- 在线时间
- 791 小时
- 最后登录
- 2022-11-28
- 注册时间
- 2017-6-12
- 听众数
- 15
- 收听数
- 0
- 能力
- 120 分
- 体力
- 36399 点
- 威望
- 11 点
- 阅读权限
- 255
- 积分
- 13880
- 相册
- 0
- 日志
- 0
- 记录
- 1
- 帖子
- 616
- 主题
- 542
- 精华
- 12
- 分享
- 0
- 好友
- 225
TA的每日心情 | 开心 2020-11-14 17:15 |
|---|
签到天数: 74 天 [LV.6]常住居民II
 群组: 2019美赛冲刺课程 群组: 站长地区赛培训 群组: 2019考研数学 桃子老师 群组: 2018教师培训(呼伦贝 群组: 2019考研数学 站长系列 |
本题要建立传染病模型。上网一查,最经典的传染病模型是SIR模型,出自1760年伯努利家族的丹尼尔.伯努利对天花传播规律的研究。
, l8 v; A, A' G+ p. D) @$ F
! i& ]0 N- L0 [8 }. c2 \本题主要使用微分方程进行建模。/ c2 S( k6 z- K- @- ]! n! k5 ?5 F3 H
! I1 T. H7 X, a; c! R(一)梳理题目% k) A% G' j @8 G6 z! N
/ i9 {8 D' @( o. W% b : K0 r4 f8 T' g: ^
) Q* y+ r, J9 d' ?$ z) M+ j
3 w, q0 T8 P, h: [1 `) {. ?0 F: w3 i' ^6 J
8 X+ p5 m- Q6 a
(二)Highlights which makes this paper stands out* ^& v+ k) @+ r5 t ^! ^1 [
(1)对早期模型拟合曲线的残差分析
3 o" S O4 f. Q( S2 g: }' V+ C拟合模型一定要用残差分析绘制残差图来分析拟合效果。比只是看图说话好。
' E0 G. @) G1 a6 ^" u2 m
6 y. c/ ]$ f; z. d 2 w- A6 |: d8 y2 q
+ g% A2 `6 \* X* v
e i是第i天的计算值和实际值的残差, h* V H( f: M- n: L2 `; l) ?
e∗i e_i^*e i∗是减去期望E(ei)=0 E(e_i)=0E(e i)=0,再除以残差的标准差得到的标准化残差
; d9 B) M) B: J7 h% ~4 Z7 \6 {标准化残差服从标准正态分布' M# c% L: h& ?6 Z- S0 h
美中不足的是!!!0 ~' f2 K; d) a$ e% w/ C/ T8 @
没有解释为什么用这个式子作为残差的标准差的估计值。。。一般情况下,样本标准差的无偏估计应该是:
+ `5 J$ i7 L" Y# U/ [) D
6 ]. X3 R2 @ X. K; J' ]' x4 H
$ T6 s4 L. `4 k2 x# J1 ]) X( k* c) i b2 u
2 I ?' K0 H, k# d$ o) R如读者朋友知道原因,请评论告知,非常感谢0 t+ J8 G: P: n/ F" [9 {; |6 M
5 j' A) _, I1 ~) u' x ! k: b$ B! p6 q
' \7 }. W5 o; z, T g
( Q) S+ C8 N/ S% B5 _& p论文绘制的残差图表明早期模型只有前期拟合效果较好,中后期都与实际情况偏离较大。
/ H/ \3 N- ~2 y: l, j! ]: Z; \' f; A2 M7 n/ b# c
(2)模型假设和符号定义 U f7 |: c4 v A
这个假设写得简直太数学太专业了,为后面用微分方程建模埋下了十足的伏笔啊。
3 e `9 I0 ~" E9 h2 K: d$ X8 t+ j9 Y. S2 N0 c. h: H7 C
![]()
. \- e6 x% m6 D3 A4 D* \% S6 [# Z
; l a6 r7 n8 u6 v) L/ g4 d+ R9 m5 Z4 |5 j4 ]
这6个关键变量的找出,是不容易的。
& o" C# V5 E k" h/ g0 u) W! R9 |$ ~* ?' E" q L
, o% j7 G2 y# [' w
6 @5 R A. K% {(2)基于SIR模型建立新模型
1 q3 F; t- n4 {基于一个经典模型,成功率较高,又有更多可参考的资料。
% g `1 o, \& _. H. K) G0 fSIR简单地把一个城市的人口分为三类,三类的状态转移图精准地刻画了传染病的传播过程。
+ |3 B: m: d% g7 j& A- N
6 r3 P( {. I- N" y' a2 T7 X3 _![]()
! s/ }5 E6 g& o% O2 p8 Z4 F# f0 }# \$ ^0 N
利用微分方程组建立数学模型,这也是对上图的数学描述:4 c( e3 \+ L ?" [" G
+ _) N5 f1 l' Q9 l; J2 ~1 H& d& D
3 f8 ]+ x2 k$ J9 h
% F) S# x; P* p! U% K0 K+ ^0 w
,因为S类(易感类,能被感染的人群)随疫情发展减少。
5 T# Z W) z1 d2 R' d其它数学公式论文中很清晰
j) L3 @4 l% _; M% y% L% b
0 u! f1 G( Y+ f+ n 4 @- J& N% T( {" @9 X
5 G# z% N6 k, N* j, Q
- Q" G5 d: z& y$ A; o# k2 _& X
(3)求解模型+ Y: s" }6 \, t9 X0 h6 Y5 k) W: O
求解可以说是很考验数学功底了。深入挖掘模型中方程的关系和隐含信息。
; q6 l! y9 Z/ g! t- m" p1 J# x0 I' S1 f" Z. [
: u, a+ Z: W2 c w" q
. E, b7 N. c' l9 W" U E
9 O3 y. X W& j/ q![]()
" h. ]! [2 ~8 C1 _) K. r" F/ y9 G* r, H0 C; X4 B
然后根据实际数据就得到了σ 必须小于1的结论:
( @* ~/ L) d9 Z. x' J8 L9 e0 V: U- g5 p3 q
* ~( |' d% w. C, `$ C' U" G4 K* J
* K) b8 f3 ?2 ?4 F8 t
(4)用导数为0划分疫情发展的四个阶段1 _) h" v$ j* [
/ h) S# |3 b' i9 }( Y# u![]()
& ?3 q. G6 Z7 C( ?* ~2 k0 Q4 Q$ [9 r# g! n; ~: O
![]()
8 j1 i% @0 C/ \2 s
e( o+ {( | ?( Z# x# u(5)根据实际设计三个关键函数7 p1 ?0 Y8 h, o9 e3 A
这才是体现智商和拉开区分度的重要赛点!!!前面那些都是小亮点,这个是闪瞎眼睛的关键。: m2 l h7 o# ^$ P
论文也说了,疫情的发展要分阶段研究,各个参数在不同阶段的取值和变化规律(函数)是不同的,所以用分段函数来描述是符合实际的。' O' e G- j3 u7 l
. E. C) o% A$ j7 Q平均传染期函数:) v& B: b( o( o: n$ K* D# L
2 z8 q' b* y: w4 \# J5 a3 P6 R ) F; h& e. a3 p- V% L8 u
$ g. {$ b; r. v, K( k就诊率函数:
! H0 [% \4 S/ w% f- l; v. _+ `/ t
![]()
) S7 m5 [. V7 p9 u3 B0 J
& M4 M( a5 Q% O9 n8 {平均接触率函数:
' n: v/ \$ V H7 p
: n+ B# e" j. c! o$ Z& X7 S![]()
/ w$ f; v- }+ ]- i6 R, ]# S) }* Z# ^
3 b9 S% R4 e3 M0 m& O, b* ~; a模型预测效果图:
9 z$ [' {- Y/ b8 m2 U: \/ ^; R4 t2 @3 g m! f% K/ q
![]()
4 _! z2 p; u1 p) B
! T/ n. d* M0 |7 k; n3 ^————————————————$ N8 Z E* o: S
版权声明:本文为CSDN博主「doubleslow;」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
# F Q5 {0 M: {1 H. [7 s" w原文链接:https://blog.csdn.net/qq_36607894/article/details/92246947 i. V- a9 B: q5 I: s2 H
/ g3 p& Y4 T) e k0 \) o7 w- t; |2 I. i
|
zan
|