传染病模型

传染病模型中的符号表示


SI模型(艾滋传染模型)


matlab 复制代码
%% 直接求微分方程的解析解
dsolve('Dx1 = -0.1 * x1 * x2 / 1000', 'Dx2 = 0.1 * x1 * x2 / 1000','x1(0) = 999, x2(0) = 1', 't');

%% 根据S + I = N做一个化简

x1 = dsolve('Dx1 = -0.1 * x1 * (1000 - x1) / 1000', 'x1(0) = 999', 't');
x2 = 1000 - x1;

figure(1)
fplot(x1, [0 200], 'b')
hold on
fplot(x2, [0 200], 'r')
legend('易感者', '感染者')

%% 这道题目可以求出解析解,但是后面的大部分题目都是求不出解析解这里我们再熟悉一遍数值解的求解过程

clc; clear
global TOTAL_N
TOTAL_N = 1000;
i0 = 1;
s0 = 999;
[t, x] = ode45('fun1', [1:200], [s0, i0]);
plot(t, x(:, 1), 'r-*');
hold on
plot(t, x(:, 2), 'b-+')'
legend('易感者', '感染者')

matlab 复制代码
function dx = fun1(t, x)
    global TOTAL_N
    beta = 0.1;
    dx = zeros(2, 1);
    dx(1) = - beta * x(1) * x(2) / TOTAL_N;
    dx(2) = beta * x(1) * x(2) / TOTAL_N;
end

SIS模型(普通传染病模型 )


maatlab 复制代码
%% 
clc;clear
global TOTAL_N
TOTAL_N = 1000;
global alfa;
alfa = 0.06;
global beta
beta = 0.1;
i0 = 1;
s0 = 999;
[t, x] = ode45('fun1', [1:500], [s0, i0]);
plot(t, x(:, 1), 'r-*');
hold on
plot(t, x(:, 2), 'b-+')'
legend('易感者', '感染者')

SIR模型


这里关于总人数毫无疑问 N = S + I + R但是在传染过程中,由于康复者已经有抗体且不会再被感染,所以这里有效人群就不能再把R计算在内了,N' = S + I

matlab 复制代码
%%
clc; clear all;
N = 1000;
i0 = 1;
s0 = 999;
r0 = 0;
[t, x] = ode45('fun1', [1:500], [s0 i0 0]);
x = round(x);
figure(1);
plot(t, x(:, 1), 'r-');
hold on 
plot(t, x(:, 2), 'b-');
hold on
plot(t, x(:, 3), 'g-');
hold on
legend('易感者S','感染者I','康复者R')
matlab 复制代码
function dx = fun1(t, x)
   beta = 0.1;
   gamma = 0.02;
   % x(1)表示S,x(2)表示I, x(3)表示R
   dx = zeros(3,1);
   C = x(1) + x(2);
   dx(1) = - beta * x(1) * x(2) / C;
   dx(2) =  beta * x(1) * x(2) / C - gamma * x(2);
   dx(3) = gamma * x(2);
end

对SIR模型的拓展

matlab 复制代码
function dx = fun1(t, x)
    beta = 0.1;
   gamma = 0.02;
   if t > 100
        gamma = gamma * 10;
   end
   % x(1)表示S,x(2)表示I, x(3)表示R
   dx = zeros(3,1);
   C = x(1) + x(2);
   dx(1) = - beta * x(1) * x(2) / C;
   dx(2) =  beta * x(1) * x(2) / C - gamma * x(2);
   dx(3) = gamma * x(2);
end

拓展2:考虑死亡率

SIRS模型


相关推荐
Cathy Bryant1 天前
球极平面投影
经验分享·笔记·数学建模
杨小码不BUG3 天前
灯海寻踪:开灯问题的C++精妙解法(洛谷P1161)
c++·算法·数学建模·位运算·浮点数·信奥赛·csp-j/s
杨小码不BUG3 天前
Davor的北极探险资金筹集:数学建模与算法优化(洛谷P4956)
c++·算法·数学建模·信奥赛·csp-j/s
MoRanzhi12034 天前
12. Pandas 数据合并与拼接(concat 与 merge)
数据库·人工智能·python·数学建模·矩阵·数据分析·pandas
MoRanzhi12035 天前
11. Pandas 数据分类与区间分组(cut 与 qcut)
人工智能·python·机器学习·数学建模·分类·数据挖掘·pandas
Vizio<5 天前
ERT中正问题和逆问题的传统数学推导
学习·数学建模·机器人·触觉传感器
民乐团扒谱机7 天前
PCA 主成分分析:数据世界的 “旅行清单整理师”—— 从 30 维杂乱到 2 维清晰的诗意降维
大数据·数学建模·matlab·pca·主成分分析·数据处理·降维
nju_spy7 天前
2023 美赛C Predicting Wordle Results(上)
人工智能·机器学习·数学建模·数据挖掘·arima·时间序列预测·相关性分析
数模加油站8 天前
最新R(4.4.1)及R-studio保姆级安装配置详细教程及常见问题解答
开发语言·windows·数学建模·r语言
赤壁淘沙11 天前
机器人控制利器:MPC入门与实践解析
数学建模·机器人