2003年A题全国数学建模优秀论文5

欢迎光临中国数学建模网―――（SevereAcuteRespiratorySyndrome，严重急性呼吸道综合症,俗称非典型肺炎）是21世纪第一个在世界范围内传播的传染病。SARS的爆发和蔓延给我国的经济发展和人民生活带来了很大影响。为了能定量的研究传染病的传播规律，人们建立了各类模型来预测、控制疾病的发生发展。在本题中给出了一个早期指数模型，我们把它称为模型1，它在短期内有着计算参数简单等合理性与实用性，但却存在着用短期参数描述长期过程偏离实际的缺陷。基于此，我们考虑应该引进新的参数，建立更优的模型。由于SARS是新发传染病，人们对其的有效防治手段主要还是以预防为主的隔离和检疫，所以我们引进一个预防效果指数k，来反映防控措施对SARS传播的影响；又由于SARS发病传染迅猛，为了描述这个特征，我们又引入了参数r，用来表示发病率。在假设所研究各地区人口为理想状态下的人群、对该病普遍易感等前提下，我们应用Logistic回归结合各地SARS发病的疫情资料，用Matlab软件模拟，得到了一个更为优化的LogisticSARS模型，它给出了SARS流行趋势以及控制措施有效性的定量评估。由于参数k的引进，更符合实际情况也符合医学解释，并且能够预测SARS高峰期的到来时间，可能累计最大发病数，在测控和拟合实际上优于模型1。同时，我们也通过Matlab语言对北京、山西等的计算值和实际数据进行了拟合，进而验证了这个模型的可靠性。当然，要建立一个最优模型还需要考虑更多因素，在考虑了传播途径及易感人群等因素后，也可以建立一个最优的SEIRQ模型。但这样考虑就需要大量的数据采集整理工作，但在实际中这是不易实现的。在对卫生部所采取部分措施的评析中，我们引入了小世界网络模型，对政府措施作出了定量评论，并用图形直观的表示出来。最后，我们分析了LogisticSARS模型的特点，并对其改进与应用做出了展望。一、问题的重述SARS（SevereAcuteRespiratorySyndrome，严重急性呼吸道综合症,俗称非典型肺炎）是21世纪第一个在世界范围内传播的传染病。SARS的爆发和蔓延给我国的经济发展和人民生活带来了很大影响；不过，我们也从中得到了许多重要的经验和教训，认识到定量地研究传染病的传播规律以及为预测和控制传染病蔓延创造条件的重要性。请对SARS的传播建立数学模型，具体要求如下：（1）对附件1所提供的一个早期的模型，评价其合理性和实用性。（2）建立自己的模型，说明此模型为什么优于附件1中的模型；特别地，要说明怎样才能建立一个真正能够预测以及能为预防和控制提供可靠、足够的信息的模型，这样做的困难在哪里？对于卫生部门所采取的措施做出评论，如：提前或延后5天采取严格的隔离措施，对疫情传播所造成的影响做出估计。附件2提供欢迎光临中国数学建模网―――感谢您对网站建设一如既往的支持和厚爱的数据供参考。（3）给当地报刊写一篇通俗短文，说明建立传染病数学模型的重要性。二、合理假设及说明1．假设所研究的人口为理想状态下的人群，对该病普遍易感，每个发病病人单位时间内传染的易感者人数与未被感染的人数成正比，隔离或预防意识增强可在一定程度上影响病人单位时间内传染易感者人数的比率。2．不考虑气温、气压等自然因素对SARS发病的影响。假设预测地区足够大，患病人数足够多。4．在整个过程中不考虑由人口流动因素所造成的影响，也不考虑人口的自然出生和死亡。三、符号的约定四、模型的建立及评析1．对模型1的评价1.1合理性SARS属于传染性流行病，在其发生发展的短期内，不会有人口的病死，而且，病原体传染性很强，符合指数增长规律。所以，可以用模型1中的N（t）=N0（1+K）t来描述，其中，K为传染的平均概率。在考虑了传染期的限制后，该模型又引入参数L，用半模拟循环计算的方法，把到达L天的病例从可以引发直接传染的基数中去掉。这样，使得该模型与实际发病初期的情况更为贴近。这一点从题目的图1、图2中直观可见，即在疫情发生初期该理论模型与实际情况拟合较好。1.2实用性通过建立这一模型可以定量的研究SARS初发期的疾病传播规律。通过这一规律，依据参数K、t，可以实现各地区的相关估计，预计SARS的发病高峰时间、发病趋势等。这些信息对SARS防控具有指导意义。1.3局限性该模型在传染病病发初期具有一定的合理性与实用性，但也存在一些不足。由于SARS的发病情况与诸多因素有关，而且事实上SARS的传播发展也需要一个较长的周期，所以，用短期的模型来描述长期的病发过程是不够科学的。同时，在原有模型中，K值以病发高峰为界取各段的平均值作为传染概率，虽然简化了运算，但却加大了与实际的偏差。N：某地累计发病人数t0：计算病例的初始时间N0：t0时的累计发病人数r：发病率k：预防效果指数Nmax理论预计累计发病最多人数R2Logistic模型的决定系数t'：发病高峰时间欢迎光临中国数学建模网―――．建立自己的优化模型——LogisticSARS模型2.1LogisticSARS模型建立及其相对模型1的优越性模型1只考虑了传染期限和传染率的问题，涉及的参数及考虑因素存在如上1.3所述的不足。而实际情况中，SARS的发病规律并不为我们所熟知，目前也没有治疗SARS有效方法，那么，以最原始的预防手段——隔离防治是最为有效的。而且，经实践证明，隔离防治也确实在控制疾病的蔓延上起到了至关重要的作用。于是我们引入了预防效果指数k，用来反映疾病控制程度，它直接影响SARS的流行趋势、发病时间、发病高峰出现时间及累计发病人数。又因为SARS发病传染迅猛，为了描述这个特征，我们又引入了参数r，用来表示发病率[1]。应用Logistic回归研究各地SARS发病的疫情资料，其流行趋势可用式（1）描述。⎪⎩⎪⎨⎧=−==020|NNkNrNdtdNtt(1)对式（1）求解得式（2）：rterkNrkN−++=)1(10(2)其中，Nmax=r/k为预期传染病发病总人数，即理论上最多累计发病人数，t’=r/2k所对应的时间为发病高峰时间。依据题中的数据并按所建模型拟合，可得表1中北京地区的参数估计值表1Logistic回归对北京疫情的参数估计值地区N0kr北京3390.0000632020.16152根据北京地区确诊病例累计，经过Matlab编程拟合(见附录4)，得到疫情走势及预测与真实值的比较，见图1欢迎光临中国数学建模网―――北京地区疫情走势及预测与真实值的比较为了检测我们的模型是否能较好的反映各地区实际情况、具有普遍意义，我们又以山西为例，对模型进行了验证。山西的疫情数据见附表2，拟合（同上）结果见图2，参数估计值见表2。010203040506070050010001500200025003000*公布病例累计数—计算病例累计数010203040506070150200250300350400450500*公布病例累计数—计算病例累计数图2山西疫情走势及预测与真实值的比较欢迎光临中国数学建模网―――以上两个地区的模型拟合结果与实际非常接近。为了更进一步证明我们的LogisticSARS模型对疫区发病情况的拟合程度，我们引入决定系数R2作为检测标准[2]。决定系数(R2)=1-残差平方和/总平方和。经过计算，两地区模型决定系数R2均高于0.99，预测值与真实值非常接近，拟合优度检验无显著性差异，说明Logistic回归模型较好的描述了SARS的发病、流行情况，适合于SARS发病拟合及流行特征研究。在模型中，r表示发病增加速率，r越大，疾病发展变化越快，反映最初阶段发病人数增长速度快，高峰到来时间越早，持续时间越短；r越小，高峰到来时间越晚，持续时间越长。另外，从医学的角度来讲，对SARS采取相应的预防措施（如隔离、消毒）后，病例数有所下降，说明预防措施与该疾病的发生发展密切相关。在我们所建立的LogisticSARS模型中引入了预防指数k，恰能更贴切的反映实际情况。而模型1并未对该因素予以考虑，这是它一个欠完备的方面。2.2建立更优模型及困难所在SARS是流行性传染病,对于传统的流行病学模型通常假设：平均每个传染者在单位时间内可与Nβ个种群的其他成员进行有效接触，其中N表示种群的总规模,β为传染性接触率。由此假设所导致的传染率（ΝβΙNS=βSI）是易感者类S和感染者类I的规模的双线型函数。在对病愈后不具免疫力的传染病模型的研究中，以前疾病的潜伏期都被忽视，假设易感者一旦被感染就立即变成了染病者，即为SIS[3]模型。但是对于SARS来说，在易感者被感染成为一个感染者之前，存在一段时间的潜伏期，为了掌握具有潜伏期的传染病的传播规律，建立一个真正能够预测以及能为预防和控制提供可靠、足够信息的模型，就应该进行全面考虑。SARS的传播基本可以用下图[4]描述：)1(p−ΠµSβΠpΠ错误！不能通过编辑域代码创建对象。1γκµQ2γ1µ2σ2d1σ1dµR易感者S潜伏者E隔离者Q感染者S恢复者R死亡者D欢迎光临中国数学建模网―――感谢您对网站建设一如既往的支持和厚爱其中，Π为初始人数，p为感染率，µ为治愈率，γ为隔离率，σ为隔离治愈率，d为死亡率，κ为潜伏发病率。于是,可以建立如下模型——SEIRQ模型：⎪⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎪⎨⎧++++==−+=++−+=+++−=++−+++Π=−++−−Π=)()()()()()(2122211121)()()()()()1(ttttttRIQESNNRQIdtdRQdIEdtdQIdEdtdIENQqEISpdtdESNQqEISpdtdSµσσµσγγµσγκµκγβββµβββλλ由于这种模型是建立在对发病后调查分析的基础上，所要算的系数的精确度与调查的数据密切相关。但是对于数据的采集，通常只包括存活者，而对于那些已死的病人，或对病程短，已经痊愈的病例以及对轻型不典型病例或隐伏型病例，我们通常很难调查。此外，某些病人在患病后，可能会改变他原来的暴露状况，如生活习惯的改变等。这样使病例对照研究或横断面研究所采用的病例类型，会与队列研究或实验研究所获得的新病例不同。这就是现患病例——新病例偏倚。而SARS刚刚出现时，由于人们的茫然，没有引起足够的重视，致使其在很短的时间内就扩散到全世界32个国家和地区。要统计较为精确的数据，因受人为、自然等因素的影响，其难度可想而知。并且各个地区采取的措施不同，人口流动性不定，所以，其预测也会受到限制。加之到目前为止，SARS的传染源还未确定，因此对于其他传播途径（动物等），无法做出较为准确的预知。2.3对卫生部所采取部分措施的评析在SARS流行期间卫生部所采取的措施[5]（见附录3）主要有：卫生部门控制人们之间的密切联系；控制传染期时间；引入反馈机制（如：政府强制措施）；加强疾病危险性的宣传教育；信息透明度等方面。为了能定量的评价这些措施的得力性，我们拟用小世界网络模型[6]模拟卫生部门针对SARS病毒的传播所采取的这些措施对疫情传播所造成的影响。(1)控制人口接触流动及隔离时间先后对SARS传播的影响为了说明这两点，我们引入两个可调参数，在现实情况它们分别对应W（表示人们之间联系的密切程度）和T（表示发现并隔离病源的速度）。可以预料W越大，T越延后，病毒就越容易传播；W越小，T越提前，病毒就越难传播。用小世界模型模拟结果（如图1、图2所示）也证实了这一点。其中，Ni为当天仍患病人数，Nt为总患病人数。在图1中T=2，左图W=10，病毒传播自动衰减；右图W=2