搜索
2015高教社杯全国大学生数学建模竞赛承诺书我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参赛规则》（以下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛网站下载）。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章程和参赛规则的，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，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。如有违反竞赛章程和参赛规则的行为，我们将受到严肃处理。我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。我们参赛选择的题号是（从A/B/C/D中选择一项填写）：A我们的参赛报名号为（如果赛区设置报名号的话）：所属学校（请填写完整的全名）：成都工业学院参赛队员(打印并签名)：1.王××2.卢××3.唐××指导教师或指导教师组负责人(打印并签名)：（论文纸质版与电子版中的以上信息必须一致，只是电子版中无需签名。以上内容请仔细核对，提交后将不再允许做任何修改。如填写错误，论文可能被取消评奖资格。）日期：2015年7月27日赛区评阅编号（由赛区组委会评阅前进行编号）：2015高教社杯全国大学生数学建模竞赛编号专用页赛区评阅编号（由赛区组委会评阅前进行编号）：赛区评阅记录（可供赛区评阅时使用）：评阅人评分备注全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：MERS传播的数学模型的建立与分析摘要本文针对MERS的传播建立了传统的SIR仓室数学模型。针对问题一，对附件一提供的早期模型，认为“传染概率”的说法欠妥，传染期限L的确定缺乏医学上的支持，使模型的说服力降低。模型中借鉴广东香港的参数来预测北京的疫情走势，不失为一种方法。但在不同国家因政策，地域的不同，病毒的传播和控制呈现不同的特点，使不同国家不同城市之间的可比性降低。而且由于MERS和SARS的治病机理不同，传染率和死亡率不同，患病人数规模不同，所以对MERS的传播分析，不能简单的套用附件一所用的模型。针对问题二，我们在WHO(WorldHealthOrgnazation)的官方网站上查找到了韩国MERS疫情从2015年5月20日至2015年7月5日的详细数据[1]。对MERS的传播建立传统的SIR仓室模型，采用最小二乘法拟合参数，利用MATLAB编程求解，画出参数感染率的参数散点图和参数移出率的散点图对第三个问题，本文研究对MERS疫情对韩国入境旅游收入的影响，建立了灰色预测GM（1，1）模型。关键字：SIR仓室模型常微分方程参数拟合灰色预测1.问题重述MERS（MiddleEastRespiratorySyndrome）病毒是一种新型的冠状病毒，这种病毒已经被命名为中东呼吸综合征冠状病毒，大多数MERS病毒感染病例发生在沙特。2015年，MERS在韩国又有新一轮的爆发和蔓延，给韩国的经济发展和人民生活带来了较大影响。对MERS的传播建立数学模型，具体要求如下：（1）对附件所提供的一个SARS传播的早期模型，请对其评价是否适用MERS。（2）收集MERS的韩国疫情数据，建立MERS传播的数学模型，说明优于附件1中的模型的原因；特别要说明怎样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。对于卫生部门所采取的措施做出评论，如：提前或延后n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。（3）收集MERS对韩国旅游方面影响的数据，建立相应的数学模型并进行预测。2.模型假设1.假设一个MERS康复者不会二度感染，他们已退出传染体系，因此将其归为“退出者”；2.模型不考虑所研究这段时间内的自然出生率和死亡率，MERS引起的死亡人数归为“退出者”；3.假设在疾病传播期内所考察地区总人数视为常数；4.假设每个病人单位时间有效接触的人数为常数；5.假设韩国在MERS疫情流行期间和结束之后，旅游业数据的变化只与MERS疫情的影响有关，不考虑其它随机因素的影响。3.变量说明S：表示易感染人群(susceptible)占总人数的比例；I；表示感染人群(infected)占总人数的比例；R：表示移出人群占总人数的比例；：表示感染者对易感染者有效感染的感染率；：表示移出率，即移出者的增加率01xn：表示第n个单位时间的旅游业的收益；11Xn表示在n个单位时间时的累积旅游业的收益；：称为系统发展灰数；：称为内生控制变量4.对早期模型的评价附件1的模型主要采用“数据拟合”和“借鉴参数”的方法对北京疫情走势进行预测。在数据拟合方面，该模型中有两个疑点：1、感染期限L的确定。由于被严格隔离、治愈、死亡等原因，感染者在某一时段后不再具有对易感人群的传染力，故对病毒的传染加上感染期限是合理的。但在对该参数的确定上，作者为了较好地拟合各阶段的数据,通过人为调试来确定L的取值，缺乏医学上的支持，使模型的说服力减弱，合理性和可靠性大大降低。2、文中认为“K代表某种环境下一个人传染他人的平均概率”。但从模型的公式中可以看出，参数K的实际意义是一个病人平均每天传染其他人的个数。两者之间有实质的区别，文中的说法显然不妥。从预测思想来看，该模型是借鉴先发地区——广东、香港的有关参数对北京的疫情进行预测的。由于广东、香港的疫情和控制都在北京之前，已经过了高峰期，到5月8日为止每日新增病例已降至10来例，基本处于后期控制阶段。而当时北京的疫情刚过了高峰期，正处于社会剧烈调整时期，数据较为凌乱，略有下降趋势，但不明显。可见在当时，采取这种借鉴是无奈之举。但是由于城市之间的政策，风俗习惯等不同，城市之间的可比性不强，借鉴存在很大的局限性。如在香港，由于对传播机制认识不足，中途又出现高度感染的特殊情况。另外使用借鉴法无法对首发城市进行预测。MERSS和SARS又有许多不同,例如，MERS的病死率约为40.7%，传染性没有SARS强，但SARS的病死率为14%-15%，低于MERS，传染性则强于MERS。MERS和SARS治病机理不同，传染率死亡率不同，病毒潜伏时间也不同，所以不能简单的套用附件所给模型来分析和预测MERS的传播。5.模型的建立与求解5．1问题2的模型建立与求解5.1.1问题2的模型思路对于传染病感染区，由于为了避免传染病的更大的扩散，一方面政府会对人口的流动做出限制，另一方面个人由于对传染病的警惕也不会进入感染区，所以，感染区人口流动很小。即可把它看作一个封闭区，则可以建立SIR仓室模型[2],里面的总人数不变，里面的人分类为：易感染者:即正常人，但可能会被感染。感染者：已经感染这种病的人，可以传染给周围的人。移出者：包括感染者中死亡的人，感染者中自愈的人和先天对这种病毒有免疫的人，他们将不在受这种传染病的影响。5.1.2问题2的模型建立根据传染病的感染而致的各类人口比例的变化可以建立微分方程。这里用St表示易感染人群(susceptible)的比例关于时间t的函数，同样用It表示感染人群(infected)的比例关于时间t的函数，用Rt表示移出人群的比例关于时间t的函数。方程一：根据感染人群比例增长相等，可建立如下方程：()()()()dItStItItdt(1)这里表示感染者对易感染者有效感染的感染率，即单位时间内单位病人传染的人数与易感者之比值；表示移出率，即单位时间内移出者占染病者的比率；()It表示感染者比例关于时间t的函数；()St表示易感染人者比例关于时间t的函数。方程二：根据易感染者比例减少相等，可建立如下方程：()()dSStItdt(2)方程三：根据移出者的增长相等，建立如下方程：()()dRtItdt(3)这里()Rt表示移出者比例关于时间t的函数。方程四：易感染者比例，感染者比例和移出者比例之和恒为1：()()()1StItRt(4)综上：()()()()()()()()()()()1dItStItItdtdSStItdtdRtItdtStItRt(5)5.1.3问题2的模型求解5.2.1问题2的模型微分方程初始值确定我们统计的数据1是从2015年5月20日到2015年7月7日的数据（见表一），共计49天，对于移除者比例()Rt，在病情开始没有死亡人数，也没有治愈人数，所以移除者比例()Rt的初始条件(0)0R，对于感染者比例()It，根据数据看出开始只有1人，所以感染者比例()It的初始条件(0)1/IN，对于易感染者St的初始条件可有()()()1StItRt算出，即(0)11/SN。表一对MERS疫情每天数据的统计日期当天确诊病例人数累计确诊病例人数当天死亡人数累计死亡人数20/05/2015330021/05/2015030022/05/2015030023/05/2015030024/05/2015030025/05/2015140026/05/2015150027/05/2015050028/05/2015270029/05/20156130030/05/20153160031/05/20158240001/06/20154281102/06/20157350103/06/20155401204/06/201513531305/06/20157601406/06/201516760407/06/201516920408/06/20156983709/06/2015161141810/06/20151212631111/06/2015613221312/06/20151314511413/06/2015314831714/06/2015515342115/06/2015415712216/06/2015516222417/06/2015216452918/06/2015316702919/06/2015016713020/06/2015216903021/06/2015317203022/06/2015317503023/06/2015417903024/06/2015017913125/06/2015118013226/06/2015118123427/06/2015018103428/06/2015018103429/06/2015018103430/06/2015018103401/07/2015118203402/07/2015218413503/07/2015018403504/07/2015118503505/07/2015018503506/07/2015018503507/07/201501851365.2.2问题2的模型参数拟合对于模型上的参数感染率和移出率受很多因素影响，很显然不是一个常数。但是对于不是常数的参数很难拟合，所以，我们把所采集的数据（见表一）分为适当个组，把每个组的参数看作常数，这样就很方便拟合出每个组的参数，最后再综合各个组拟合的参数，把参数拟合成关于自变量时间t的函数（当然这里的组数分得越多则参数拟合得更加精确）。这样就完整拟合出了每个时刻的参数值。对于每个组的参数拟合，根据参数感染率的定义（单位时间内单位病人传染的人数与易感者之比值）而易感染人数远大于单位病人传染人数，所以1。移出率（单位时间内移出者占染病者的比率）同样可以得知1，所以可以定两个参数的范围都在0到1之间，这里可以用尝试参数值去逼近最佳参数，具体步骤如下：Step1：因为模型的参数感染率和移出率范围都在0到1之间，这里我们先用0.1的梯度把参数分成（0.10.20.30.40.50.60.70.80.9）九个值，两个参数共组成81组值。Step2：把分成的每组参数值代入模型的微分方程组，用