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 36486 点 威望 11 点 阅读权限 255 积分 13906 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。, |% a5 Z4 O; R2 z, k+ w/ a7 z6 t
- N. V4 T% u* g2 ^1 ~8 O 本题主要使用微分方程进行建模。
7 ?; ? j; Y! i& \8 U' |* z$ g
/ a" \' q5 F! m3 C (一)梳理题目; M3 {4 T1 N+ G( N
7 Z+ x0 ?1 l$ }" F- {( z
7 [6 k- i2 j- F N! C) q6 O6 o
* h) E! Q/ ]* }- f1 s7 e
/ U/ F' v# x$ k5 w) h
9 v. R* U( T( T/ i , n9 S2 }' n3 M- w9 [
(二)Highlights which makes this paper stands out
1 S; q* L0 \1 p6 n) Z# e (1)对早期模型拟合曲线的残差分析2 i1 z1 u) R/ J& L3 X5 E
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。2 T0 L( K. X$ Q" q; z8 u9 ~) U
; s9 Y8 i6 R7 r
( Y- ]5 O- I3 w v( f7 ~' `
) M( [* Y/ e9 F$ @5 Y/ g e i是第i天的计算值和实际值的残差% ]$ K: R7 `( B+ k4 _; g
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
- D& F. W2 }, I 标准化残差服从标准正态分布1 k+ C5 x% L* R' X% k
美中不足的是!!!
- l I) } q9 l; s) U 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:
3 ]3 v( ? G( |
( e) f) k5 W( o, A. V5 _
2 l3 w5 Y/ u; ]# n! b, t5 V+ k+ X ( H) }2 v5 Q' l
4 J* @) k2 n5 X+ B; l8 X 如读者朋友知道原因,请评论告知,非常感谢( R7 c; s! h+ |$ o; \- J4 n$ }
% G! e$ R# I* B
. A/ e' A: W W# x8 s' O + W# T ]8 M, w: s8 j, X
3 r& w+ ]' G5 E/ x/ _8 i8 ` 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。
) A& d6 C4 ~- S: M8 H, X# I1 P
" O9 z/ c; ^7 ^1 E4 Q( W' `3 D (2)模型假设和符号定义
% D8 u2 Y4 h8 ]% z; M: y8 D+ [% Y& E 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 z) g4 \0 d2 n7 E2 Q( } 9 }8 @: ^" W* x* k' W
' ~, F: J4 O3 g x8 d" k
+ a. u: {4 l' Z/ J5 B
/ ~' d$ k' k9 Z! V, t9 n 这6个关键变量的找出,是不容易的。+ U, w( H. y/ t: L/ L, M, Q- r
, G7 q- R- L9 _3 T
1 q4 c, G# T% }& Z; Q& W" \
- V% X& {1 S4 @: j% i# Z$ U6 e (2)基于SIR模型建立新模型+ \4 ?! f. ~+ g( f+ @) [
基于一个经典模型,成功率较高,又有更多可参考的资料。
/ H7 @! o# _7 O SIR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。0 c( L( O+ D; A0 G B& S* b1 n: x
3 z H# \5 t5 f3 r0 Q) V# ~7 i+ F
4 e. ^3 D+ l8 U
. L+ I4 L) e& N, P1 M, r: Y 利用微分方程组建立数学模型,这也是对上图的数学描述:
[7 C2 L$ M2 C1 M
0 \8 g r" N. Q6 B- E
7 N2 _, d5 Q% j
- N2 |9 }" e4 P- w8 @5 ]6 F3 n ,因为S类(易感类,能被感染的人群)随疫情发展减少。
L8 a# C) O7 X/ W5 E7 n2 } 其它数学公式论文中很清晰
! u' T- f. v) r7 A' J) | # H. S; A$ v+ C: |
1 B* q& S1 z" M) p6 a+ L" ], i
, ]2 O: b0 E5 H) q/ x, Y# q
" p7 }: t2 Q" S+ G (3)求解模型8 Q( p3 u# o' ^3 W3 a3 ?
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。$ N& a" j6 l) q; s
1 Q h2 W0 m2 W8 F+ S" l
7 F4 I( [: h& E2 \" I0 ~; b
3 x: n w$ r: p0 d1 Y5 w! O
' Z9 J9 K8 w. [; y3 x0 F
, c9 W. ~& b& l" S
$ L3 P9 R! C% S* ^
然后根据实际数据就得到了σ 必须小于1的结论: g) w( { g: q/ T; u; h8 }
4 e9 i7 @, T2 h3 \& Q) i ' ~* S' ? b! u0 l+ g+ Q
' L% `8 g" p3 t
(4)用导数为0划分疫情发展的四个阶段
: Q! O' Z8 O. w+ E* C6 z # C4 _+ p8 p% d
. v. K% a: v; p1 ?2 h) V# g9 v) {
( ^: o* q0 d$ k3 ~$ g * Q- A- o0 c. R; V6 o1 s2 N
5 S5 ?! J L5 T% q2 f
(5)根据实际设计三个关键函数
, u* q; \/ n9 C2 H 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。3 C0 h6 U0 S* v6 c+ U/ R% x
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。
# G' S, A( u2 b$ z 5 t) X* W1 F) V" l) Y( I, ]
平均传染期函数:+ b# z2 Z4 E/ i7 T7 A4 x
. j2 a- { e5 _
; b3 y2 Q" N. q: l
0 a* G( G6 I' { 就诊率函数:$ R/ l. E/ b5 J! D9 |* V* w
( B3 a/ P, J- P
; B5 ~* |7 d7 ^1 A! W# z( R# c. k, {+ \ $ b, p9 h3 U+ \
平均接触率函数: ~) }! M* Z* }
& ^+ u! g2 _" A
. N3 U5 q: k( R! ^
3 k. A) A ]( A& b 模型预测效果图:$ q- ~( j3 \1 T" C
: U( C( v7 }% x4 x6 l % F$ k$ j9 h. h2 h
7 Y. t1 L- s2 e; r
————————————————0 }+ p/ R; X! f% D4 p2 a% ~7 H7 C5 j& L
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。
! e0 ~" d2 n: u9 ^% U 原文链接:https://blog.csdn.net/qq_36607894/article/details/92246947
. {. J0 g, V$ B8 C, d, f 8 e* N* x5 c9 e4 Q4 l) c" e3 X( s" n4 o2 H
8 K+ _- r2 c; Y
zan