埃博拉病毒传播模型

埃博拉病毒传播模型

【范文精选】埃博拉病毒传播模型

【范文大全】埃博拉病毒传播模型

【专家解析】埃博拉病毒传播模型

【优秀范文】埃博拉病毒传播模型

范文一:埃博拉病毒如何传播

健 康 社 区 健康新知

英 国玛 丽女 王 大 学 癌 症 预 防 中心 教 授 祖

埃 博 拉 病 毒 如 何 传 播

目前 的研 究 表 明 , 埃 博 拉 病 毒 主 要 是靠 感 染 者 的  体液传播 。这些体液包 括感染者 的唾液 、 呕吐物 、 血

液、 排泄物、 l I E N、 汗水 和 母乳 等 ( 有 些专 家 对 部分 体 液

兹克在英 国   肿瘤学年报  杂志发表报告 : 中老  年人 如 果 长 期 小剂 量服 用 阿司 匹林 , 可 以显著  降低 罹患某 些癌症 的风 险或 者降低 死 亡率 。

祖 兹克领 导 的 团队通 过分析 超 过 2 0 0 组 阿

司 匹林 抗 癌效 果研 究和 临床 试验 发 现 , 如果 1 0

是 否会 传 播 有 不 同 意 见 ) 。如 果 感 染 者 身 处 晚 期 , 那

么, 他们 一丁 点体 液都 携带着 大量 病 毒 。   过往研究表 明, 如 果 医 护 人 员 不 慎 接 触 到 埃 博 拉  患者 的 血液 , 只 要 自己身 上没 有 伤 口, 这 些 血液 也 未 触

年 连 续服 用 阿 司 匹林 , 肠 癌发 病率可 降低 大约

3 5 %, 死亡 率 减少 4 0 %; 食 道 癌和 胃癌发 病率 可

降低 3 O %, 死亡率减 少3 5 % ~5 0 %。 如 果服 用

阿司 匹林 至 少 l 0 年, 这一 年龄 段 中, 男性 患癌 、   中风 和 心脏 病 的 几 率 可 降 低 9 %, 女 性发 病 率

降低 大约 7 %。

碰 到 自己 的嘴 巴 、 鼻子 和 眼睛 等 , 用 肥皂 和 清水 把 血 液

冲 洗干 净 即能 防止感 染 。   跟 中 国人谈 虎 色变 的 S A R S ( 非典) 不同, 埃 博 拉 病

毒 目前 尚不 能通 过 空 气传 播 。 不过 , 医学 专家 认 为 , 从

为达到 防癌 抗癌 效 果 , 5 O~6 5岁的人 群 需  要5 ~1 0 年 坚持 服 用 阿 司 匹林 , 每 日7 5 ~1 0 0   毫克 。祖 兹克 教授 指 出, 头3 年 看 不见效 果 , 服  用5 年后 才 能 降低 死亡 率 。但 如 果服 用 阿 司 匹

林 1 O年 , 消 化 道 出血 的 风 险 可 从 2 . 2 %增 至

今 年 的 现 实来 看 , 埃 博拉 是 高传 染 性病 毒 , 传 染性 要 强

过S A R S 、 腮腺炎、 麻疹等传染性疾病。 目 前, 紫外灯、 干  燥、 高温 、 消毒 液 ( 肥 皂水 或 酒精 ) 都可 轻 易杀 死埃 博 拉

病 毒 。病 毒离 开 动 物 体 内 、 在 阴冷 潮 湿 环 境 下 的存 活

期, 只 有短 短几 天 。

3 . 6 %, 对 少数 人 群 会 构 成致 命 危 险 。 因此 , 大  量服 用 阿 司 匹林有 风 险 , 人 们在 开 始每 天服 用

埃 博 拉病 毒 的潜 伏 期 一 般 是 5 ~ 7 天, 最短 2 天, 最

前应该向医生寻求建议 。

长可 达 2 1 天 。初期 症 状是 发烧 头痛 、 关 节 和肌 肉酸 痛 、

咽 喉疼 痛 和 肌 肉无 力 。这 跟 患 流 感 的 症状 很 相 似 , 因  此, 最 开 始 一 般 很 难 诊 断 某 人 是 否感 染 了埃 博 拉 。 目

前医护人 员只能通过询 问患者是否 到过西非“ 疫 区”

等, 进 而做 进 一步检 查 。

英 真扩大袋 - 汀类药  ’ 连更蔻图

英 国卫 生部 门2 0 1 4 年7 月更新的一项健康 指导 ,   将降胆 固醇的他汀类药物适用 范围进 一步扩大。根据

新 研 究认 为  糖 比 盐 更伤 血 压

长期 以来 , 多 项研 究 告 诫 : 吃 盐 过 多会 引发 高血

新指导意见, 未来 1 O 年 内患病风 险在 2 0 %以上的英国

人都可服用此类药物。他汀类药物可帮 助减少脂肪斑  块在血管 中的堆积, 降低血管堵塞 引发心脏病、 中风等   疾 病 的风 险。   根据这一建议, 英 国6 0 岁以上 的男性和6 5 岁 以上  的女性均可从 医生处获得他 汀类药物, 而在年轻人 中,   胆 固醇高、 肥胖 、 有心脏病家族史及吸烟人群也应服药  以降低 患病 风 险。   英国国家 卫生与临床优化研 究所教授马克 ・ 贝克  说’ 防病总 比治病要好, 疾病预防正是现代 医学的最重   要支柱之 一。不过也有反对意见认为, 关于他 汀类 药   物的副作用 目前尚无定论 , 不应 盲 目 扩大其适用 范围,   改变不 良生活习惯仍是降低心血管疾病风险最重要的

手段 。

长期 服用阿司 匹林 可降低患癌 风险

压, 使 中风危 险增加 1 / 4 , 每年 导致 全球 3 0 0 万 人 死  亡 。 日前 , ( ( 美 国 心脏 病 杂 志 刊登 一 项 新 研 究报 告 认  为, 导致 高血 压 的 罪魁 祸 首 不是 盐 而是糖 。

美 国研 究人 员认 为 , 高血 糖 水 平 影 响 大脑 的 关键

区域 下 丘脑 , 进 而导 致 心率加 快 和血 压 升 高。 另外 , 吃

糖 太多导致血糖升 高进 而刺激人体 分泌更多胰 岛素 ,   而胰岛素 同样会刺激心率加快。

美国“ 控糖行动组织” 科 学 总监 阿斯 姆 ・ 马 尔霍 特  拉 博 士表 示 , 糖 对 公 众 健 康 构 成 的风 险被 低 估 了 。控  糖 应 和控 盐一样 成 为预 防 高血 压 的重要 策略 之一 。

5 2

原文地址:http://fanwen.wenku1.com/article/5166330.html
健 康 社 区 健康新知

英 国玛 丽女 王 大 学 癌 症 预 防 中心 教 授 祖

埃 博 拉 病 毒 如 何 传 播

目前 的研 究 表 明 , 埃 博 拉 病 毒 主 要 是靠 感 染 者 的  体液传播 。这些体液包 括感染者 的唾液 、 呕吐物 、 血

液、 排泄物、 l I E N、 汗水 和 母乳 等 ( 有 些专 家 对 部分 体 液

兹克在英 国   肿瘤学年报  杂志发表报告 : 中老  年人 如 果 长 期 小剂 量服 用 阿司 匹林 , 可 以显著  降低 罹患某 些癌症 的风 险或 者降低 死 亡率 。

祖 兹克领 导 的 团队通 过分析 超 过 2 0 0 组 阿

司 匹林 抗 癌效 果研 究和 临床 试验 发 现 , 如果 1 0

是 否会 传 播 有 不 同 意 见 ) 。如 果 感 染 者 身 处 晚 期 , 那

么, 他们 一丁 点体 液都 携带着 大量 病 毒 。   过往研究表 明, 如 果 医 护 人 员 不 慎 接 触 到 埃 博 拉  患者 的 血液 , 只 要 自己身 上没 有 伤 口, 这 些 血液 也 未 触

年 连 续服 用 阿 司 匹林 , 肠 癌发 病率可 降低 大约

3 5 %, 死亡 率 减少 4 0 %; 食 道 癌和 胃癌发 病率 可

降低 3 O %, 死亡率减 少3 5 % ~5 0 %。 如 果服 用

阿司 匹林 至 少 l 0 年, 这一 年龄 段 中, 男性 患癌 、   中风 和 心脏 病 的 几 率 可 降 低 9 %, 女 性发 病 率

降低 大约 7 %。

碰 到 自己 的嘴 巴 、 鼻子 和 眼睛 等 , 用 肥皂 和 清水 把 血 液

冲 洗干 净 即能 防止感 染 。   跟 中 国人谈 虎 色变 的 S A R S ( 非典) 不同, 埃 博 拉 病

毒 目前 尚不 能通 过 空 气传 播 。 不过 , 医学 专家 认 为 , 从

为达到 防癌 抗癌 效 果 , 5 O~6 5岁的人 群 需  要5 ~1 0 年 坚持 服 用 阿 司 匹林 , 每 日7 5 ~1 0 0   毫克 。祖 兹克 教授 指 出, 头3 年 看 不见效 果 , 服  用5 年后 才 能 降低 死亡 率 。但 如 果服 用 阿 司 匹

林 1 O年 , 消 化 道 出血 的 风 险 可 从 2 . 2 %增 至

今 年 的 现 实来 看 , 埃 博拉 是 高传 染 性病 毒 , 传 染性 要 强

过S A R S 、 腮腺炎、 麻疹等传染性疾病。 目 前, 紫外灯、 干  燥、 高温 、 消毒 液 ( 肥 皂水 或 酒精 ) 都可 轻 易杀 死埃 博 拉

病 毒 。病 毒离 开 动 物 体 内 、 在 阴冷 潮 湿 环 境 下 的存 活

期, 只 有短 短几 天 。

3 . 6 %, 对 少数 人 群 会 构 成致 命 危 险 。 因此 , 大  量服 用 阿 司 匹林有 风 险 , 人 们在 开 始每 天服 用

埃 博 拉病 毒 的潜 伏 期 一 般 是 5 ~ 7 天, 最短 2 天, 最

前应该向医生寻求建议 。

长可 达 2 1 天 。初期 症 状是 发烧 头痛 、 关 节 和肌 肉酸 痛 、

咽 喉疼 痛 和 肌 肉无 力 。这 跟 患 流 感 的 症状 很 相 似 , 因  此, 最 开 始 一 般 很 难 诊 断 某 人 是 否感 染 了埃 博 拉 。 目

前医护人 员只能通过询 问患者是否 到过西非“ 疫 区”

等, 进 而做 进 一步检 查 。

英 真扩大袋 - 汀类药  ’ 连更蔻图

英 国卫 生部 门2 0 1 4 年7 月更新的一项健康 指导 ,   将降胆 固醇的他汀类药物适用 范围进 一步扩大。根据

新 研 究认 为  糖 比 盐 更伤 血 压

长期 以来 , 多 项研 究 告 诫 : 吃 盐 过 多会 引发 高血

新指导意见, 未来 1 O 年 内患病风 险在 2 0 %以上的英国

人都可服用此类药物。他汀类药物可帮 助减少脂肪斑  块在血管 中的堆积, 降低血管堵塞 引发心脏病、 中风等   疾 病 的风 险。   根据这一建议, 英 国6 0 岁以上 的男性和6 5 岁 以上  的女性均可从 医生处获得他 汀类药物, 而在年轻人 中,   胆 固醇高、 肥胖 、 有心脏病家族史及吸烟人群也应服药  以降低 患病 风 险。   英国国家 卫生与临床优化研 究所教授马克 ・ 贝克  说’ 防病总 比治病要好, 疾病预防正是现代 医学的最重   要支柱之 一。不过也有反对意见认为, 关于他 汀类 药   物的副作用 目前尚无定论 , 不应 盲 目 扩大其适用 范围,   改变不 良生活习惯仍是降低心血管疾病风险最重要的

手段 。

长期 服用阿司 匹林 可降低患癌 风险

压, 使 中风危 险增加 1 / 4 , 每年 导致 全球 3 0 0 万 人 死  亡 。 日前 , ( ( 美 国 心脏 病 杂 志 刊登 一 项 新 研 究报 告 认  为, 导致 高血 压 的 罪魁 祸 首 不是 盐 而是糖 。

美 国研 究人 员认 为 , 高血 糖 水 平 影 响 大脑 的 关键

区域 下 丘脑 , 进 而导 致 心率加 快 和血 压 升 高。 另外 , 吃

糖 太多导致血糖升 高进 而刺激人体 分泌更多胰 岛素 ,   而胰岛素 同样会刺激心率加快。

美国“ 控糖行动组织” 科 学 总监 阿斯 姆 ・ 马 尔霍 特  拉 博 士表 示 , 糖 对 公 众 健 康 构 成 的风 险被 低 估 了 。控  糖 应 和控 盐一样 成 为预 防 高血 压 的重要 策略 之一 。

5 2

范文二:埃博拉病毒传播模型及规律预测

摘要:埃博拉病毒是一种能引起人类和灵长类动物产生埃博拉出血热的烈性传染病病毒。文章以2014年西非疫区为参照,建立虚拟环境的常微分方程组,利用四阶龙格―库塔法求解其数值解,具体通过C语言程序设计实现,并据此研究埃博拉病毒的传播规律,分析隔离措施的严格执行和药物治疗效果的提高等措施对控制疫情的作用。

关键词:数学建模;埃博拉病毒;常微分方程组数值解;四阶龙格―库塔法;西非疫区 文献标识码:A

中图分类号:O175 文章编号:1009-2374(2016)04-0194-03 DOI:10.13535/j.cnki.11-4406/n.2016.04.096

1 模拟真实环境

埃博拉病毒的自然宿主虽尚未最后确定,但已有多方证据表明猴子及猩猩等野生非人灵长类动物有埃博拉感染现象。该病毒的传播途径分为人畜传播、人人传播两种。2014年,在几内亚、塞拉利昂和利比里亚等国,许多受埃博拉病毒影响的人口都以丛林肉为重要的蛋白质和营养物质来源,与丛林中动物接触频繁。这为人畜之间的病毒传播创造了条件。

我们现假设两个感染埃博拉病毒的虚拟种群:即某地区内的20万居民和3000只猩猩。人能以一定的概率接触到所有的猩猩,当接触到有传播能力的猩猩后有一定概率感染病毒,而人发病之后与猩猩的接触可以忽略。人与猩猩的潜伏期都为2周。并在出现疫情41周后模拟外界医疗力量的介入,使得人类与猩猩不再发生接触,且隔离治疗人群的治愈率提高到80%。模拟数据详见附录。

2 建立数学模型

2.1 模型假设

(1)依据人或猩猩的健康状态,将人或猩猩划分为健康者、埃博拉感染者(也称患病者)、退出者(含自愈者、死亡者);(2)自然封闭条件下,猩猩无自然迁移,故无病源的流入、流出,种群数量不变。人类数量庞大,在无大规模迁移的情况下,认为人类数目为一定值,保持不变;(3)健康者中不包含退出者;(4)人和猩猩自愈后二度感染的概率均为0,人被治愈后二度感染的几率为0;(5)不存在有效免疫药物可使人对埃博拉病毒产生免疫,同时猩猩对病毒也不免疫;(6)人的传染途径有人传染人、猩猩传染人两条。两条途径的传染率并不相同,分别假设为传染率C1和传染率C2。C1猩猩与猩猩之间传染途径只有猩猩传染猩猩一条,假设猩猩之间的传染率为C0;(7)患病人无法传染患病猩猩;(8)41周外界介入后,猩猩与人的传播途径切断,隔离患者的治愈率提高到80%,同时未被隔离的患者治愈率不变。

2.2 符号说明

符号说明如表1所示:

3 模型的建立与求解

3.1 数据处理

根据累计死亡个体数,求得每周死亡个体数。同理,根据累计自愈个体数,求得每周自愈个体数。由每周仍处于发病状态的个体数加本周自愈个体数和本周死亡个体数得到每周总患病个体数。

由每周总患病个体数比总体数目得到每周患病个体在总体中的比例A(t);由相邻两周每周患病数相减得到每周新增患病数。由总体个数减去新增病例累计和获得健康个体数,并由此得到健康个体在总体中的比例J(t);由累加自愈治愈人数与累加死亡人数得到退出者总数量,并由此得到退出者在总体中的比例T(t)。

由于埃博拉病毒的潜伏期是两周,所以任意一周的新增病例是两周前处于患病状态的个体传染的。由新增病例数比两周前处于患病状态的个体数得到该周埃博拉病毒传染率,由此计算出每一周的传染率。通过MATLAB绘图,我们得到其近似曲线为一条平行于X轴的曲线,所以通过加权平均求得平均传染率。

因为人类最初患病个体不可能为人类传染所致,所以两周内出现的患病者必为由猩猩传播而来的。最初两周,人每周新增的患病个数除以处于两周前患病状态的猩猩个数得到猩猩与人之间平均传染率C1。

两周之后人患病可由猩猩和人传播两种途径导致,猩猩每周处于患病状态的数量和C1已知,所以每周由猩猩传播导致人患病的数量可求出,用每周新增患病人数减去每周猩猩传播导致人患病的数量,即每周由人传染导致的患病数量。由每周人传染导致的患病数量除以两周前未被隔离处于患病状态的人数可得到每周埃博拉人与人之间传染率C1,通过MATLAB画出C2的图像,可以发现其图像为平行于x轴的曲线,可通过加权平均求出人与人之间平均传染率C2。

死亡率是由本周死亡个数比本周总病例数得到。我们由此求得每一周的死亡率。通过MATLAB绘图我们得到一条同样近似平行于X轴的曲线,所以通过加权平均,求得疫情稳定后平均死亡率。

每周处于未隔离的患者人数处于每周的处于患病状态的总人数可得到每周的未隔离率G,其图像为平行于x轴的曲线,通过加权平均求出平均未隔离率G。

同理,我们还得到疫情稳定后的平均自愈及治愈率。我们近似地认为,在病情爆发后不久,即疫情稳定后,周感染率、周死亡率、周治愈自愈率、周未隔离率都是常值。

3.2 埃博拉病毒的传播模型

由假设知,猩猩患病只能由猩猩传播。每个患病猩猩每周可使得只的健康猩猩变为患病猩猩,由患病猩猩数量得每周共有只健康猩猩被感染。即患病猩猩的增加率,又因为每周自愈的猩猩数目为,死亡的猩猩数目为,所以猩猩患病数随时间变化满足:

同理,我们得到人类的传播模型(由前述,所有脚标为2的符号均为人类相关数据,脚标为1的符号为与猩猩相关数据):

3.3 模型求解

通过联立方程组和数据处理,我们使用四阶龙格―库塔法分别求出人和猩猩群体中健康者和患病者的比例的数值解。

通过C程序设计编译程序求解模型所用常微分方程组的数值解。该程序在前四十组解得检验中拟合程度极高,故由此得到较为可靠的预测数据。C语言程序代码详见附录。

数据拟合如下:

3.4 建立使用免疫药物后的模型

未被隔离患者的治愈率和被隔离患者的治愈率加权平均后得到患者的平均治愈率Zh。1-Zh为死亡率与未被治愈率之和。默认死亡率与未被治愈率权重不变。在(1-Zh)中,可以算出死亡率的权重和未被治愈率的权重。在严格控制人类与黑猩猩接触并使用特效药后的数学模型如下:

将之与隔离前模型对照后发现,特效防疫药物的使用极大地提高了治愈率Zh,快速地降低了患病数。而隔离黑猩猩的措施将黑猩猩传染致病人数降为0。

综上,两种措施都有效地预防了疾病的进一步扩散,抑制了疾病的传播,使患病人数的增长率由正变负,从而导致患病数在短期内大量且持续减少。

4 模型的评价与推广

4.1 模型优势

(1)种群数量较小时,通过求解比例的变化得出结果较为精确;(2)可以动态地描述种群发病率、死亡率、自愈率、治愈率、传染率等多种特征量;(3)四阶龙格―库塔法通过数值求解常微分方程组,很好地拟合了给定的原始数据。

4.2 模型缺陷

(1)由于通过比例而非数量求解,所以当种群数量较大且比例变化不明显时误差较大;(2)认为两个“虚拟种群”内部个体总数在随时间变化时基本不变,未考虑个体总数的时间变化率。

5 附录

5.1 模拟数据

模拟数据如表2所示:

5.2 C语言程序代码

参考文献

[1] 李信真.计算方法[M].西安:西北工业大学出版社,2013.

[2] H.Nishiura,G.Chowell.EARLY TRANSMISSION DYNAMICS OF EBOLA VIRUS DISEASE(EVD)[J].WEST AFRICA,2014,(8).

[3] 甄西丰.实用数值计算方法[M].北京:清华大学出版社,2006.

[4] 刘来福,何青.用Maple和MATLAB解决科学计算问题[M].北京:高等教育出版社,1999.

(责任编辑:王 波)

范文三:埃博拉病毒不太可能经由空气传播

埃博拉 病毒不太可 能经 由空气传播

T i n a   He s ma n   S a e y

猪 身上 携 带埃 博 拉 病 毒 。在 菲律 宾 的 猪 身上 曾发现 过 雷 斯  顿 ( R e s t o n ) 埃博拉病毒 , 但这种病毒不会对人引发疾病。   目前所 知 ,还 没 有 猪 受到 扎 伊 尔埃 博 拉 病毒 的感 染 ,而 这

种病毒正导致 了当前的疾病大暴发。   即使猪能够 通过空 气传播病 毒,它 们也有可能是 唯

具 备 此 能 力 的生 物 。科 宾 格和 另一 个 团队 对 此进 行 了进  步 研 究 ,他 们 将 最 新 研 究 成 果 发 表 在 7 月2 5日出 版 的  ( ( S c i e n t i f i c   R e p o r t s ) ) 上 ,他 们 发现 没 有 证 据表 明患 病 的

在一项 实验 中感染埃博 拉病 毒的恒河猴 ( 左 ),不能将病毒 经空气传播 给

猕猴 ( 右 )

短尾 猿可 将病 毒通 过空 气粒 子传 播给 健康 的猴 子 。   研 究人 员将装 有 2只受N? L 伊尔埃博拉 病毒 感染 的恒 河  猴 的笼子放 在未 受感 染的猕 猴旁 。猴子 间不能接 触 ,但 也没  有特 殊 的屏 蔽对 未受 感染 的猴 子作 出保护 。6 天后 ,受 到感

染 的猴 子 死亡 。而 那 些猕 猴 则 保持 未 被 传染 的状 态 达 到 2 8   天之久 ,这个时 间远长 于埃博拉病 毒 6~ 1 6天 的传染期 。

研 究 人 员报 告 说 ,猴 子 相 互 间 不能 通 过 空 气 传播 埃 博

拉 病 毒 。这 个结 果确 定 了对 人 类疾 病 暴 发 的 观 测结 论 ,即  感 染 这种 致 命的 病毒 需要 进 行体 液接 触 。   这项 研 究是 对 2 0 1 2年一 项 研究 的继 续 。在那项 研 究 中 ,   以 来 自干 加 拿 大 公 共 卫 生机 构 的 感 染 病学 专 家 加 里 ・ 科 宾  格 ( G a r y   K o b i n g e r )为 首 的研 究 团 队提 出埃 博 拉 病 毒 有  可 能 会 经 由空 气 传 播 。他 们 将 放 置短 尾 猿 的 笼 子 放 在一 个  猪圈 旁 ,猪 圈 中的 猪 均 感 染 了埃 博 拉 病毒 ,不 久 他 们发 现  那 些 短 尾 猿 也 受 到感 染 。这 期 间短 尾 猿 与 猪从 未 接 触 过 。   由此 ,研 究 人 员认 为 ,他们 的 发 现 意 味着 病 毒 会 像 完 美 的  空 气 粒 子 飞沫 飘 到 短 尾 猿 的 笼子 中 ,而那 些 粒 子 飞 沫 正是  由猪释 放 出来 的 。

猪 看起 来 会 比其 他 生 物 释 放 出更 多的 雾 化病 毒 颗 粒 ,

自从 2 0 1 3 年 l 2月以来 ,这次有史以来最大规模的埃  博 拉 病毒 暴 发 已经在 几 内亚 、利 比 里亚 、塞拉 利 昂 和尼 日

利 亚 至 少 夺去 了 9 3 2 人 的 生

命 ,死 亡率 高于 5 0 % 。 在那 些

被 感 染 的 人 中 ,包括 2名 来 自于 美 国卫 生 保 健机 构 的 护理

人 员 ,他们 均 对 受到 致 命 病毒 感 染 的患 者 进 行过 护 理 。 目   前这 2名美 国患者肯特与南希已经被转送到美国亚特兰大

E mo r y大 学 医院进 行 隔离治 疗 。

来 自 于 柏 林 罗 伯 特 ・科 赫 研 究 院 ( R o b e r t   K o c h

I n s t i t u t e ) 的 流 行 病 学 及 疾 病 生 态 学 家 法 比 安 ・林 德 兹  ( F a b i a n   L e e n d e r t z )说 道 :疾 病正 在通 过 人 与 人 的 接 触

来 自于 英 国 兰 开斯 特 大 学 的病 毒 进 化 学 家 德 里克 ・ 盖泽 尔  ( D e r e k   G a t h e r e r )说道 。 “ 如果 病毒 真 能经 浮 质传播 的 话 ,

那 么 猪绝 对就 是 帮 凶了 。”他表 示 道 。

进 行 传 播 。其 中女性 的死 亡 率 最 高 ,因 为她 们需 要 照顾 患  者、 她 们的 孩子 , 以及那 些 参加过 葬 礼而触 碰到 尸体 的人 。

卫 生保 健 人 员也是 高危 人群 。

但 是 他 并 不 认 为研 究 人 员 已最 终 确 定埃 博拉 病 毒 能 够  经 由空 气 传 播 。 含有 病 毒 的水 滴 也 有 可 能 在研 究 人 员清 洗  猪圈 时溅 到短 尾 猿的 笼子 中 ,他 说道 。   猪有 可 能 并 非是 埃 博 拉 病 毒 暴发 的 源 头 。 只有 极 少 数

但 是埃 博拉 病 毒也并 非 像许 多 人想象 的那 样 易于 传播 ,   林 德兹 表 示 道 。即 使一 名感 染者 乘坐 飞 机 飞往 美 国 、欧 洲  或 者 其 他 地 方 ,密 切 的卫 生 保健 措 施 也 将确 保 埃博 拉 病 毒  “ 不 会走 得很 远 ” ,林 德兹 说道 。 ■

王麒 译自 科学新闻 ( S c i e n c e Ne ws) 2 01 4年 9月 6日

本 栏 目 文字 与 图 片 由

( 美 国科 学新 闻 )版 权 所 有 ,授 权 我 刊 使 用 , 不得 以任 何 形 式转 载 、摘 编 ,特 此 声 明。

2 0 1 4 . 1 0 中国科技教 育  6 7

范文四:埃博拉病毒传播问题

一、 问题重述

埃博拉病毒至今已多次爆发,很难根除。本题希望我们通过建模来量化病毒

传播规律以达到了解疫情和实施有效措施控制疫情的目的。

1、仅针对猩猩群体建立病毒传播模型,根据已知数据描述并预测疫情变化,完成第80、120、200周的数据。

2、对人和猩猩的群体建立模型,综合描述并预测人和猩猩两个群体疫情的发展,完成第80、120、200周的数据。

3、从第41周开始,在实施严格控制人与猩猩的接触和将人群治愈率提高至80%两措施的情况下,对比第2问的预测结果说明措施的作用和影响。完成第45、50、55周数据。.

4、据前分析各种疫情控制措施的严格执行和药物效果的提高等措施对控制疫情的作用。

二、 问题分析

题目按照研究猩猩单独群体、人和猩猩混合群体、隔离措施和药物治疗对病

毒传播的影响的顺序层层深入,逐步展开对控制疫情的探索研究。

1、问题一要求建模描述并预测病毒在猩猩种群中的传播。实际需要找到几个已知数据类即发病个体数、自愈个体数和死亡个体数之间的关系。观察到已知数据中发病猩猩个数、自愈猩猩个数、死亡猩猩个数随时间单调变化,所以考察各变量从时刻t到时刻t+t的增量,然后得到变量关于t的微分方程,编程进行数值计算。通过已知数据验证模型的可靠性,再以此为基础进行预测。其中,要合理处理潜伏群体和处于发病状态个体数量的关系。

2、问题二建立在问题一的基础上,将人群进行分类。考虑到猩猩感染人而人不感染猩猩,猩猩群体的传播规律不受影响,人类患病者的感染源为患病猩猩和患病的人,这些患病人类中一部分会被隔离治疗,隔离群体则有相对应的治愈率和死亡率,借鉴问题一的想法,找到问题二中给定量和假设量他们之间的关系。然后进一步建立被分类人群(易患病的人、潜伏期的人、已患病的人、患病被隔离的人、隔离被治愈的人、自愈的人、隔离后死亡的人、未被隔离死亡的人)的数量关系。

3、问题三中,采取隔离措施后,人的群体和猩猩的群体相互独立,即猩猩不再将病毒传染给人类。同时,被隔离人群的治愈率提高到了80%。所以对比于第二问,忽略患病猩猩对人的传染,同时被隔离群体的治愈率为一给定值0.8 。可将问题二的模型修改直接利用。对措施产生的作用进行探究应从处于发病状态个体的个数和死亡个体的个数的变化入手,考虑干预手段的大小对疾病预防和控制的影响。

4、注意到前面模型中对患病人群的隔离率没有相应的措施,所以,问题四中应重点分析隔离率对疫情控制的影响,可具体考察与隔离率相关的式子并进行分析。

三、 模型假设

1、埃博拉病毒变异可通过呼吸传播的情况不会发生; 2、该地区人和猩猩均无先天对埃博拉病毒免疫的个体; 3、根据埃博拉病毒的特点,原发病体与其所感染的患病体数量相比非常小,因此可假设患病体都是由传染而得病的。

4、处于潜伏期的个体必定发病;

四、符号说明

t:单位时间(周);

S1(t): 易患病猩猩的数量; E1(t): 潜伏期猩猩的数量; I1(t): 已患病猩猩的数量; R1(t): 自愈猩猩的数量; D1(t): 死亡猩猩的数量; a:猩猩的自愈率; b:猩猩的死亡率

c:猩猩的有效接触率(易患病猩猩一接触患病猩猩则患病称为有效接触);

S2(t): 易患病的人的数量;

E2(t): 潜伏期的人的数量; I2(t): 已患病的人的数量; G (t) : 患病被隔离的人; R*(t): 隔离被治愈的人的数量; R2(t): 自愈的人的数量; D2(t): 死亡的人的数量; d:人的自愈率;; e:人的死亡率;

f:人的有效接触率;

. k:人的隔离率;

g:人的隔离治愈率; 1-g:人的隔离死亡率;

五、模型的建立与求解

问题一:

1、动态描述:

图1是对前40周猩猩群体中个体发病、自愈、死亡数量变化趋势的折线图形描述,先纵向分析三者各自的变化趋势,可以看出:前40周,死亡个体数和自愈个体数均随周数增加,发病个体数在前6周波动,后随周数减少,前40周发病个体数和自愈个体数增加的趋势有所减缓;后横向分析,可以看出:前40周,死亡个体数和自愈个体数同时增加,具有一致性,但不确定这种一致性会保持多久,而他们与发病个体数有相反的变化趋势。 从以上分析可以得出下面结论:

在不具备集体隔离和治疗能力的猩猩群体内,发病和死亡的趋势不会无限进行下去,猩猩们的自愈能力会扭转颓势。

图1 2、预测:

猩猩的群体可分为5类,分别为易患病猩猩、潜伏期猩猩、患病猩猩、自愈类猩猩、死亡类猩猩。由假设得:潜伏期猩猩2周后均变为患病猩猩。

自愈率=自愈猩猩数/(自愈猩猩数+死亡猩猩数)

a= R1 /( R1+D1 ), 已知数据中R1与 形表现为图2:

( R1+D1 )关系的图

图2

容易得到 a=0.33;

对于易患病猩猩,t时刻的数量

S1(t)是连续、可微函数,并且每周每

c,由于易患病猩猩随时间是减少

个患病猩猩有效接触的易患病猩猩的数量为的,所以考察t

到t+t时间内易患病猩猩数量的增加量,就有

S1(t+t)- S1(t)= - c I1S1t

再设t=0时有S0 个易患病猩猩,即得微分方程

dS1

c I1S1 (1)dt

依照(1)式的获得方式,即得如下微分方程

dE1

cI1S1E1t(dt

2 ) (2)

dI1

E1(t2)aI1bI1 (3) dtdR1

aI1 (4) dtdD1

bI1 (5) dt

由于方程(1)~(5)无法求出解析解,所以利用已知附件数据,通过MATLAB

软件进行数值计算,计算所得数据的图表形式如下:

图3

4

图5

然后将指定周数的数据填入下表:

问题二:

混合群体中类似于猩猩群体,人的群体分为8类:易患病的人、潜伏期的人、已患病的人、患病被隔离的人、隔离被治愈的人、自愈的人、隔离后死亡的人、未被隔离死亡的人。由于人发病后与猩猩的接触可以忽略,所以只有猩猩会感染人而人不会感染猩猩。则猩猩群体病毒传播的规律不发生改变,人的感染源有患病猩猩和患病的人。则人的群体的对应微分方程为:

dS2

 (If1+I2)S1 (6) dt

dE2

f(I2+I1)S2E2(t2) (7) dt

dI2

E2(t2)(1k)(dI2eI2)kI2dt

(8)

dR2

(1k)I2d (9) dtdG

I2k (10) dt

dR*

kI2g (11)

dt

dD2

(1k)I2ekI2(1g) (12) dt

由于在问题二中,模型未知量较多和前40周数据有所波动造成了模型求解的复杂,所以在使用已知数据时,将处于发病状态人数数据的前8周看做第一阶段,以后数据为第二阶段;将被隔离人数数据的前5周看做第一阶段,以后看做第二阶段;另外两组数据完整使用。这样在编程求解时初值做相应改变。 通过MATLAB软件进行数值计算,计算所得数据的图表形式如下:

图6

图7

图8

图9

问题三: 1、预测:

问题三中,采取隔离措施后,人的群体和猩猩的群体相互独立,即猩猩不

再将病毒传染给人类。同时被隔离群体的治愈率为一给定值

0.8

g=0.8,1-g=0.2 。(7)~(12)式修改为:

dS2

 fI2S1 dt

dE2

fI2S2E2(t2) dt

dI2

E2(t2)(1k)(dI2eI2)kI2 dtdR2

(1k)I2d dt

dG

I2kdt

dR*

0.8k2I dt

dD2

(1k)I2e0.2kI2 dt

可利用修改过的问题二的模型进行预测。即可完成下表:

2、作用和影响说明:

严格控制患病猩猩与人类的接触后,人的感染源减少了近40%,使人类处于潜伏期和发病状态的数量大幅减少;药物治疗提高治愈率至80%后,隔离治疗人群的死亡率下降了62%,总的患病人群的死亡率下降了41%,对疫情的控制

效果明显。说明干预手段的程度的大小对疾病控制的影响显著。

问题四:

前述数学模型中疫情控制措施有:隔离措施(切断患病猩猩与人的接触、将患病人隔离)和提高治愈率的措施。

前面实现了严格控制患病猩猩与人的接触,并将隔离人群的治愈率提高至80%,对疫情的控制效果比较明显。但患病人群的隔离率k未经改善,观察问题二中(8)式并进行变形得下式:

dI2E2(t2)I2(de)kI2(de1)dt

当提高隔离率时,处于发病状态的个体数量会减少,因病死亡人数也会减少,对控制疫情有积极效果。

模型的建立帮助我们搞清楚了现有干预手段究竟有多大效果,预测表明,隔离措施的严格执行和药物治疗是控制疫情的最好手段。

六、模型的优缺点评价及改进

模型优点:

1、模型变量全面,描述和联系性强,可以将问题描述清楚并就问题给出可参考答案。

2、模型具有灵活性和适应性,如解决问题二时,取用部分数据,模型仍然成。

模型缺点:

1、变量多,模型实现时遇到了较多困难。

2、在进行函数拟合时,有较多点在函数曲线外,误差较大。

3、细节处理不到位。

模型改进:

可以先只找S和I的关系,列微分方程求解,再列E、R、D的微分方程。这样就将一个大问题转化为两个较容易的问题,相当于减少了变量个数,而且更能考虑他们之间的细节关系。

参考文献:

【1】姜启源,谢金星,叶俊 . 数学模型(第三版)【M】. 北京:高等教育出版社,2003.

【2】周后卿,徐幼专:埃博拉病毒感染数量的一个数学模型 .

【3】杨玉华:SARS传染模型的研究及实证分析 .

11

范文五:狗会感染和传播埃博拉病毒吗?

狗会感染和传播埃博拉病毒吗?

狗会感染病毒,但是否传播尚无定论!

一项由美国疾控中心(CDC)开展的研究,调查狗是不是真的能感染埃博拉病毒。研究检查了2001年到2002年加蓬暴发埃博拉疫情期间,当地狗体内的埃博拉病毒抗体的普遍程度,结果显示狗能够感染病毒,但是不会表现出任何症状,而感染最终也会自行消失。

研究者最终推测:“狗可能是人类埃博拉病毒爆发以及扩散的源头”,即动物体内的病毒被清除之前的一小段时间内,通过唾液、尿液和粪便中携带的病毒颗粒传播疾病;被狗舔、咬或者给狗梳毛等行为将病毒传给人类。

对于人是否会遭狗传染,医学人员看法有分歧。美国兽医学会发言人莎伦·柯蒂斯·格兰斯科格如是说:“我认为有这种可能。但是,如果狗不靠近或啃食病死的动物或人的尸体,这种可能性不大。”

美国北卡罗来纳州立大学兽医学者彼得·考恩博士则持相反看法。考恩曾在各地就动物传播疾病的风险提供咨询。他说:“从来没有记载显示狗能传播埃博拉病毒。这显然不是非洲本次疫情中(病毒)传播的主要途径。”

美国疾病和预防控制中心主任托马斯·弗里登说:“显然,我们将研究所有可能性。我们尚未把这认定为传播途径。”

相关阅读---一条狗的命运!

尽管这一问题没有定论,西班牙一名染病女护士的宠物狗则面临“死刑”。马德里地方政府7日接到法庭命令,将对这条狗处以安乐死。政府方面的理由是,“没有科学证据”显示狗不会传播埃博拉病毒。

这名女护士9月30日出现发病症状,是首个在非洲以外感染埃博拉病毒的病例。她在马德里的卡洛斯三世医院工作,护理过两名在非洲染病的神职人员。两名患者分别于8月12日和9月25日死亡。这名护士的丈夫和两名同事也被隔

离观察。

西班牙动物主题脱口秀节目主持人、兽医卡洛斯·罗德里格斯说,女护士和丈夫不忍心狗遭处死。男主人从医院给他发信息,拜托他暂时收养这条狗。但是因为法院有命令,罗德里格斯表示爱莫能助。“他又哭着拜托我,至少要确保这条狗没有痛苦地死去。”

西班牙动物权益组织不满当局不给狗做体检或隔离就直接处死。“这明显是反应过度。”兽医学者考恩说。

这名护士的丈夫与宠物狗Excalibur的合影

哪些其他生物会感染埃博拉病毒?

埃博拉病毒是人畜共患病,这意味着它可以在不同物种间传播。感染该病毒后,受害最大的是灵长类动物,包括大猩猩、黑猩猩、猴及人类。其他已知被感染的动物包括非洲果蝠、羚羊、豪猪、兔子、猪等。现今,还没有猫会被感染的报道。

埃博拉病毒如何入侵人类社会?

美国疾控中心的主任汤姆·弗里登(Tom Frieden)医生在周二的新闻发布会上表示:“我们知道在非洲的农村地区,埃博拉可以感染哺乳动物。事实上,病毒就是靠这种方式传播的,从大概是蝙蝠传到了生活在丛林中的其他动物身上,而当地人会捕猎这些动物。”

到目前为止,已经在许多丛林动物体内发现了埃博拉病毒,包括丛林野猪、啮齿动物、豪猪以及羚羊。任何感染了埃博拉并死去的动物都有可能将病毒传播给狩猎者,或是任何以丛林肉为食的人们。

利比里亚当地的告示牌,警告人们不要猎捕和食用野生动物

远离恐怖------现阶段我们能做些什么?

科学家还没能确定埃博拉病毒的天然宿主,即自然状态下就会被病毒感染并且成为病毒扩散的主要源头的动物,但是传播病毒则是另一码事。

英国兽医协会主席约翰·布莱克威尔(John Blackwell)指出:“既然这种病毒目前仅在灵长类动物(包括人类)和少数几种野生动物体内被发现,那么传播的主要途径应该还是人传人。”

他补充道,狗身上的发病过程和它们在传播病毒过程中的作用还未确定,但是对与确认感染或疑似感染的人接触过的动物实施严格的隔离措施,还是很合理的预防方法。

感谢您阅读本篇文章,如果感觉文章不错,可分享至朋友圈;想得到相关文章,请关注“宠儿香微信服务号”,我们会定期把文章推送给您!

范文六:埃博拉病毒传播问题

第一部分 问题重述

第二部分

问题分析

第三部分

模型的假设

第四部分

定义与符号说明

第五部分

模型的建立与求解

第六部分

模型的评价与推广

第七部分

参考文献

第八部分

附录

原文地址:http://www.fanwen99.cn/article/埃博拉病毒传播模型.htm
一、 问题重述

假设某地区有 20 万居民和 3000 只猩猩。 人能以一定的概率接触到所有的 猩猩, 当接触到有传播能力的猩猩后有一定概率感染病毒,而人发病之后与猩猩 的接触可以忽略。研究人员统计了前 40 周人类和猩猩的发病数量和死亡数量等 信息(见附件一,附件二) ,相关问题如下; (1)根据猩猩的发病数量和死亡数量,建立一个病毒传播模型,动态描述 病毒在“虚拟猩猩种群”中的传播,并预测接下来的在猩猩中的疫情变化,并给 出“虚拟猩猩种群”在第 80 周、第 120 周、第 200 周的相关数据; (2)建立“虚拟种群”相互感染的疾病传播模型,综合描述人和猩猩疫情 的发展,并预测接下来疫情在这两个群体中的发展情况,并给出 “虚拟人类种 群”在第 80 周、第 120 周、第 200 周的相关数据; (3)假设在第 41 周,外界的专家开始介入,并立即严格控制了人类与猩猩 的接触,且通过某种特效药物将隔离治疗人群的治愈率提高到了 80%。预测接下 来疫情在“虚拟人类种群”的发展情况, 对比第 2 问的预测结果说明其作用和影 响,给出“虚拟人类种群”在第 45 周、第 50 周、第 55 周的相关数据; (4)依据前述数学模型,分析各种疫情控制措施的严格执行和药物(包括 防疫药物、检疫药物和治疗药物等)效果的提高等措施对控制疫情的作用。

原文地址:http://www.fanwen99.cn/article/埃博拉病毒传播模型.htm
二、 问题分析

(一)问题 1 的分析 建立一个病毒传播模型, 动态描述病毒在“虚拟猩猩种群”中的传播,有助 于政府和相关医疗机构预测接下来在猩猩中的疫情变化情况,科学预测疫情在 “虚拟猩猩种群”中的发展以及可能对“虚拟人类种群”带来的影响。 题中给出了“虚拟猩猩种群”的有关数据 (截至本周末处于发病状态的数量、 截至本周末总共死亡个数、截至本周末总共自愈个数) ,要求我们预测接下来在 猩猩种群中的疫情变化,分别给出在第 80 周、第 120 周、第 200 周“虚拟猩猩 种群”中潜伏群体、处于发病状态、累计自愈、累计因病死亡的数据。 由以上原因,我们可以建立一个 SLIRD 模型,利用 matlab 做出图像,对所 要求的结果分别进行预测,并将结果进行比较。 (二)问题 2 的分析 建立“虚拟种群”相互感染的疾病传播模型, 综合描述人和猩猩疫情的发展, 有助于指导政府通过控制人类与猩猩种群间接触来达到控 制疫情的目的, 可以 帮助政府分析控制两种群接

触所花的成本和疫情控制达到的效果之间的关联程 度。 题中给出了“虚拟人类种群”的有关数据(截至本周末处于发病未隔离状态 的数量、截至本周末总共累计治愈个数、截至本周末总共累计死亡人数、截至本 周末正在被隔离治疗的人数) ,要求我们预测接下来疫情在这两个群体中的发展 情况,并给出 “虚拟人类种群”在第 80 周、第 120 周、第 200 周的相关数据。 由以上原因, 我们可以建立一个考虑因素较问题 1 更多的 SLIRD 模型,利用 matlab 做出图像,对所要求的结果分别进行预测,并将结果进行比较。 (三)问题 3 的分析 在外界专家介入控制人类与猩猩接触的情况下以及某种特效药将被隔离治 疗人群的治愈率提高的条件下。 题中给出了明确的相关条件,即“假设在第 41 周,外界的专家开始介入, 并立即严格控制了人类与猩猩的接触, 且通过某种特效药物将隔离治疗人群的治 愈率提高到了 80%”,即相关参数的值直接由题设给建立病毒的传播模型,有助 于政府分析各种疫情控制措施的严格执行和药物效果的提高等措施对控制疫情 的作用,有助于政府合理规划投入医学研究成本,有重要指导意义 定,其余数据也可使用问题 1、问题 2 中已有数据。要求我们预测接下来疫 情在“虚拟人类种群”的发展情况,对比第 2 问的预测结果说明其作用和影响, 给出“虚拟人类种群”在第 45 周、第 50 周、第 55 周的相关数据。 由问题 3 的以上特点,我们可以直接利用问题 1、问题 2 中所建立的模型, 将相关参数设定成符合问题 3 条件的值,利用 matlab 进行做出图像,对所要求 的结果分别进行预测,并将结果进行比较。

原文地址:http://www.fanwen99.cn/article/埃博拉病毒传播模型.htm
(四)问题 4 的分析 我们可以依据前述数学模型,分析各种疫情控制措施的严格执行和药物(包 括防疫药物、检疫药物和治疗药物等)效果的提高等措施对控制疫情的作用,写 出分析结果。

三、 模型假设

(1)假设题目所给的数据真实可靠; (2)假设模型体系中没有猩猩和人类的迁入迁出,以及出生和其它原因的死亡; (3)鉴于被隔离的人数一直处于较少且比较稳定的状态,我们假设被隔离的病人 在本周即会被治愈或不幸死亡,不会长久地占用医疗设施; (4)鉴于被隔离的人数与所有发病人数(包括隔离和未隔离的)比值稳定在 0.42 左右,所以我们有理由相信,由于各种实际情况,该地区只能够将发病人群的百 分之四十二隔离治疗,故我们假设,隔离人数=0.72*发病且未隔离人数; (5)由题目可知,发病后的人与猩猩之间的接触不考虑,故假设猩猩的发病不受 人类影响。

四、定义与符号说明

(1)S1—截止到本周末健康猩猩占总猩

猩数的比例。 (2)S2—截止到本周末健康人占总人数的比例。 (3)L1—截止到本周末潜伏者占总猩猩数的比例。 (4)L2—截止到本周末潜伏者占总人数的比例。 (5)I1—截止到本周末处于发病状态的猩猩占总猩猩数的比例。 (6)I2—截止到本周末处于发病状态且未被隔离的人占总人数的比例。 (7)M—截止到本周末处于被隔离状态的人占总人数的比例,M=0.72*I2。

原文地址:http://www.fanwen99.cn/article/埃博拉病毒传播模型.htm
(8)R1—截止到本周末累计自愈的猩猩占总猩猩数的比例。 (9)R2—截止到本周末累计治愈的人占总人数的比例。 (10)D1—截止到本周末累计死亡的猩猩占总猩猩数的比例。 (11)D2—截止到本周末累计死亡的人占总人数的比例。 (12) ε 1—本周新增发病的猩猩数与截止本周潜伏的猩猩数的比值, 经过计算, ε 1 取平均值 1.05。 (13)ε 2—本周新增发病的人数与截止本周潜伏的人数的比值,经过计算,ε 2 取平均值 0.99。 (14)μ 1—本周自愈的猩猩数与截止本周处于发病的猩猩数的比值,经过计算 μ 1 取平均值 0.1。 (15) Ω —本周新增死亡的猩猩数与截止本周处于发病的猩猩数的比值,经过计 算,取平均值 0.2。 (16) μ 2—人的自愈率, 即自愈的总人数占发病且未被隔离的人的总数的比例, 经过计算取平均值 0.215。 (17)λ 1—每个发病猩猩每周有效接触(足以致病)的猩猩的数目,经过查阅 相关资料,并由题目所给数据测试得,当 λ 1 取 0.28 时,最为符合,故 λ 1 取 0.28。 (18)λ 2—每个病人每周有效接触(足以致病)的人的数目,经过查阅相关资 料, 并由题目所给数据测试得, 当 λ 2 取 0.7228 时, 最为符合, 故 λ 1 取 0.7228。 (19)λ 3—每个发病猩猩每周有效接触(足以致病)的人的数目,经过查阅相 关资料,并由题目所给数据测试得,当 λ 1 取 0.001 时,最为符合,故 λ 1 取 0.001。 (20)β 1—第二问中被隔离的病人的治愈率,即总共治愈的人数与总共隔离治 疗的人数。计算得 β 1=0.59。 (21)β 2—第三问中被隔离的病人的治愈率,由条件知 β 2=0.8。 (22)N1—“虚拟猩猩种群”总数,即 N1=3000。 (23)N2—“虚拟人类种群”总数,即 N2=200000。

原文地址:http://www.fanwen99.cn/article/埃博拉病毒传播模型.htm
五、模型的建立与求解 第一部分:问题 1 的 SLIRD 模型

(1) 猩猩总数 3000 不变,猩猩种群分为健康猩猩、处于潜伏期猩猩、发病状 态猩猩、已自愈猩猩和已死亡猩猩,称 SLIRD 模型。时刻 t 五类猩猩在猩 猩总数 N 中占的比例分别记作 S1(t) 、L1(t) 、I1(t) 、R1(t)和 D1 (t) 。病猩猩的周接触率为 λ 1,周治愈率为 μ 1,周死亡率为 Ω ,处于 潜伏期猩猩发病比例为 ε 1。 (2) 由模型假设显然有: S1(t)+L1(t

)+I1(t)+R1(t)+D1(t)=1(1.01) 对于健康猩猩、处于潜伏期猩猩、处于发病状态猩猩、已自愈猩猩和已 死亡猩猩有: N*(dS1/dt)=-λ 1*S1*I1*N(1.02) N*(dI1/dt)=N*(ε *L1-μ 1*I1-Ω 1*I1) (1.03) N*(dR1/dt)=N*μ 1*I1(1.04) N*(dD1/dt)=N*Ω *I1(1.05) 则由(1.01) 、 (1.02) 、 (1.03) 、 (1.04) 、 (1.05)式,SLIRD 模型的方 程可以写作: dS1/dt=-λ 1*S1*I1 dL1/dt=λ 1*S1*I1-ε *L1 dI1/dt=ε *L1-μ 1*I1-Ω *I1 dR1/dt=μ 1*I1 dD1/dt=Ω *I1 上述方程无法求出 L1(t) 、I1(t) 、R1(t) 、D1(t)的解析解,我们对其进行

原文地址:http://www.fanwen99.cn/article/埃博拉病毒传播模型.htm
matlab 数值计算(下图为根据上述模型做出的前 40 周“虚拟猩猩种群”各类状 态猩猩数量变化以及部分放大图) ,并与附件中的数据进行比较,对误差进行数 据分析:

前 40 周“虚拟猩猩种群”各类状态猩猩数量变化图

前 40 周“虚拟猩猩种群”各类状态猩猩数量变化部分放大图 前四周数据与附件所给数据拟合得比较吻合,根据上述模型,利用 matlab 进行数值计算,将时间轴延长(下图为根据上述模型做出的前 200

原文地址:http://www.fanwen99.cn/article/埃博拉病毒传播模型.htm
周 “虚拟猩猩种群” 各类状态猩猩数量变化以及预测结果) 我们能够得到“虚 拟猩猩种群”在第 80 周、第 120 周、第 200 周的相关数据:

前 200 周“虚拟猩猩种群”各类状态猩猩数量变化图 预测结果: 潜伏群体 80 周 120 周 200 周 0 0 0 处于发病 2 0 0 累计自愈 212 215 216 累计死亡 424 431 431

第二部分:问题 2 的 SLIMRD 模型

(1)猩猩的各种条件不变,人的总数 200000 不变,人群分为健康人、处于潜伏 期的人、发病且被隔离的的人、发病且未被隔离的人,隔离且被治愈的人,死亡 的人,称 SLIMRD 模型。时刻 t 六类人在总数 N2 中占的比例分别记作 S2(t) 、 L2(t) 、I1(t) 、M2(t),R1(t)和 D1(t) 。

原文地址:http://www.fanwen99.cn/article/埃博拉病毒传播模型.htm
(2)与问题一类似,对于健康人、处于潜伏期的人、处于发病状态且未隔离的 人、隔离且治愈的人和累计死亡的人有:

dS2/dt=-λ 3*S2*I1-I2*λ 2*S2 dL2/dt=λ 3*S2*I1+I2*λ 2*S2-ε 2*L2 dI2/dt=ε 2*L2-M dR2/dt=Mβ 1 dD2/dt=I2(1-μ 2)+M(1-β 1) 此外有 M=0.72*I2

与问题 1 方程组联立: dS1/dt=-λ 1*S1*I1 dL1/dt=λ 1*S1*I1-ε *L1 dI1/dt=ε *L1-μ 1*I1-Ω *I1 dR1/dt=μ 1*I1 dD1/dt=Ω *I1 上述两个方程组无法求出 S2(t) 、L2(t) 、I2(t) 、R2(t) 、D2(t)的解析解, 我们对其进行 matlab 数值计算 (下图为根据上述模型做出的前 40 周 “虚拟人群” 各类状态人的数量变化以及部分放大图) ,并与附件中的数据进行比较,对误差 进行数据分析:

原文地址:http://www.fanwen99.cn/article/埃博拉病毒传播模型.htm
前 40 周“虚拟人群”各类状态人数量变化图

前 40 周“虚拟人群”各类状态人数量变化部分放大图 前四周数据与附件所给数据拟合得比较吻合,根据上述

模型,利用 matlab 进行数值计算,将时间轴延长(下图为根据上述模型做出的前 200 周“虚拟人群”各类状态人数量变化以及预测结果)我们能够得到“虚拟人 群”在第 80 周、第 120 周、第 200 周的相关数据:

原文地址:http://www.fanwen99.cn/article/埃博拉病毒传播模型.htm
前 200 周“虚拟人群”各类状态人数量变化图 预测结果 潜伏人群 第 80 周 第 120 周 第 200 周 62 30 12 处于发病状态 46 46 16 隔离治疗 34 34 12 累计治愈 1850 2782 3768 累计因病死亡 4716 7086 9611

第三部分:问题 2 的 SLIMRD 模型

(1) 在问题 3 的情境中,虚拟猩猩种群各类猩猩数量比例的变化同问题 1、问 题 2; (2) 在问题 3 的情境中,前 40 周虚拟人类种群病情发展情况同问题 2 中虚拟 人类种群模型。从第 41 周开始,被隔离人群的治愈率由 β 1 变为了 β 2 (β 2=0.8)

原文地址:http://www.fanwen99.cn/article/埃博拉病毒传播模型.htm
(3) 故因此我们有从第 41 周开始的两种群常系数微分方程组: 虚拟猩猩种群: dS1/dt=-λ 1*S1*I1 dL1/dt=λ 1*S1*I1-ε *L1 dI1/dt=ε *L1-μ 1*I1-Ω *I1 dR1/dt=μ 1*I1 dD1/dt=Ω *I1 虚拟人类种群: dS2/dt=-I2*λ 2*S2 dL2/dt=I2*λ 2*S2-ε 2*L2 dI2/dt=ε 2*L2-M dR2/dt=Mβ 2 dD2/dt=I2(1-μ 2)+M(1-β 2) 上述两个方程组无法求出 S2(t) 、L2(t) 、I2(t) 、R2(t) 、D2(t)的解析解, 我们对其进行 matlab 数值计算(下图为根据上述模型做出的第 40 到 55 周“虚 拟人群”各类状态人的数量变化以及部分放大图,并附有第 40 到 200 周各类状 态人的数量变化图) ,与附件中的数据进行比较,对误差进行数据分析:

原文地址:http://www.fanwen99.cn/article/埃博拉病毒传播模型.htm
第 40 到 55 周“虚拟人群”各类状态人数量变化图

第 40 到 55 周“虚拟人群”各类状态人数量变化部分放大图

原文地址:http://www.fanwen99.cn/article/埃博拉病毒传播模型.htm
第 40 到 200 周“虚拟人群”各类状态人数量变化部分放大图 预测结果: 潜伏群体 45 周 50 周 55 周 22 19 18 处于发病 36 31 27 累计自愈 722 760 794 累计死亡 1851 1922 1989

原文地址:http://www.fanwen99.cn/article/埃博拉病毒传播模型.htm
四、 模型评价与推广

1.本文将所给的问题归纳为传染病问题,所建立的传染病模型科学合理 2.文中所列的方程符合实际情况和数学法则,合理的设置了一些变量和参数, 使问题清晰明了。 3.文中列出的微分方程无法求出解析值,故使用 MATLAB 进行数值求解,降低了 运算量,并科学地预测出了 40 周以后猩猩种群和人群里疾病的发展趋势 4.方程中涉及到的大部分参数,如 β ,ε 等,均由所给的数据计算取平均值得 到,结果科学而具有说服力。 5.本文中也存在一些无法避免的缺陷,例如有些参数(人或猩猩的有效接触数 等)无法通过计算得到,只能由不断变换数值,观察曲线与所给数值的吻合 度来估算,这可能会导致在预测过程中产生难免的误差。 6.从预测的数据可以看出,如果在第四十周外界专家介入,并立即严格控制了 人类与猩猩

的接触,且通过特效药物将隔离人群的治愈率提高到了 0.8,将 使得第 45 周, 第 50 周和第 55 周以致第 200 周的发病人数,潜伏期人数明显 且持续降低,累计死亡人数也会相应减缓增加。因此,我们有理由相信:控 制人类与猩猩的接触,使用特效药物可以有效遏制埃博拉的发展,同时我们 可以做出合理的推测:加强对人群的监控,改善医疗条件,提高隔离人数占 发病总人数的比例,也可以有效地抵抗埃博拉的传播。

原文地址:http://www.fanwen99.cn/article/埃博拉病毒传播模型.htm
五、 参考文献

[1]姜启源,数学模型(第二版) ,高等教育出版社,1991 [2]任善强,数学模型,重庆大学出版社,1987 [3]叶其孝主编,大学生数学建模竞赛辅导教材(四) ,湖南教育出版社,2001 [4]张志涌等编著,精通 MATLAB,北京航空航天大学出版社,2011 [5]何万生等,数学模型与建模,甘肃教育出版社,2001 [6]杨学桢,数学建模方法,河北大学出版社,2000 [7]贾晓峰等,微积分与数学模型,高等教育出版社,1999 [8]孙祥编著,清华大学出版社,matlab7.0 基础教程 [9]于润伟编著,matlab 基础及应用 [10]薛定宇,高等应用数学问题求解 matlab 求解 [11]薛定宇,数学物理方程的 matlab 解法与可视化

原文地址:http://www.fanwen99.cn/article/埃博拉病毒传播模型.htm
六、 附件 第一部分:问题 1 的 matlab 程序代码

t 属于 0 到 40 之间时: function dy=rigid(t,y) dy=zeros(5,1); dy(1)=-0.28*y(3)*y(1); dy(2)=0.28*y(3)*y(1)-1.05*y(2); dy(3)=1.05*y(2)-0.3*y(3); dy(4)=0.1*y(3); dy(5)=0.2*y(3); end

[T,Y]=ode45('rigid',[0 40],[1 1/30 0 0 0]); plot(T,3000*Y(:,1),'-',T,3000*Y(:,2),'*',T,3000*Y(:,3),'+',T,3000*Y(: ,4),'') t 属于 0 到 200 之间时: function dy=rigid(t,y) dy=zeros(5,1); dy(1)=-0.28*y(3)*y(1); dy(2)=0.28*y(3)*y(1)-1.05*y(2); dy(3)=1.05*y(2)-0.3*y(3); dy(4)=0.1*y(3);

原文地址:http://www.fanwen99.cn/article/埃博拉病毒传播模型.htm
dy(5)=0.2*y(3); end

[T,Y]=ode45('rigid',[0 200],[1 1/30 0 0 0]); plot(T,3000*Y(:,1),'-',T,3000*Y(:,2),'*',T,3000*Y(:,3),'+',T,3000*Y(: ,4),'')

第二部分:问题 2 的 matlab 程序代码

t 属于 0 到 40 之间时: function dy=rigid(t,y) dy=zeros(10,1); dy(1)=-0.28*y(3)*y(1); dy(2)=0.28*y(3)*y(1)-1.05*y(2); dy(3)=1.05*y(2)-0.3*y(3); dy(4)=0.1*y(3); dy(5)=0.2*y(3); dy(6)=-0.001*y(3)*y(6)-0.7228*y(8)*y(6); dy(7)=0.001*y(3)*y(6)+0.7228*y(8)*y(6)-0.99*y(7); dy(8)=0.99*y(7)-0.724*y(8); dy(9)=0.427*y(8); dy(10)=1.089*y(8); end

原文地址:http://www.fanwen99.cn/article/埃博拉病毒传播模型.htm
[T,Y]=ode45('rigid',[0 40],[1 1/30 0 0 0 1 0 0 0 0]);..... plot(T,200000*Y(:,6),'*',T,200000*Y(:,7),'+',T,200000*Y(:,8),'-',T,20 0000*Y(:,9),'') t 属于 0 到 200 之间时: function dy=rigid(t,y) dy=zeros(10,1); dy(1)=-0.28*y(3)*y(1); dy(2)=0.28*y(3)*y(1)-1.05*y(2); dy(3)=1.05*y(2)-0.3*y(3); dy(4)=0.1*y(3); dy(5)=0.2*y(3); dy(6)=-0.001*y(3)*y(6)-0.7228*y(8)*y(6); dy(7)=0.001*y(3)*y(6)+0.7228*y(8)*y(6)-0.99*y(7); dy(8)=0.99*y(7)-0.724*y(8); dy(9)=0.427*y(8); dy(10)=1.089*y(8); end

[T,Y]=ode45('rigid',[0 200],[1 1

/30 0 0 0 1 0 0 0 0]);..... plot(T,200000*Y(:,6),'*',T,200000*Y(:,7),'+',T,200000*Y(:,8),'-',T,20 0000*Y(:,9),'')

原文地址:http://www.fanwen99.cn/article/埃博拉病毒传播模型.htm
第三部分:问题 3 的 matlab 程序代码

t 属于 40 到 55 之间时: function dy=rigid(t,y) dy=zeros(5,1); dy(1)=-0.7228*y(3)*y(1); dy(2)=0.7228*y(3)*y(1)-0.99*y(2); dy(3)=0.99*y(2)-0.724*y(3); dy(4)=0.5792*y(3); dy(5)=0.9298*y(3); end [T,Y]=ode45('rigid',[0 15],[0.98772 0.00035 0.000205 0.003415 0.008825]);..... plot(T,200000*Y(:,1),'*',T,200000*Y(:,2),'+',T,200000*Y(:,3),'-',T,20 0000*Y(:,4),'') t 属于 40 到 200 之间时: function dy=rigid(t,y) dy=zeros(5,1); dy(1)=-0.7228*y(3)*y(1); dy(2)=0.7228*y(3)*y(1)-0.99*y(2); dy(3)=0.99*y(2)-0.724*y(3); dy(4)=0.5792*y(3); dy(5)=0.9298*y(3);

原文地址:http://www.fanwen99.cn/article/埃博拉病毒传播模型.htm
end [T,Y]=ode45('rigid',[0 160],[0.98772 0.00035 0.000205 0.003415 0.008825]);..... plot(T,200000*Y(:,1),'*',T,200000*Y(:,2),'+',T,200000*Y(:,3),'-',T,20 0000*Y(:,4),'')目

第一部分 问题重述

第二部分

问题分析

第三部分

模型的假设

第四部分

定义与符号说明

第五部分

模型的建立与求解

第六部分

模型的评价与推广

第七部分

参考文献

第八部分

附录

阅读详情:http://www.wenku1.com/news/36013821EE908AE6.html
一、 问题重述

假设某地区有 20 万居民和 3000 只猩猩。 人能以一定的概率接触到所有的 猩猩, 当接触到有传播能力的猩猩后有一定概率感染病毒,而人发病之后与猩猩 的接触可以忽略。研究人员统计了前 40 周人类和猩猩的发病数量和死亡数量等 信息(见附件一,附件二) ,相关问题如下; (1)根据猩猩的发病数量和死亡数量,建立一个病毒传播模型,动态描述 病毒在“虚拟猩猩种群”中的传播,并预测接下来的在猩猩中的疫情变化,并给 出“虚拟猩猩种群”在第 80 周、第 120 周、第 200 周的相关数据; (2)建立“虚拟种群”相互感染的疾病传播模型,综合描述人和猩猩疫情 的发展,并预测接下来疫情在这两个群体中的发展情况,并给出 “虚拟人类种 群”在第 80 周、第 120 周、第 200 周的相关数据; (3)假设在第 41 周,外界的专家开始介入,并立即严格控制了人类与猩猩 的接触,且通过某种特效药物将隔离治疗人群的治愈率提高到了 80%。预测接下 来疫情在“虚拟人类种群”的发展情况, 对比第 2 问的预测结果说明其作用和影 响,给出“虚拟人类种群”在第 45 周、第 50 周、第 55 周的相关数据; (4)依据前述数学模型,分析各种疫情控制措施的严格执行和药物(包括 防疫药物、检疫药物和治疗药物等)效果的提高等措施对控制疫情的作用。

阅读详情:http://www.wenku1.com/news/36013821EE908AE6.html
二、 问题分析

(一)问题 1 的分析 建立一个病毒传播模型, 动态描述病毒在“虚拟猩猩种群”中的传播,有助 于政府和相关医疗机构预测接下来在猩猩中的疫情变化情况,科学预测疫情在 “虚拟猩猩种群”中的发展以及可能对“虚拟人类种群”带来的影响。 题中给出了“虚拟猩猩种群”的有关数据 (截至本周末处于发病状态的数量、 截至本周末总共死亡个数、截至本周末总共自愈个数) ,要求我们预测接下来在 猩猩种群中的疫情变化,分别给出在第 80 周、第 120 周、第 200 周“虚拟猩猩 种群”中潜伏群体、处于发病状态、累计自愈、累计因病死亡的数据。 由以上原因,我们可以建立一个 SLIRD 模型,利用 matlab 做出图像,对所 要求的结果分别进行预测,并将结果进行比较。 (二)问题 2 的分析 建立“虚拟种群”相互感染的疾病传播模型, 综合描述人和猩猩疫情的发展, 有助于指导政府通过控制人类与猩猩种群间接触来达到控 制疫情的目的, 可以 帮助政府分析控制两种群接

触所花的成本和疫情控制达到的效果之间的关联程 度。 题中给出了“虚拟人类种群”的有关数据(截至本周末处于发病未隔离状态 的数量、截至本周末总共累计治愈个数、截至本周末总共累计死亡人数、截至本 周末正在被隔离治疗的人数) ,要求我们预测接下来疫情在这两个群体中的发展 情况,并给出 “虚拟人类种群”在第 80 周、第 120 周、第 200 周的相关数据。 由以上原因, 我们可以建立一个考虑因素较问题 1 更多的 SLIRD 模型,利用 matlab 做出图像,对所要求的结果分别进行预测,并将结果进行比较。 (三)问题 3 的分析 在外界专家介入控制人类与猩猩接触的情况下以及某种特效药将被隔离治 疗人群的治愈率提高的条件下。 题中给出了明确的相关条件,即“假设在第 41 周,外界的专家开始介入, 并立即严格控制了人类与猩猩的接触, 且通过某种特效药物将隔离治疗人群的治 愈率提高到了 80%”,即相关参数的值直接由题设给建立病毒的传播模型,有助 于政府分析各种疫情控制措施的严格执行和药物效果的提高等措施对控制疫情 的作用,有助于政府合理规划投入医学研究成本,有重要指导意义 定,其余数据也可使用问题 1、问题 2 中已有数据。要求我们预测接下来疫 情在“虚拟人类种群”的发展情况,对比第 2 问的预测结果说明其作用和影响, 给出“虚拟人类种群”在第 45 周、第 50 周、第 55 周的相关数据。 由问题 3 的以上特点,我们可以直接利用问题 1、问题 2 中所建立的模型, 将相关参数设定成符合问题 3 条件的值,利用 matlab 进行做出图像,对所要求 的结果分别进行预测,并将结果进行比较。

阅读详情:http://www.wenku1.com/news/36013821EE908AE6.html
(四)问题 4 的分析 我们可以依据前述数学模型,分析各种疫情控制措施的严格执行和药物(包 括防疫药物、检疫药物和治疗药物等)效果的提高等措施对控制疫情的作用,写 出分析结果。

三、 模型假设

(1)假设题目所给的数据真实可靠; (2)假设模型体系中没有猩猩和人类的迁入迁出,以及出生和其它原因的死亡; (3)鉴于被隔离的人数一直处于较少且比较稳定的状态,我们假设被隔离的病人 在本周即会被治愈或不幸死亡,不会长久地占用医疗设施; (4)鉴于被隔离的人数与所有发病人数(包括隔离和未隔离的)比值稳定在 0.42 左右,所以我们有理由相信,由于各种实际情况,该地区只能够将发病人群的百 分之四十二隔离治疗,故我们假设,隔离人数=0.72*发病且未隔离人数; (5)由题目可知,发病后的人与猩猩之间的接触不考虑,故假设猩猩的发病不受 人类影响。

四、定义与符号说明

(1)S1—截止到本周末健康猩猩占总猩

猩数的比例。 (2)S2—截止到本周末健康人占总人数的比例。 (3)L1—截止到本周末潜伏者占总猩猩数的比例。 (4)L2—截止到本周末潜伏者占总人数的比例。 (5)I1—截止到本周末处于发病状态的猩猩占总猩猩数的比例。 (6)I2—截止到本周末处于发病状态且未被隔离的人占总人数的比例。 (7)M—截止到本周末处于被隔离状态的人占总人数的比例,M=0.72*I2。

阅读详情:http://www.wenku1.com/news/36013821EE908AE6.html
(8)R1—截止到本周末累计自愈的猩猩占总猩猩数的比例。 (9)R2—截止到本周末累计治愈的人占总人数的比例。 (10)D1—截止到本周末累计死亡的猩猩占总猩猩数的比例。 (11)D2—截止到本周末累计死亡的人占总人数的比例。 (12) ε 1—本周新增发病的猩猩数与截止本周潜伏的猩猩数的比值, 经过计算, ε 1 取平均值 1.05。 (13)ε 2—本周新增发病的人数与截止本周潜伏的人数的比值,经过计算,ε 2 取平均值 0.99。 (14)μ 1—本周自愈的猩猩数与截止本周处于发病的猩猩数的比值,经过计算 μ 1 取平均值 0.1。 (15) Ω —本周新增死亡的猩猩数与截止本周处于发病的猩猩数的比值,经过计 算,取平均值 0.2。 (16) μ 2—人的自愈率, 即自愈的总人数占发病且未被隔离的人的总数的比例, 经过计算取平均值 0.215。 (17)λ 1—每个发病猩猩每周有效接触(足以致病)的猩猩的数目,经过查阅 相关资料,并由题目所给数据测试得,当 λ 1 取 0.28 时,最为符合,故 λ 1 取 0.28。 (18)λ 2—每个病人每周有效接触(足以致病)的人的数目,经过查阅相关资 料, 并由题目所给数据测试得, 当 λ 2 取 0.7228 时, 最为符合, 故 λ 1 取 0.7228。 (19)λ 3—每个发病猩猩每周有效接触(足以致病)的人的数目,经过查阅相 关资料,并由题目所给数据测试得,当 λ 1 取 0.001 时,最为符合,故 λ 1 取 0.001。 (20)β 1—第二问中被隔离的病人的治愈率,即总共治愈的人数与总共隔离治 疗的人数。计算得 β 1=0.59。 (21)β 2—第三问中被隔离的病人的治愈率,由条件知 β 2=0.8。 (22)N1—“虚拟猩猩种群”总数,即 N1=3000。 (23)N2—“虚拟人类种群”总数,即 N2=200000。

阅读详情:http://www.wenku1.com/news/36013821EE908AE6.html
五、模型的建立与求解 第一部分:问题 1 的 SLIRD 模型

(1) 猩猩总数 3000 不变,猩猩种群分为健康猩猩、处于潜伏期猩猩、发病状 态猩猩、已自愈猩猩和已死亡猩猩,称 SLIRD 模型。时刻 t 五类猩猩在猩 猩总数 N 中占的比例分别记作 S1(t) 、L1(t) 、I1(t) 、R1(t)和 D1 (t) 。病猩猩的周接触率为 λ 1,周治愈率为 μ 1,周死亡率为 Ω ,处于 潜伏期猩猩发病比例为 ε 1。 (2) 由模型假设显然有: S1(t)+L1(t

)+I1(t)+R1(t)+D1(t)=1(1.01) 对于健康猩猩、处于潜伏期猩猩、处于发病状态猩猩、已自愈猩猩和已 死亡猩猩有: N*(dS1/dt)=-λ 1*S1*I1*N(1.02) N*(dI1/dt)=N*(ε *L1-μ 1*I1-Ω 1*I1) (1.03) N*(dR1/dt)=N*μ 1*I1(1.04) N*(dD1/dt)=N*Ω *I1(1.05) 则由(1.01) 、 (1.02) 、 (1.03) 、 (1.04) 、 (1.05)式,SLIRD 模型的方 程可以写作: dS1/dt=-λ 1*S1*I1 dL1/dt=λ 1*S1*I1-ε *L1 dI1/dt=ε *L1-μ 1*I1-Ω *I1 dR1/dt=μ 1*I1 dD1/dt=Ω *I1 上述方程无法求出 L1(t) 、I1(t) 、R1(t) 、D1(t)的解析解,我们对其进行

阅读详情:http://www.wenku1.com/news/36013821EE908AE6.html
matlab 数值计算(下图为根据上述模型做出的前 40 周“虚拟猩猩种群”各类状 态猩猩数量变化以及部分放大图) ,并与附件中的数据进行比较,对误差进行数 据分析:

前 40 周“虚拟猩猩种群”各类状态猩猩数量变化图

前 40 周“虚拟猩猩种群”各类状态猩猩数量变化部分放大图 前四周数据与附件所给数据拟合得比较吻合,根据上述模型,利用 matlab 进行数值计算,将时间轴延长(下图为根据上述模型做出的前 200

阅读详情:http://www.wenku1.com/news/36013821EE908AE6.html
周 “虚拟猩猩种群” 各类状态猩猩数量变化以及预测结果) 我们能够得到“虚 拟猩猩种群”在第 80 周、第 120 周、第 200 周的相关数据:

前 200 周“虚拟猩猩种群”各类状态猩猩数量变化图 预测结果: 潜伏群体 80 周 120 周 200 周 0 0 0 处于发病 2 0 0 累计自愈 212 215 216 累计死亡 424 431 431

第二部分:问题 2 的 SLIMRD 模型

(1)猩猩的各种条件不变,人的总数 200000 不变,人群分为健康人、处于潜伏 期的人、发病且被隔离的的人、发病且未被隔离的人,隔离且被治愈的人,死亡 的人,称 SLIMRD 模型。时刻 t 六类人在总数 N2 中占的比例分别记作 S2(t) 、 L2(t) 、I1(t) 、M2(t),R1(t)和 D1(t) 。

阅读详情:http://www.wenku1.com/news/36013821EE908AE6.html
(2)与问题一类似,对于健康人、处于潜伏期的人、处于发病状态且未隔离的 人、隔离且治愈的人和累计死亡的人有:

dS2/dt=-λ 3*S2*I1-I2*λ 2*S2 dL2/dt=λ 3*S2*I1+I2*λ 2*S2-ε 2*L2 dI2/dt=ε 2*L2-M dR2/dt=Mβ 1 dD2/dt=I2(1-μ 2)+M(1-β 1) 此外有 M=0.72*I2

与问题 1 方程组联立: dS1/dt=-λ 1*S1*I1 dL1/dt=λ 1*S1*I1-ε *L1 dI1/dt=ε *L1-μ 1*I1-Ω *I1 dR1/dt=μ 1*I1 dD1/dt=Ω *I1 上述两个方程组无法求出 S2(t) 、L2(t) 、I2(t) 、R2(t) 、D2(t)的解析解, 我们对其进行 matlab 数值计算 (下图为根据上述模型做出的前 40 周 “虚拟人群” 各类状态人的数量变化以及部分放大图) ,并与附件中的数据进行比较,对误差 进行数据分析:

阅读详情:http://www.wenku1.com/news/36013821EE908AE6.html
前 40 周“虚拟人群”各类状态人数量变化图

前 40 周“虚拟人群”各类状态人数量变化部分放大图 前四周数据与附件所给数据拟合得比较吻合,根据上述

模型,利用 matlab 进行数值计算,将时间轴延长(下图为根据上述模型做出的前 200 周“虚拟人群”各类状态人数量变化以及预测结果)我们能够得到“虚拟人 群”在第 80 周、第 120 周、第 200 周的相关数据:

阅读详情:http://www.wenku1.com/news/36013821EE908AE6.html
前 200 周“虚拟人群”各类状态人数量变化图 预测结果 潜伏人群 第 80 周 第 120 周 第 200 周 62 30 12 处于发病状态 46 46 16 隔离治疗 34 34 12 累计治愈 1850 2782 3768 累计因病死亡 4716 7086 9611

第三部分:问题 2 的 SLIMRD 模型

(1) 在问题 3 的情境中,虚拟猩猩种群各类猩猩数量比例的变化同问题 1、问 题 2; (2) 在问题 3 的情境中,前 40 周虚拟人类种群病情发展情况同问题 2 中虚拟 人类种群模型。从第 41 周开始,被隔离人群的治愈率由 β 1 变为了 β 2 (β 2=0.8)

阅读详情:http://www.wenku1.com/news/36013821EE908AE6.html
(3) 故因此我们有从第 41 周开始的两种群常系数微分方程组: 虚拟猩猩种群: dS1/dt=-λ 1*S1*I1 dL1/dt=λ 1*S1*I1-ε *L1 dI1/dt=ε *L1-μ 1*I1-Ω *I1 dR1/dt=μ 1*I1 dD1/dt=Ω *I1 虚拟人类种群: dS2/dt=-I2*λ 2*S2 dL2/dt=I2*λ 2*S2-ε 2*L2 dI2/dt=ε 2*L2-M dR2/dt=Mβ 2 dD2/dt=I2(1-μ 2)+M(1-β 2) 上述两个方程组无法求出 S2(t) 、L2(t) 、I2(t) 、R2(t) 、D2(t)的解析解, 我们对其进行 matlab 数值计算(下图为根据上述模型做出的第 40 到 55 周“虚 拟人群”各类状态人的数量变化以及部分放大图,并附有第 40 到 200 周各类状 态人的数量变化图) ,与附件中的数据进行比较,对误差进行数据分析:

阅读详情:http://www.wenku1.com/news/36013821EE908AE6.html
第 40 到 55 周“虚拟人群”各类状态人数量变化图

第 40 到 55 周“虚拟人群”各类状态人数量变化部分放大图

阅读详情:http://www.wenku1.com/news/36013821EE908AE6.html
第 40 到 200 周“虚拟人群”各类状态人数量变化部分放大图 预测结果: 潜伏群体 45 周 50 周 55 周 22 19 18 处于发病 36 31 27 累计自愈 722 760 794 累计死亡 1851 1922 1989

阅读详情:http://www.wenku1.com/news/36013821EE908AE6.html
四、 模型评价与推广

1.本文将所给的问题归纳为传染病问题,所建立的传染病模型科学合理 2.文中所列的方程符合实际情况和数学法则,合理的设置了一些变量和参数, 使问题清晰明了。 3.文中列出的微分方程无法求出解析值,故使用 MATLAB 进行数值求解,降低了 运算量,并科学地预测出了 40 周以后猩猩种群和人群里疾病的发展趋势 4.方程中涉及到的大部分参数,如 β ,ε 等,均由所给的数据计算取平均值得 到,结果科学而具有说服力。 5.本文中也存在一些无法避免的缺陷,例如有些参数(人或猩猩的有效接触数 等)无法通过计算得到,只能由不断变换数值,观察曲线与所给数值的吻合 度来估算,这可能会导致在预测过程中产生难免的误差。 6.从预测的数据可以看出,如果在第四十周外界专家介入,并立即严格控制了 人类与猩猩

的接触,且通过特效药物将隔离人群的治愈率提高到了 0.8,将 使得第 45 周, 第 50 周和第 55 周以致第 200 周的发病人数,潜伏期人数明显 且持续降低,累计死亡人数也会相应减缓增加。因此,我们有理由相信:控 制人类与猩猩的接触,使用特效药物可以有效遏制埃博拉的发展,同时我们 可以做出合理的推测:加强对人群的监控,改善医疗条件,提高隔离人数占 发病总人数的比例,也可以有效地抵抗埃博拉的传播。

阅读详情:http://www.wenku1.com/news/36013821EE908AE6.html
五、 参考文献

[1]姜启源,数学模型(第二版) ,高等教育出版社,1991 [2]任善强,数学模型,重庆大学出版社,1987 [3]叶其孝主编,大学生数学建模竞赛辅导教材(四) ,湖南教育出版社,2001 [4]张志涌等编著,精通 MATLAB,北京航空航天大学出版社,2011 [5]何万生等,数学模型与建模,甘肃教育出版社,2001 [6]杨学桢,数学建模方法,河北大学出版社,2000 [7]贾晓峰等,微积分与数学模型,高等教育出版社,1999 [8]孙祥编著,清华大学出版社,matlab7.0 基础教程 [9]于润伟编著,matlab 基础及应用 [10]薛定宇,高等应用数学问题求解 matlab 求解 [11]薛定宇,数学物理方程的 matlab 解法与可视化

阅读详情:http://www.wenku1.com/news/36013821EE908AE6.html
六、 附件 第一部分:问题 1 的 matlab 程序代码

t 属于 0 到 40 之间时: function dy=rigid(t,y) dy=zeros(5,1); dy(1)=-0.28*y(3)*y(1); dy(2)=0.28*y(3)*y(1)-1.05*y(2); dy(3)=1.05*y(2)-0.3*y(3); dy(4)=0.1*y(3); dy(5)=0.2*y(3); end

[T,Y]=ode45('rigid',[0 40],[1 1/30 0 0 0]); plot(T,3000*Y(:,1),'-',T,3000*Y(:,2),'*',T,3000*Y(:,3),'+',T,3000*Y(: ,4),'') t 属于 0 到 200 之间时: function dy=rigid(t,y) dy=zeros(5,1); dy(1)=-0.28*y(3)*y(1); dy(2)=0.28*y(3)*y(1)-1.05*y(2); dy(3)=1.05*y(2)-0.3*y(3); dy(4)=0.1*y(3);

阅读详情:http://www.wenku1.com/news/36013821EE908AE6.html
dy(5)=0.2*y(3); end

[T,Y]=ode45('rigid',[0 200],[1 1/30 0 0 0]); plot(T,3000*Y(:,1),'-',T,3000*Y(:,2),'*',T,3000*Y(:,3),'+',T,3000*Y(: ,4),'')

第二部分:问题 2 的 matlab 程序代码

t 属于 0 到 40 之间时: function dy=rigid(t,y) dy=zeros(10,1); dy(1)=-0.28*y(3)*y(1); dy(2)=0.28*y(3)*y(1)-1.05*y(2); dy(3)=1.05*y(2)-0.3*y(3); dy(4)=0.1*y(3); dy(5)=0.2*y(3); dy(6)=-0.001*y(3)*y(6)-0.7228*y(8)*y(6); dy(7)=0.001*y(3)*y(6)+0.7228*y(8)*y(6)-0.99*y(7); dy(8)=0.99*y(7)-0.724*y(8); dy(9)=0.427*y(8); dy(10)=1.089*y(8); end

阅读详情:http://www.wenku1.com/news/36013821EE908AE6.html
[T,Y]=ode45('rigid',[0 40],[1 1/30 0 0 0 1 0 0 0 0]);..... plot(T,200000*Y(:,6),'*',T,200000*Y(:,7),'+',T,200000*Y(:,8),'-',T,20 0000*Y(:,9),'') t 属于 0 到 200 之间时: function dy=rigid(t,y) dy=zeros(10,1); dy(1)=-0.28*y(3)*y(1); dy(2)=0.28*y(3)*y(1)-1.05*y(2); dy(3)=1.05*y(2)-0.3*y(3); dy(4)=0.1*y(3); dy(5)=0.2*y(3); dy(6)=-0.001*y(3)*y(6)-0.7228*y(8)*y(6); dy(7)=0.001*y(3)*y(6)+0.7228*y(8)*y(6)-0.99*y(7); dy(8)=0.99*y(7)-0.724*y(8); dy(9)=0.427*y(8); dy(10)=1.089*y(8); end

[T,Y]=ode45('rigid',[0 200],[1 1

/30 0 0 0 1 0 0 0 0]);..... plot(T,200000*Y(:,6),'*',T,200000*Y(:,7),'+',T,200000*Y(:,8),'-',T,20 0000*Y(:,9),'')

阅读详情:http://www.wenku1.com/news/36013821EE908AE6.html
第三部分:问题 3 的 matlab 程序代码

t 属于 40 到 55 之间时: function dy=rigid(t,y) dy=zeros(5,1); dy(1)=-0.7228*y(3)*y(1); dy(2)=0.7228*y(3)*y(1)-0.99*y(2); dy(3)=0.99*y(2)-0.724*y(3); dy(4)=0.5792*y(3); dy(5)=0.9298*y(3); end [T,Y]=ode45('rigid',[0 15],[0.98772 0.00035 0.000205 0.003415 0.008825]);..... plot(T,200000*Y(:,1),'*',T,200000*Y(:,2),'+',T,200000*Y(:,3),'-',T,20 0000*Y(:,4),'') t 属于 40 到 200 之间时: function dy=rigid(t,y) dy=zeros(5,1); dy(1)=-0.7228*y(3)*y(1); dy(2)=0.7228*y(3)*y(1)-0.99*y(2); dy(3)=0.99*y(2)-0.724*y(3); dy(4)=0.5792*y(3); dy(5)=0.9298*y(3);

阅读详情:http://www.wenku1.com/news/36013821EE908AE6.html
end [T,Y]=ode45('rigid',[0 160],[0.98772 0.00035 0.000205 0.003415 0.008825]);..... plot(T,200000*Y(:,1),'*',T,200000*Y(:,2),'+',T,200000*Y(:,3),'-',T,20 0000*Y(:,4),'')

范文七:【埃博拉病毒传播】数学建模

安康学院第七届数学建模竞赛

承 诺 书

我们仔细阅读了安康学院数学建模竞赛的竞赛规则.

我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网

上咨询等)与队外的任何人(包括指导教师)研究、讨论与赛题有关的问题。

我们知道,抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的

资料(包括网上查到的资料),必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。

我们郑重承诺,严格遵守竞赛规则,以保证竞赛的公正、公平性。如有违反竞赛规

则的行为,我们将受到严肃处理。

我们参赛选择的题号是(从A/B中选择一项填写): B

我们的参赛报名号为(如果赛区设置报名号的话):

所属院系(请填写完整的全名): 教育科学系 参赛队员 (打印并签名) :1. 吴婷婷 2012110015

2. 胡园园 2012110028

3. 马小梅 2012110038 指导教师或指导教师组负责人 (打印并签名):

日期: 2015 年 5 月 8 日

埃博拉病毒传播问题

摘要:

埃博拉病毒病( EVD) 是严重的、往往致命的人类疾病,病死率高达90%. 埃博拉病毒病疫情主要发生在中非和西非靠近热带雨林的边远村庄. 该病毒通过野生动物传到人,并且通过人际间传播在人群中蔓延. 病情严重的患者需要获得重症支持治疗,无论对人还是对动物都无可用的已获正式许可的特异性治疗办法或者疫苗. 由于缺乏有效的治疗手段和人用疫苗,提高对感染埃博拉危险因素的认识以及个人可以采取一些保护措施,这是

减少人类感染和死亡的唯一方法. 本文建立一个埃博拉病毒的数学模型,对疫情进行实证分析; 并且对疫情的发展也做了一个预测.

关键词: 埃博拉病毒; 数学模型; 实证分析; 预测

一、问题重述

埃博拉病毒(又译作伊波拉病毒)于1976年在苏丹南部和刚果的埃博拉河地区被发现后,引起了医学界的广泛关注和重视。埃博拉病毒有传染性,主要是通过病人的血液、唾液、汗水和分泌物等途径传播。各种非人类灵长类动物普遍易感,经肠道、非胃肠道或鼻内途径均可造成感染,病毒的潜伏期通常只有5天至10天,感染后2~5天出现高热,6~9天死亡。发病后1~4天直至死亡,血液都含有病毒。当前主流的认知是,埃博拉病毒主要通过接触传播,而非通过空气传播;只有病人在出现埃博拉症状以后才具有传染性。在疾病的早期阶段,埃博拉病毒可能不具有高度的传染性,在此期间接触病人甚至可能不会受感染,随着疾病的进展,病人的因腹泻、呕吐和出血所排出的体液将具有高度的生物危险性;存在似乎天生就对埃博拉免疫的人,痊愈之后的人也会对入侵他们的那种埃博拉病毒有了免疫能力。所以属于考虑自愈型的。本题希望同学们通过数学建模的方法量化埃博拉病毒的传播规律,深刻认识该病毒的危害,并分析隔离措施的严格执行和药物治疗效果的提高等措施对控制疫情的作用。

1、仅针对猩猩群体建立病毒传播模型,根据已知数据描述并预测疫情变化,完成第80、120、200周的数据。

2、对人和猩猩的群体建立模型,综合描述并预测人和猩猩两个群体疫情的发展,完成第80、120、200周的数据。

3、从第41周开始,在实施严格控制人与猩猩的接触和将人群治愈率提高至80%两措施的情况下,对比第2问的预测结果说明措施的作用和影响。完成第45、50、55周数据。.

4、据前分析各种疫情控制措施的严格执行和药物效果的提高等措施对控制疫情的作用。

二、问题分析

由题意可知,目的是为了建立一种数学模型,分析隔离措施的严格执行和药物治疗效果的提高等措施对控制疫情的作用。问题一中,我们首先想到根据虚拟猩猩在前40周的传播情况,建立了一个猩猩的发病数量和死亡数量的模型。由此推测出猩猩在第80周、第120周、第200周的潜伏群体、处于发病状态、累计自愈、累计因病死亡的预测结果;在第二个问题中,建立“虚拟种群”相互感染的疾病传播模型,综合描述人和猩猩疫情的发展,并预测接下来疫情在这两个群体中的发展情况,并预测出 “虚拟人类种群”在第80周、第120周、第200周潜伏人群、处于发病状态、隔离治疗、累计治愈、累计因病死亡的结果;在第三个问题中,提到假设在第41周,外界的专家开始介入,并立即严格控制了人类与猩猩的接触,且通过某种特效药物将隔离治疗人群的治愈率提高到了80%。预测接下来疫情在“虚拟人类种群”的发展情况,根据对比第2问的预测结果说明其作用和影响,给出“虚拟人类种群”在第45周、第50周、第55周的相关数据;在第四个问题中,依据前面的数学模型,分析各种疫情控制措施的严格执行和药物(包括防疫药物、检疫药物和治疗药物等)效果的提高等措施对控制疫情的作用。

1、问题一要求建模描述并预测病毒在猩猩种群中的传播。实际需要找到几个已

知数据类即发病个体数、自愈个体数和死亡个体数之间的关系。观察到已知数据中发病猩猩个数、自愈猩猩个数、死亡猩猩个数随时间单调变化,所以考察各变量从时刻t到时刻t+?t的增量,然后得到变量关于t的微分方程,编程进行数值计算。通过已知数据验证模型的可靠性,再以此为基础进行预测。其中,要合理处理潜伏群体和处于发病状态个体数量的关系。

2、问题二建立在问题一的基础上,将人群进行分类。考虑到猩猩感染人而人不

感染猩猩,猩猩群体的传播规律不受影响,人类患病者的感染源为患病猩猩和患病的人,这些患病人类中一部分会被隔离治疗,隔离群体则有相对应的治愈率和死亡率,借鉴问题一的想法,找到问题二中给定量和假设量他们之间的关系。然后进一步建立被分类人群(易患病的人、潜伏期的人、已患病的人、患病被隔离的人、隔离被治愈的人、自愈的人、隔离后死亡的人、未被隔离死亡的人)的数量关系。

3、问题三中,采取隔离措施后,人的群体和猩猩的群体相互独立,即猩猩不再

将病毒传染给人类。同时,被隔离人群的治愈率提高到了80%。所以对比于第二问,忽略患病猩猩对人的传染,同时被隔离群体的治愈率为一给定值0.8 。可将问题二的模型修改直接利用。对措施产生的作用进行探究应从处于发病状态个体的个数和死亡个体的个数的变化入手,考虑干预手段的大小对疾病预防和控制的影响。

4、注意到前面模型中对患病人群的隔离率没有相应的措施,所以,问题四中应

重点分析隔离率对疫情控制的影响,可具体考察与隔离率相关的式子并进行分析。

三、模型建立与求解

1、问题一

模型假设:在本题中,假设某地区有20万居民和3000只猩猩。人能以一定的概率接触到所有的猩猩,当接触到有传播能力的猩猩后有一定概率感染病毒,人发病之后与猩猩的接触是可以忽略;

1)动态描述:

图1是对前40周猩猩群体中个体发病、自愈、死亡数量变化趋势的折线图形描述,先纵向分析三者各自的变化趋势,可以看出:前40周,死亡个体数和自愈个体数均随周数增加,发病个体数在前6周波动,后随周数减少,前40周发病个体数和自愈个体数增加的趋势有所减缓;后横向分析,可以看出:前40周,死亡个体数和自愈个体数同时增加,具有一致性,但不确定这种一致性会保持多久,而他们与发

病个体数有相反的变化趋势。

2)而在实际情况中,猩猩的发病率和死亡率会受到种群竞争、气候条件、自然生死等各种因素的影响,仅仅考虑猩猩在前40周的发病数量和死亡数量;

3)忽略猩猩因为出病毒传播以外的其他因素的死亡数量;

模型建立:

猩猩在前40周里的发病数量和死亡数量,分析数据可以知道每周的发病数量差值分别为7、6、5、4、3;并有规律:随着发病时间的增长,发病速度在不降低;统计数量可以得到散点图如下:

从以上分析可以得出下面结论:

在不具备集体隔离和治疗能力的猩猩群体内,发病和死亡的趋势不会无限进行下去,猩猩们的自愈能力会扭转颓势。

然后将指定周数的数据填入下表:

2、问题二 混合群体中类似于猩猩群体,人的群体分为8类:易患病的人、潜伏期的人、已患病的人、患病被隔离的人、隔离被治愈的人、自愈的人、隔离后死亡的人、未被隔离死亡的人。由于人发病后与猩猩的接触可以忽略,所以只有猩猩会感染人而人不会感染猩猩。则猩猩群体病毒传播的规律不发生改变,人的感染源有患病猩猩和患病的人。由于在问题二中,模型未知量较多和前40周数据有所波动造成了模型求解的复杂,所以在使用已知数据时,将处于发病状态人数数据的前8周看做第一阶段,以后数据为第二阶段;将被隔离人数数据的前5周看做第一阶段,以后看做第二阶段;另外两组数据完整使用。这样在编程求解时初值做相应改变。 通过MATLAB软件进行数值计算,计算所得数据的图表形式如下:

3、问题三

(1)预测 采取隔离措施后,人的群体和猩猩的群体相互独立,即猩猩不再将病毒传染给人类。同时被隔离群体的治愈率为一给定值0.8即g=0.8,1-g=0.2 。 可利用修改过的问题二的模型进行预测。即可完成下表:

(2)作用和影响说明:

严格控制患病猩猩与人类的接触后,人的感染源减少了近40%,使人类处于潜伏期和发病状态的数量大幅减少;药物治疗提高治愈率至80%后,隔离治疗人

群的死亡率下降了62%,总的患病人群的死亡率下降了41%,对疫情的控制效果明显。说明干预手段的程度的大小对疾病控制的影响显著。

4、问题四:

前述数学模型中疫情控制措施有:隔离措施(切断患病猩猩与人的接触、将患病人隔离)和提高治愈率的措施。

前面实现了严格控制患病猩猩与人的接触,并将隔离人群的治愈率提高至80%,对疫情的控制效果比较明显。但患病人群的隔离率k未经改善,当提高隔离率时,处于发病状态的个体数量会减少,因病死亡人数也会减少,对控制疫情有积极效果。模型的建立帮助我们搞清楚了现有干预手段究竟有多大效果,预测表明,隔离措施的严格执行和药物治疗是控制疫情的最好手段。

(1)目前的控制方案:

疫症控制:埃博拉出血热是接触式传染性疾病,故改善行为模式、穿着个人医疗防护衣物与勤加消毒是主要的预防措施。避免接触患者及带病尸体的血液与分泌物是最基本的预防方式,及早观察及诊断带病者并具备完善的疾病通报机制为达致此项的必要条件。在照顾病人时,应先将之隔离,并穿着全套保护衣物(包括:连身型防护衣、口罩、手套、保护镜)。勤加洗手也是有效的措施之一,虽说此举的可行性在一些缺乏足够食水的非洲地区很低。在最近的2014年西非疫症中,肥皂亦出现供应短缺的问题(世卫则保证会供应足够的洁手沙)。持续30-60分钟以60摄氏度或持续5分钟以100摄氏度处理的高温消毒法亦为清除埃博拉病毒的有效方式。一些诸如酒精制品、洗洁精、漂白水(次氯酸钠)及漂白粉(次氯酸钙)等的表面清洁剂在适当的浓度下,同样为有效的消毒用品。由于缺乏先进的医疗仪器及未有遵守正确的医疗防护指引,大规模的疫症爆发多出现在缺乏具足够医疗知识之医护人员的贫穷地区。传统的土葬殡仪(尤其是那些涉及清洁及触碰尸体的仪式)应被劝阻或改良。飞机机组人员亦应按照指引第一时间隔离出现埃博拉症状的乘客。

2.隔离检疫

3.预防疫苗传播系统:科学家相信,蝙蝠最有可能是埃博拉病毒属成员的天然宿

主,植物、鸟类、节肢动物亦被列入名单。

4.传播地点:西非:几内亚、利比里亚、塞拉利昂

五、模型的优缺点评价及改进

模型优点:

1、模型变量全面,描述和联系性强,可以将问题描述清楚并就问题给出可参考答案。

2、模型具有灵活性和适应性,如解决问题二时,取用部分数据,模型仍然成。 模型缺点:

1、变量多,模型实现时遇到了较多困难。

2、在进行函数拟合时,有较多点在函数曲线外,误差较大。

3、细节处理不到位。

模型改进:

可以先只找S和I的关系,列微分方程求解,再列E、R、D的微分方程。这样就将一个大问题转化为两个较容易的问题,相当于减少了变量个数,而且更能考虑他们之间的细节关系。

六、参考文献

【1】姜启源,谢金星,叶俊 . 数学模型(第三版)【M】. 北京:高等教育出版社,2003.

【2】周后卿,徐幼专:埃博拉病毒感染数量的一个数学模型 .

【3】杨玉华:SARS传染模型的研究及实证分析 .

范文八:埃博拉病毒传播模式的研究

埃博拉病毒传播模 式 的研 究

李进龙

( 西 南交通 大学  四川 ・ 成都

摘 要

6 1 1 7 5 6 )

本文针对埃博拉 病毒 的传播 问题分别建立 了自由传播状况下 的 S I R 模 型和有 药物强力控制情况 下的微分

埃 博 拉 病 毒  S I R模 型  微 分 方 程 模 型  文献 标 识 码 : A

方程模 型, 利用 MA T L AB软件对模 型进行求解 , 对求解结论进行分析, 并对模 型的优缺 点进行评价。

关键 词 中 图分 类 号 : R 3 7 3 . 9

1 病毒传播模型 的假设  对 于 一 种 新 型病 毒 , 在 没 有 药 物 干 预和 防治 的情 况 下 , 病  情 的 蔓延 是 相 当迅 速 的 。 在应 对 新 型病 毒 时 ,医 疗卫 生 部 门  通常会采取隔离病患, 药 物 治 疗 等 措 施 。一 般 情 况 下 , 采 取 药  物治疗对控制疫情扩散有显著效果 。针对病情扩散情 况,政  府 可 以决 定 适 当的 隔 离 时 间和 药物 投 放 比例 。   首先 , 我们假设所考察人群 总数恒定 , 且无病源的输入和  输出; 己治愈 的患 者二 度 感 染 的概 率 为 0 ; 所 有 患 者 均 为“ 他人  输入 型” 患者; 各类人群在人群总体中分布均匀 ; 己被 隔离 的  人群 之 间不 会 发 生 交 叉 感 染 。   2问 题 分 析 与模 型 建 立  我们 把 人 群 分 为 4类 : 正常 人 群 、 患病 人 群 、 治 愈 人群 和  死 亡 人群 , 分 别 用 H( t ) 、 x( t ) 、 R( t ) 和 D( t ) 表 示 。在 新 病 毒爆   发初 期 ,由于 整 个 社 会对 新病 毒传 播 速 度 和 危 害 程度 认 识 不  够, 没有采取任何有效 的隔离控制措施, 疫情会不断蔓延。病  毒 的 传播 规 律 分 为 “ 控 前” 和“ 控后” 两个 阶段 。控 前 模 型 为 近  乎 自然传播 的模型 ,控后模型为介入 隔离强度后 的微分方程  模型。   基于 以上 分 析 , 我 们 对控 前和 控 后 分 别 建 模 。设 T为 实  施强力控制 的时间 ( 以 d为单位) 。当 t < T时 , 适用于控前  模型; 当t < T时 , 适用于控后模型。   2 . 1 控 前 模 型  假 设某 地 区产 生 第 一 例病 例 的时 间 为 T 。 , 在( T 0 , T ) 时段 ,   是近 乎 自由传 播 的时 段 , 隔 离 强度 为 0 , 每天感染病人人数 r   为常数。现在 考虑在 t到 什At这段时间内这 4类人群的变  化情况, 并 通 过 分 析各 类 人 群 的 状态 转 化 关 系 , 来 建 立 微 分 方  程模型。   ( 1 )现有病人数 。现有病人数是指在某一时 间段 内考察  人群 中所有确 诊病人数 。 现有病人数 的变化= 新增病人数一

( 死  亡 人 数+ 治愈人数) 。我 们 设 r 为 每 个 未被 隔离 的病 人 单 位 时  间的 人 数 , 和 分 别 为 治 愈 率 和死 亡率 。

当 △= t —o时 , 有:   = r X( t ) . ( L   + L   ) x X( t )   ( 2 ) 累计 死 亡 人 数 。 累 计死 亡 人 数 的 变化 = 新增死亡人数,   有 D( t + △t ) . D( t ) = L 。 x( t ) △t

n ,・ 、

其 中, 初始值为

i   ( O ) :1

《 I   r ( 0 ) = 1

l D( O ) = O

【 R ( 0 ) = 0

2 . 2 控 后 模 型

控后隔离强度从控前的 0 变为 P 。未被隔离的病人平均  每 人 单 位 时 间感 染 的人 数 r 随 时 间 逐渐 变 化 , 它 从 初 始 的 最大  值 a + b逐渐减少至最小值 a , a 、 b的值客观存在。设每个被隔  离 的病 人 单 位 时 间感 染 的 人数 为 r ( t ) = a + b e   。   其 中, 用来反映 r ( t ) 的变 化 快 慢 。 类似 于 控 前 模 型 , 我 们  得 到埃 博拉 传 播 的控 后 模 型 :    ̄   一 c   其中 ’   =   a +b e

2 4

I   d t

=  磅

: L 2 X ( t )

. 6

【   Y ( O=  ( r ) + D( f ) +  (   3模 型 的 求 解  3 . 1 控前模型求解  对 于现 有 病 人数 x( t ) , 可 以根 据 病 毒传 播 的控 前 方程 式 .   求 得解 析解 为 x( t ) = x( 0 ) e   “   , t ≤T   其中, f  r :O . 5 5

再将 x( t ) 分别代入病毒传播的控后方程 , 就可 以给 出 D   ( t ) , R( t ) 以及 Y( t ) 的数 值 解 。   3 . 2控 后 模 型 的 求 解  同理 , 我 们 求 得 现 有病 人数 的解 析 解 为

x( t )   ( T ) e

二 :  t ≥T

其 中 { f a 6 = 0 . 2 4 5

查阅资料, 取P = 6 5 %, 九 : 0 . 0 2 。   ( 3 ) 累计 治愈人 数 。 累计 治愈 人数 的变 化= 新增 治 愈人数 , 有  4求解 结 果 分 析 与 评 价  R( t + △t ) . R( t ) = L 2 X( t ) △t   4 . 1 模 型 的优 点  n  r  、   当△ = t 一0时 , 有:   = L : x( t )   ( 1 ) 对新 型病 毒疫 情 分 别 建 立 了 控 前 、 控后模型, 并 根 据  ( 4 )累 计病 人数 。累 计 病 人 数= 现 有病 人数 + 累计 死 亡 人  以往疫情统计数据估 计参数 ,建立病人数随时间变化 的一元  函数 。( 2 ) 微 分方程稳定性较好

, 给 出模型收敛性条件, 对政  数+ 累计治愈人数, 有 Y( t ) = x( t ) + D( t ) + R ( t )   府 的决 策 有 指 导 意 义 。( 3 ) 针 对 不 同 隔 离 强度 进 行 分 段 研 究 ,   综上所述 , 我 们 得 到 埃 博 拉 传 播 的控 前模 型 :   能够 方 便 有 效 地 预测 疫 情 趋 势 , 欲 对 某 疫 区 进行 预 测 , 只 需对  d X   ( t ) =r   ( f ) 一 ( ‘+厶) ×  ( r )   参数进行估计 , 给 出初 值 带 入 方 程 即 可 。   dD( O 4 . 2 模型 的缺点  d t     qX( t ) ( 1 ) 微 分 方程 中参数 估 计 稍显 简 单 , 可 对 病 毒进 行 分类 , 针  d R( t ) 对不 同新型病毒 , 得到更准确的模型 。( 2 ) 给 出的模型忽略性  d   ( f ) t   。 、   别、 年龄及地 区差异对隔离措施强度、 控制时间等参数的影响 。

当△ = t 一0时 , 有:

L 2 X( t )

o. 6

:=

f ) =  ( 0 +D ( r ) +  0 )

1 8 8

科教 导刊 r 电子版J・2 0 1 5年 第 2期 r 中J一

范文九:埃博拉病毒传播模式的研究

摘 要 本文针对埃博拉病毒的传播问题分别建立了自由传播状况下的SIR模型和有药物强力控制情况下的微分方程模型,利用MATLAB软件对模型进行求解,对求解结论进行分析,并对模型的优缺点进行评价。

关键词 埃博拉病毒 SIR模型 微分方程模型

中图分类号:R373.9 文献标识码:A

1病毒传播模型的假设

对于一种新型病毒,在没有药物干预和防治的情况下,病情的蔓延是相当迅速的。在应对新型病毒时,医疗卫生部门通常会采取隔离病患,药物治疗等措施。一般情况下,采取药物治疗对控制疫情扩散有显著效果。针对病情扩散情况,政府可以决定适当的隔离时间和药物投放比例。

首先,我们假设所考察人群总数恒定,且无病源的输入和输出;已治愈的患者二度感染的概率为0;所有患者均为“他人输入型”患者;各类人群在人群总体中分布均匀;已被隔离的人群之间不会发生交叉感染。

2问题分析与模型建立

我们把人群分为4类:正常人群、患病人群、治愈人群和死亡人群,分别用H(t)、X(t)、R(t)和D(t)表示。在新病毒爆发初期,由于整个社会对新病毒传播速度和危害程度认识不够,没有采取任何有效的隔离控制措施,疫情会不断蔓延。病毒的传播规律分为“控前”和“控后”两个阶段。控前模型为近乎自然传播的模型,控后模型为介入隔离强度后的微分方程模型。

基于以上分析,我们对控前和控后分别建模。设T为实施强力控制的时间(以d为单位)。当t  2.1控前模型

假设某地区产生第一例病例的时间为T0,在(T0,T)时段,是近乎自由传播的时段,隔离强度为0,每天感染病人人数r为常数。现在考虑在t到t+△t这段时间内这4类人群的变化情况,并通过分析各类人群的状态转化关系,来建立微分方程模型。

(1)现有病人数。现有病人数是指在某一时间段内考察人群中所有确诊病人数。现有病人数的变化=新增病人数-(死亡人数+治愈人数)。我们设r为每个未被隔离的病人单位时间的人数,和分别为治愈率和死亡率。

当△=t→0时,有:=rX(t)-(L1+L2)��X(t)

(2)累计死亡人数。累计死亡人数的变化=新增死亡人数,有D(t+△t)-D(t)=L1X(t)△t

当△=t→0时,有:=L2X(t)

(3)累计治愈人数。累计治愈人数的变化=新增治愈人数,有

R(t+△t)-R(t)=L2X(t)△t

当△=t→0时,有:=L2X(t)

(4)累计病人数。累计病人数=现有病人数+累计死亡人数+累计治愈人数,有Y(t)=X(t)+D(t)+R(t)

综上所述,我们得到埃博拉传播的控前模型:

其中,初始值为:

2.2控后模型

控后隔离强度从控前的0变为p。未被隔离的病人平均每人单位时间感染的人数r随时间逐渐变化,它从初始的最大值a+b逐渐减少至最小值a,a、b的值客观存在。设每个被隔离的病人单位时间感染的人数为r(t)=a+be-�%d(t-T)。

其中,用来反映r(t)的变化快慢。类似于控前模型,我们得到埃博拉传播的控后模型:

其中,

3模型的求解

3.1控前模型求解

对于现有病人数X(t),可以根据病毒传播的控前方程式,求得解析解为X(t)=X(0)e(r-L1-L2)t,t≤T

其中,

再将X(t)分别代入病毒传播的控后方程,就可以给出D(t),R(t)以及Y(t)的数值解。

3.2控后模型的求解

同理,我们求得现有病人数的解析解为

X(t)=X(T)e,t≥T

其中

查阅资料,取P=65%,�%d=0.02。

4求解结果分析与评价

4.1模型的优点

(1)对新型病毒疫情分别建立了控前、控后模型,并根据以往疫情统计数据估计参数,建立病人数随时间变化的一元函数。(2)微分方程稳定性较好,给出模型收敛性条件,对政府的决策有指导意义。(3)针对不同隔离强度进行分段研究,能够方便有效地预测疫情趋势,欲对某疫区进行预测,只需对参数进行估计,给出初值带入方程即可。

4.2模型的缺点

(1)微分方程中参数估计稍显简单,可对病毒进行分类,针对不同新型病毒,得到更准确的模型。(2)给出的模型忽略性别、年龄及地区差异对隔离措施强度、控制时间等参数的影响。

范文十:2015数模西北工业大学B题:埃博拉病毒传播问题

西北工业大学2015数模赛题

B题 埃博拉病毒传播问题

埃博拉病毒(又译作伊波拉病毒)于1976年在苏丹南部和刚果的埃博拉河地区被发现后,引起了医学界的广泛关注和重视。该病毒是能引起人类和灵长类动物产生埃博拉出血热的烈性传染病病毒,其生物安全等级为4级(艾滋病为3级,SARS为3级,级数越大防护越严格)。

埃博拉病毒有传染性,主要是通过病人的血液、唾液、汗水和分泌物等途径传播。各种非人类灵长类动物普遍易感,经肠道、非胃肠道或鼻内途径均可造成感染,病毒的潜伏期通常只有5天至10天,感染后2~5天出现高热,6~9天死亡。发病后1~4天直至死亡,血液都含有病毒。埃博拉病毒感染者有很高的死亡率(在50%至90%之间),致死原因主要为中风、心肌梗塞、低血容量休克或多发性器官衰竭。

当前主流的认知是,埃博拉病毒主要通过接触传播,而非通过空气传播;只有病人在出现埃博拉症状以后才具有传染性。在疾病的早期阶段,埃博拉病毒可能不具有高度的传染性,在此期间接触病人甚至可能不会受感染,随着疾病的进展,病人的因腹泻、呕吐和出血所排出的体液将具有高度的生物危险性;存在似乎天生就对埃博拉免疫的人,痊愈之后的人也会对入侵他们的那种埃博拉病毒有了免疫能力。

埃博拉病毒很难根除,迄今为止已有多次疫情爆发的记录。据百度百科,最近的一次在2014年。截至2014年9月25日,此次在西非爆发的埃博拉疫情已经导致逾3000人死亡,另有6500被确诊感染。更为可怕的是,埃博拉病毒可能经过变异后可以通过呼吸传播!

本题希望同学们通过数学建模的方法量化埃博拉病毒的传播规律,深刻认识该病毒的危害,并分析隔离措施的严格执行和药物治疗效果的提高等措施对控制疫情的作用。但由于种种原因,我们暂时无法获得有关某次埃博拉疫情的完整数据。为此,我们特意人为假设了两个“虚拟种群”,并给出了埃博拉病毒在“虚拟种群”中传播的“数据”。(“虚拟种群”的设定以及相应的“数据”不一定符合实际情况,只是借此考察同学的数学建模能力和解决实际问题的能力,请勿对号入座!)

假设某地区有20万居民和3000只猩猩。人能以一定的概率接触到所有的猩猩,当接触到有传播能力的猩猩后有一定概率感染病毒,而人发病之后与猩猩的接触可以忽略。研究人

员统计了前40周人类和猩猩的发病数量和死亡数量等信息(见附件一,附件二),请你根据相关信息(亦可自行查找你认为有用的信息或数据),研究回答以下问题:

(注意:附件一、二各包含多个文件,数据的意义已由文件名给出!)

1、 根据猩猩的发病数量和死亡数量,建立一个病毒传播模型,动态描述病毒在“虚拟猩猩

种群”中的传播,并预测接下来的在猩猩中的疫情变化,并以下述格式给出“虚拟猩猩种群”在第80周、第120周、第200周的相关数据;

2、 建立“虚拟种群”相互感染的疾病传播模型,综合描述人和猩猩疫情的发展,并预测接下

来疫情在这两个群体中的发展情况,并以下述格式给出 “虚拟人类种群”在第80周、第120周、第200周的相关数据; 3、 假设在第41周,外界的专家开始介入,并立即严格控制了人类与猩猩的接触,且通过

某种特效药物将隔离治疗人群的治愈率提高到了80%。请预测接下来疫情在“虚拟人类种群”的发展情况,对比第2问的预测结果说明其作用和影响,给出“虚拟人类种群”在第45周、第50周、第55周的相关数据,数据格式同问题2;

4、 请依据前述数学模型,分析各种疫情控制措施的严格执行和药物(包括防疫药物、检疫

药物和治疗药物等)效果的提高等措施对控制疫情的作用。