(t) 单调降至
0
0
0
⟹
\Longrightarrow
⟹ 传染病不蔓延.
1 σ \displaystyle{\frac{1}{\sigma}} σ1 —— 阈值
预防传染病蔓延的手段
- 提高阈值
1
σ
⟹
\displaystyle{\frac{1}{\sigma }}\Longrightarrow
σ1⟹ 降低
σ
(
=
λ
μ
)
⟹
λ
↓
,
μ
↑
\sigma \left(=\displaystyle{\frac{\lambda}{\mu }} \right) \Longrightarrow \lambda \downarrow, \ \mu \uparrow
σ(=μλ)⟹λ↓, μ↑
- λ \lambda λ (日接触率) ↓ ⟹ \downarrow \ \Longrightarrow ↓ ⟹ 卫生水平 ↑ \uparrow ↑
- μ \mu μ (日治愈率) ↑ \uparrow ↑ ⟹ \Longrightarrow ⟹ 医疗水平 ↑ \uparrow ↑
- 降低 s 0 s_{0} s0 ⇒ s 0 + i 0 + r 0 = 1 \displaystyle{\xRightarrow{s_{0}+i_{0}+r_{0}=1}} s0+i0+r0=1 提高 r 0 r_{0} r0 ⟹ \Longrightarrow ⟹ 群体免疫
σ \sigma σ 的估计
s
0
+
i
0
−
s
∞
+
1
σ
ln
s
∞
S
0
=
0
\displaystyle{s_{0}+i_{0}-s_{\infty}+\frac{1}{\sigma} \ln \frac{s_{\infty}}{S_{0}}=0}
s0+i0−s∞+σ1lnS0s∞=0, 忽略
i
0
i_0
i0
⟹
\Longrightarrow
⟹
σ
=
ln
s
0
−
ln
s
∞
s
0
−
s
∞
\sigma=\frac{\ln s_{0}-\ln s_{\infty}}{s_{0}-s_{\infty}}
σ=s0−s∞lns0−lns∞