XJTUSE-数学建模-homework3

最新推荐文章于 2024-06-20 21:27:07 发布

YiYo832

最新推荐文章于 2024-06-20 21:27:07 发布

阅读量497

点赞数 22

分类专栏： XJTUSE-大二下文章标签：数学建模

本文链接：https://blog.csdn.net/weixin_64112516/article/details/139815929

版权

XJTUSE-大二下专栏收录该内容

8 篇文章 0 订阅

订阅专栏

1 问题复现

1.1 问题的提出

医生给病人开处方时必须注明两点:服药的剂量和服药的时间间隔。超剂量的药品会对身体产生严重不良后果，甚至死亡，而剂量不足，则不能达到治病的目的。已知患者服药后，随时间推移，药品在体内逐渐被吸收，发生生化反应，也就是体内药品的浓度逐渐降低。药品浓度降低的速率与体内当时药品的浓度成正比。当服药量为D、服药间隔为T，试分析体内药的浓度随时间的变化规律。

1.2 问题分析

变量的确定：服药的剂量和服药的时间间隔，分别命名服药量为D、服药间隔为T。

求解问题的标准：避免超剂量的药品，否则对身体产生严重不良后果，甚至死亡，同时避免剂量不足，则不能达到治病的目的。

问题关键条件：已知患者服药后，随时间推移，药品在体内逐渐被吸收，发生生化反应，也就是体内药品的浓度逐渐降低。药品浓度降低的速率与体内当时药品的浓度成正比。

2 模型建立与求解

2.1 符号定义

服药量	D
服药间隔	T
未被吸收的数量	y(t)
已吸收的数量	x(t)

2.2 模型建立及求解

1.患者进行口服药，需要时间才能被吸收，药物被吸收的速率与存量药物的浓度成正比，由于体积可以看出近似不变，因此药物被吸收的速率与存量药物的数量成正比，记比例系数为K1。满足下面公式：

$\frac{dy}{dt}=\ -K1\ast y$

$y\left(0\right)=D$

求解上述微分方程得：

$y\left(t\right)=D\ast\ e^{-K1\ast t}$

2.人体内的药物会随时间流逝，药物流逝的速率与体内药物的数量(浓度)成正比，记比例系数为K2。满足下面公式：

$\frac{dx}{dt}+K2\ast x=K1\ast\ D\ast\ e^{-K1\ast t}$

$x\left(0\right)=0$

解得：

$x\left(t\right)=\left(K1\ast D\right)/\left(K1-K2\right)\left(e^{\left(-K2\ast t\right)}-e^{\left(-K1\ast t\right)}\right)$

3.把药物数量减少至原先一半的时间，称之为半衰期。该问题药物的半衰期难以直接确定。

因此假设D=10;K1= 4;K2=3

得到下图：

3 模型分析及改进

3.1 解答题目问题

根据图像可知，在口服药后，体内药物浓度会在短时间内迅速上升至最高点，这需要医生判断最高点是否达到了危害人体的最低浓度，如果达到了，就需要适当减少药物。到达最高点后，药物浓度缓慢下降直到全部排出体内，假设浓度达到一定值后，则无药效，则需测量达到浓度之上的时间，以保证药效作用人体足够长时间。

3.2 模型的改进

上述模型只讨论了一次口服药的结果，这显然是不够的，我们可以做如下情况讨论：

1.如果在下次服药之前，绝大部分的药均被排除体内，则可以把每次口服药视为相互独立事件，每次服药重复上述模型。

2.如果在下次服药之前，还有剩余，则需要对上述模型进行微调：

具体步骤如下：

周期性处理，每次过了服药间隔T时，计算未被吸收剩余量D‘，体内剩余量E，时间归零重新开始计时。

$y\left(0\right)=A+D'=D$

$x\left(0\right)=E$

其余公式不变，解得：

$x\left(t\right)=\ \frac{K1\ast D}{K1-K2}\ \left(e^{-K2\ast t}-\ e^{-K1\ast t}\right)+E\ast e^{-K2\ast t}$

根据实际服药次数的情况，不断进行上述迭代即可求解模型。

仍带入D=10;K1= 4;K2=3。此时假设服药间隔为1h，一共进行两次服药，得到下图：

函数图像是连续的，这说明身体吸收不存在突然增加。

出现了一个不可导点，这是因为我们假设口服药后，未被吸收的浓度突增。

出现了两个极大值点，而且第二个极大值点比第一个极大值点大，这可能会导致浓度过高危害身体，需要注意。最高值变大这一情况与事实类似，即多吃药对身体不好。但是可以看到有效时间变长，这有助于患者的恢复。

由于出现不可导点，可以把模型简化为一个分段函数，但是程序上迭代求解更为方便，因此具体公式不再给出。

4 总结与附录

4.1 总结

本次作业学习了就口服药的实际情况，建立微分方程，并求解模型，在过程中我学习到了多房室模型的思想，受益匪浅。同时，进行了画图分析，更加直观的展示了模型，正面论证了模型的正确性。

4.2 代码

import numpy as np
import matplotlib.pyplot as plt

# 支持中文
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

K1 = 4
K2 = 3
D = 10

# 定义时间范围
t1 = np.arange(0, 1, 0.01)
t2 = np.arange(1, 5, 0.01)

# 计算浓度
C0 = (K1*D)/(K1-K2)
C1 = C0 * (np.exp(-K2*t1)-np.exp(-K1*t1))
C2 = C0 * (np.exp(-K2*(t2-1))-np.exp(-K1*(t2-1))) + C0*(np.exp(-K2)-np.exp(-K1))*np.exp(-K2*(t2-1))

# 绘制图像
plt.figure()
plt.plot(t1, C1)
plt.plot(t2, C2)
plt.xlabel('时间')
plt.ylabel('浓度')
plt.title('药物浓度随时间的变化')
plt.show()