MERS傳播的數(shù)學(xué)模型的建立和分析報(bào)告

...>其中,。計(jì)算預(yù)測(cè)：根據(jù)采集的數(shù)據(jù)〔見(jiàn)表2,可以通過(guò)以上公式〔11可以用matlab算出參數(shù),然后用matlab解出微分方程。表22015年韓國(guó)旅游各月份的游客數(shù)月份游客〔萬(wàn)人月份游客〔萬(wàn)人1月524月672月565月303月616月20通過(guò)matlab程序〔見(jiàn)附件2,可以畫(huà)出出〔在第個(gè)月的韓國(guó)入境旅游的游客人數(shù)的函數(shù)圖〔表3。表3預(yù)計(jì)游客人數(shù)結(jié)果月份12345678游客人數(shù)〔萬(wàn)人79.6960.1754.9845.6937.9631.5426.2121.786、模型的分析、推廣與改進(jìn)要真正建立能夠預(yù)測(cè)以及能為預(yù)防和控制提供可靠,足夠的信息的模型。要怎樣做,以及困難。

事實(shí)上,真正情況要比我們的模型復(fù)雜的多,比如,由于初期傳播機(jī)理不明,醫(yī)護(hù)人員為收到好的保護(hù),很多受到傳染。而傳播率事實(shí)上也是按照某種趨勢(shì)變化的,他與人們的警惕心理等因素有關(guān)。要建立這樣的模型,我們認(rèn)為：1、要不斷的研究傳染病理,完善模型。2、建立實(shí)時(shí)反饋機(jī)制,不斷修改模型參數(shù),以求更準(zhǔn)確的預(yù)測(cè)以后的數(shù)據(jù)。3、盡量以實(shí)際的研究數(shù)據(jù)建模,力求準(zhǔn)確反映事件的實(shí)質(zhì)。這樣,當(dāng)人為修改參數(shù)進(jìn)行模擬預(yù)測(cè)時(shí),可以為采取什么措施效果最好做出較準(zhǔn)確的建議。4、研究各種措施實(shí)際對(duì)疾病傳播的影響。要做到這些,也恰恰是建模的難點(diǎn),因?yàn)楫?dāng)涉及到新的傳染病的時(shí)候,以上數(shù)據(jù)或參數(shù)都必須通過(guò)長(zhǎng)期的研究或擬合才能得到的。比如措施對(duì)疾病傳播的影響,是要統(tǒng)計(jì)大量實(shí)際數(shù)據(jù)才能獲得的。以上也可以看作我們模型的改進(jìn)方向。7、參考文獻(xiàn)[1]世界衛(wèi)生組織.[2]周寧李林,基于灰色微分方程的傳染病預(yù)測(cè),8、附錄附件1：附件2：y=

dsolve<'Dy=81.9185-0.1852*y','y<1>=52','t'>

y

=

819185/1852

-

<722881*exp<-<463*t>/2500>*exp<463/2500>>/1852

>>

x=81.9185-0.5*0.1852*<<819185/1852

-

<722881*exp<-<463*t>/2500>*exp<463/2500>>/1852>+<819185/1852

-

<722881*exp<-<463*<t-1>>/2500>*exp<463/2500>>/1852>>

>>

x

>>

t=[1

2

3

4

5

6

7

8]

t

=

1

2

3

4

5

6

7

8

>>

x=81.9185-0.5*0.1852*<<819185/1852

-

<722881*exp<-<463*t>/2500>*exp<463/2500>>/1852>+<819185/1852

-

<722881*exp<-<463*<t-1>>/2500>*exp<463/2500>>/1852>>

x

=

79.6419

66.1775

54.9894

45.6928

37.9679

31.5490

26.2152

21.7832

y=

dsolve<'Dy=81.9185-0.1852*y','y<1>=52','t'>

y

=

819185/1852

-

<722881*exp<-<463*t>/2500>*exp<463/2500>>/1852

t=[1

2

3

4

5

6

7

8]

t

=

1

2

3

4

5

6

7

8

>>

x=81.9185-0.5*0.1852*<<819185/1852

-

<722881*exp<-<463*t>/2500>*exp<463/2500>>/1852>+<819185/1852

-

<722881*exp<-<463*<t-1>>/2500>*exp<463/2500>>/1852>>

x

=

79.6419

66.1775

54.9894

45.6928

37.9679

31.5490

26.2152

21.7832y=

dsolve<'Dy=81.9185-0.1852*y','y<1>=52','t'>

y

=

819185/1852

-

<722881*exp<-<463*t>/2500>*exp<463/2500>>/1852

t=[1

2

3

4

5

6

7

8]

t

=

1

2

3

4

5

6

7

8

>>

x=81.9185-0.5*0.1852*<<819185/1852

-

<722881*exp<-<463*t>/2500>*exp<463/2500>>/1852>+<819185/1852

-

<722881*exp<-<463*<t-1>>/2500>*