传染病问题中地SIR模型

《传染病问题中地SIR模型》由会员分享，可在线阅读，更多相关《传染病问题中地SIR模型（10页珍藏版）》请在装配图网上搜索。

1、假设：1.信息具有足够的吸引力，所有人都感兴趣 并传播。2.人们对信息在一定时间内会失去兴趣。传染病问题中的 SIR 模型摘要：2003 年春来历不明的 SARS 病毒突袭人间，给人们的生命财产带来极大的危害。长期 以来，建立传染病的数学模型来描述传染病的传播过程，分析受感染人数的变化规律，探 索制止传染病蔓延的手段等，一直是我国及全世界有关专家和官员关注的课题。不同类型的传染病的传播过程有其各自不同的特点，我们不是从医学的角度一一分析 各种传染病的传播，而是从一般的传播机理分析建立各种模型，如简单模型，SI模型，SIS 模型，SIR 模型等。在这里我采用 SIR (Susceptibles，

2、lnfectives，Recovered)模型来 研究如天花，流感，肝炎，麻疹等治愈后均有很强的免疫力的传染病，它主要沿用由 Kermack 与McKendrick在1927年采用动力学方法建立的模型。应用传染病动力学模型来描述疾病 发展变化的过程和传播规律，预测疾病发生的状态，评估各种控制措施的效果，为预防控 制疾病提供最优决策依据, 维护人类健康与社会经济发展。关键字：传染病；动力学；SIR模型。_、模型假设1. 在疾病传播期内所考察的地区范围不考虑人口的出生、死亡、流动等种群动力因 素。总人口数N(t)不变，人口始终保持一个常数N。人群分为以下三类：易感染者 (Susceptibles)

3、，其数量比例记为s(t)，表示t时刻未染病但有可能被该类疾病传染 的人数占总人数的比例；感染病者(I nfectives)，其数量比例记为i(t)，表示t时刻 已被感染成为病人而且具有传染力的人数占总人数的比例；恢复者(Recovered),其数 量比例记为r(t)，表示t时刻已从染病者中移出的人数(这部分人既非已感染者，也 非感染病者，不具有传染性，也不会再次被感染，他们已退出该传染系统。)占总人数 的比例。2. 病人的日接触率(每个病人每天有效接触的平均人数)为常数入，日治愈率(每 天被治愈的病人占总病人数的比例)为常数U，显然平均传染期为1/U，传染期接触 数为。二入/。该模型的缺陷是结

4、果常与实际有一定程度差距，这是因为模型中假设 有效接触率传染力是不变的。二、模型构成在以上三个基本假设条件下，易感染者从患病到移出的过程框图表示如下：入si在假设1中显然有：1)s(t) + i(t) + r(t) = 1对于病愈免疫的移出者的数量应为不妨设初始时刻的易感染者，染病者，恢复者的比例分别为s ( s 0), i (i 0),0 0 0 0r =0.0SIR基础模型用微分方程组表示如下：一=人si - UIdt 0故s存在；由 0而r(t) 0则由(1),对于充分大的t有 卩三,这将导致r =8，与r存在8 d 2 8 8t相矛盾.从图形上看，不论相轨线从P1或从P2点出发，它终将

5、与s轴相交(t充分大).2最终未被感染的健康者的比例是s ,在(7)式中令i =0得到，s是方程889)1ss +1 s + ln 8 = 0 008 Q s0在(0,1/。)内的根在图形上s是相轨线与s轴在(0,1/。)内交点的横坐标.8d ( 1d ( 13若s 1/o,则开始有罕=丄-1 o, i(t )先增加，令d = 1 =0,可得当0d vS。丿d vs。丿10)s=1/ o时，i(t)达到最大值:i = s + i - (1 + In o s )然后s1/o时,m 00 O0,所以i(t)减小且趋于零,s(t)则单调减小至s ,如图3中由P1(s，i )出发的轨线.00_ d (

6、 1、4若s 1/o,则恒有=一 1 1/。(即o 1/s0)时传染病就会蔓延.而减小传染期接触数。,即提高阈0值1/o使得s W1/o (即o W1/s )，传染病就不会蔓延(健康者比例的初始值s是一定的,0 0 0通常可认为 s 接近1)。0并且，即使s 1/o,从(19),(20)式可以看出，o减小时，s增加(通过作图分析)，i0gm降低,也控制了蔓延的程度我们注意到在o二入u中，人们的卫生水平越高，日接触率入越 小；医疗水平越高，日治愈率U越大，于是o越小,所以提高卫生水平和医疗水平有助于控制 传染病的蔓延.从另一方面看，os = Xs 1/卩是传染期内一个病人传染的健康者的平均数，称

7、为交换数，其含义是一病人被os个健康者交换所以当s 1/o即o s 1时必有既然交换数 00不超过1,病人比例i(t)绝不会增加，传染病不会蔓延。五、群体免疫和预防根据对SIR模型的分析，当s 1/o时传染病不会蔓延所以为制止蔓延，除了提高卫 0生和医疗水平，使阈值1/o变大以外，另一个途径是降低s ,这可以通过比如预防接种使群 0体免疫的办法做到.忽略病人比例的初始值i有s二1 r，于是传染病不会蔓延的条件s 1 -丄（11）0b这就是说，只要通过群体免疫使初始时刻的移出者比例（即免疫比例）满足（ 1 1 ）式，就 可以制止传染病的蔓延。这种办法生效的前提条件是免疫者要均匀分布在全体人口中，

8、实际上这是很难做到的。据估计当时印度等国天花传染病的接触数。=5，由（11）式至少要有80%的人接受免疫才 行。据世界卫生组织报告，即使花费大量资金提高r，也因很难做到免疫者的均匀分布， 0使得天花直到1977年才在全世界根除。而有些传染病的。更高，根除就更加困难。六、模型验证上世纪初在印度孟买发生的一次瘟疫中几乎所有病人都死亡了。死亡相当于移出传染系统，有关部门记录了每天移出者的人数，即有了牛的实际数据，Kermack等人用这组数t据对SIR模型作了验证。首先，由方程（2）, （3）可以得到d九Si bSi b s r dt上式两边同时乘以d可n -d -b d，两边积分得t S SrJs

9、打 =-b Jr d n In s |s b r n = ebrs0 s sr000s0所以：s(t ) s ebr (t )0(12)d再n厂tui u(1 r s) u(1 r s ebr)0(13)当r 1/b时，取（13）式右端e-brTaylor展开式的前3项得:S b 2r 2卩(1 r s +bs r-)0 0 2在初始值 r =0 下解高阶常微分方程得:0r (t) sb20aut(s b 1)+a th(q)02(14)s ry 1其中 a 2 = (s y 1)2 + 2 s i y 2, 临=亠二从而容易由(14)式得出:oo oa15)a 2卩2s y 2ch2(巴一申

10、)o2然后取定参数sO, o等，画出（15）式的图形，如图4中的曲线，实际数据在图中用 圆点表示，可以看出，理论曲线与实际数据吻合得相当不错。七、被传染比例的估计在一次传染病的传播过程中，被传染人数的比例是健康者人数比例的初始值s与s之差，记作X,即x = s 一 so8(16)当iO很小，SO接近于1时，由（9）式可得1xx + ln(1)沁 0 ys o(17)取对数函数Taylor展开的前两项有1xx(1)沁0s y 2 s 2yoo记s =丄+ 5 , 8可视为该地区人口比例超过阈值丄的部分。当5丄 0 cb时(18)式给出( 1 x 沁 2 s bs - 一 沁 25(19)0( 0 b 丿这个结果表明，被传染人数比例约为5 的2倍。对一种传染病，当该地区的卫生和医 疗水平不变，即5不变时，这个比例就不会改变。而当阈值丄提高时，8减小，于是这个 b比例就会降低。八、评注该模型采用了数值计算,图形观察与理论分析相结合的方法,先有感性认识(表1,图1, 图 2),再用相轨线作理论分析,最后进行数值验证和估算,可以看作计算机技术与建模方法 的巧妙配合。可取之处在于它们比较全面地达到了建模的目的,即描述传播过程、分析感染 人数的变化规律,预测传染病高潮到来时刻,度量传染病蔓延的程度并探索制止蔓延的手段 和措施。