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 36395 点 威望 11 点 阅读权限 255 积分 13879 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。2 F8 L& f5 m1 O; ]' z" @- ], ~
) U' M1 @( c7 R
本题主要使用微分方程进行建模。" @1 ` V4 k, P9 P% S
; y; I* ?( T8 r0 A- u7 A; C
(一)梳理题目2 V- B5 I8 j' {3 G1 C
% Z# b* p: l8 W8 L7 W% g" O 8 x K8 G+ v, t$ K! i
- s2 c5 F7 e& R t& Y: O' T" E4 R
# ^" J. [+ r) a" @# h4 I. K0 { ! W% V+ e3 O% F) e
, F4 S2 h, R; u. Q8 {$ p
(二)Highlights which makes this paper stands out* E& F: \! A- g1 A9 i; b
(1)对早期模型拟合曲线的残差分析
1 c% P- e2 A) K" ~ 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。
; S+ {' @3 O; a+ E
+ n, m( d P) t) F 1 P2 k+ _7 ~$ w H
( ?+ o3 U% q! K5 }
e i是第i天的计算值和实际值的残差 i& R3 ?" G; e1 l5 c: U
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
) l* S7 b5 B7 @ | 标准化残差服从标准正态分布
0 q3 }6 [6 n3 W& V 美中不足的是!!!
! x8 ?* {" X [+ h0 ?3 E* D 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:
' ^) P A, |$ D l
& m; q& s2 B4 E9 B& K
: E# }* J5 l2 ~8 E& r6 n+ p1 l E
6 _- D, q" A3 ~" V0 {7 s' v
( N! s' q& G+ B1 s, J: s
如读者朋友知道原因,请评论告知,非常感谢
. Z' D j9 J# _/ `+ @3 t: i
- u- R4 ]6 F* x- I0 q
7 I7 z- p; n9 J 1 A$ Q$ I m: p: n" M* {. Z M
( s1 ? N! G2 |3 m$ z 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。0 @- F) f+ w E" w U, {
) Q: V, ?7 ~) m* S (2)模型假设和符号定义8 S4 @- k2 [& P: p0 U
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。
1 m: l( ^9 T+ `* p# e : z- f8 v* w" p6 v6 `
6 E; c6 S$ [1 }0 d$ y
6 U c5 d( s9 h% I
' B- r2 X$ u* X; C% e+ c3 d
这6个关键变量的找出,是不容易的。
! L( ?) ]5 m6 \% h 5 u$ I2 A& p8 o5 u4 f, G- v
3 e0 Q1 ]) H6 {$ L- T1 E; B
" V% ^3 E+ B+ s* v4 H0 _6 W! d3 [ (2)基于SIR模型建立新模型
8 q9 a3 K$ \% k 基于一个经典模型,成功率较高,又有更多可参考的资料。; X2 w* z& v' Y* f1 w/ n
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。
1 C* Y$ A/ A4 ~; t9 s, s
( O; l3 C8 o! x$ M 7 g" w9 W3 s! P1 {/ \& a
. [0 ]. o( U" t6 _' p2 h
利用微分方程组建立数学模型,这也是对上图的数学描述:
* O: o/ y8 ]& ^. q$ A7 P$ q3 _; b; f 4 p% B* X3 g2 C3 E
! V% N ?; z0 _8 ~" t
' Y( C& K7 t0 ]
,因为S类(易感类,能被感染的人群)随疫情发展减少。: u O: ~: z, T! k
其它数学公式论文中很清晰4 ` x5 K- g; l! _
! o# O/ B- G1 g
* l7 Y7 {3 }- N6 R ) l4 v$ y, B7 `% L3 k/ ?0 d& I! k
4 ^. p8 l5 T" G1 B7 F
(3)求解模型' j; d% o9 g7 i! ~' h, M1 m- |
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。7 q7 ~" n. V! m' n c
1 r" l+ S/ o; [: U
/ g0 N8 l2 X ]& i+ e; o 5 J6 d2 `0 y' y3 ?% h, f# e8 S
5 j- O8 R/ O; f( O
T4 A- }/ O- }. s( D5 I
' k# k `% W5 I% i* \
然后根据实际数据就得到了σ 必须小于1的结论:; D5 _) H* O* {% p) q2 [: E( ]1 }
; N0 r) ^+ D# ~
' w- q- [5 `8 N# h& D# k& Y) u p * S5 @' T$ e: E0 d. E+ w
(4)用导数为0划分疫情发展的四个阶段
: I# v# E0 I8 J" }- p 9 I. L7 Q V! E3 M) {- F1 t
0 M4 y/ h+ D( F5 ^( X
$ G1 ^# K$ ?: R/ V* |8 G0 L
, W1 s: @& w6 y
9 m; N7 n: f. l7 N. L
(5)根据实际设计三个关键函数: U" g C: r8 ?0 a/ {& `! V
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。
0 W: Q- n% e$ s' f 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。; a1 j; `5 g" |; c2 x5 a
) h- X, b6 z' W# [1 u5 J; `
平均传染期函数:5 r! G3 C' J1 y0 O) [+ T/ A3 D
+ ]5 r5 ]3 f j7 t
5 L% o1 x; U) E/ z$ A h. k: f
4 f: C. x7 y3 h* }$ m 就诊率函数:! R+ W& T8 }) L/ g, W& ~
) t6 O. C7 t6 h* s# O9 v- b( m
( ~& K$ b% ?5 i6 P
# \; ^$ H6 w- h6 A! j% S 平均接触率函数:
) w! o! i6 ]2 D . w* G1 u8 A, M g4 i
) H8 d4 I; f H9 q' T) @0 k5 s2 k
5 L) P+ y% D+ P+ q c 模型预测效果图:
, A' r0 b2 w0 L+ O- ~
, Y4 [# ~' H7 U
: t: @+ \: T9 s& o# K 8 s3 Q0 h; b* O! V9 [
————————————————" l: Q6 x8 e9 i
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。, \! }- @- ?0 f6 W$ K& L# |+ g
原文链接:https://blog.csdn.net/qq_36607894/article/details/92246947
% }1 \. s3 m2 C) D! ` 0 v" d' y1 ~3 _ N- B/ H- N
% ~5 B O9 U1 K3 J0 [
zan