- 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
- 36316 点
- 威望
- 11 点
- 阅读权限
- 255
- 积分
- 13855
- 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。- y h i9 j5 k( i, P- z2 g% T
( J( l) z! r3 L6 y' M' f) a" k0 w
本题主要使用微分方程进行建模。
4 R# k, u; @/ w6 z! b( Q# H+ A( H6 k
(一)梳理题目
; @' K% M9 [) Q1 a7 z. j* ?3 t1 M2 E
; B: s* R# w8 G5 W! U6 _
- E5 ^5 M. B$ ]5 a7 J' A1 T
. o8 I! ]1 h9 j+ Y
- M6 a" \9 w2 D8 H, X' L$ c+ S" a, ]
. K6 t6 x' l$ \4 K
(二)Highlights which makes this paper stands out
7 ~9 }, \: }) K* w8 l z7 R7 [$ N(1)对早期模型拟合曲线的残差分析
1 l% S4 M# L: A) _" B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。
* R: }0 }; h+ r( l+ W3 F+ M
! P) x" Y3 ?* V+ a & X* N5 Y' K# d) a5 J) x
9 V: Q, o' A- F, Q/ t8 d9 e$ G/ s
e i是第i天的计算值和实际值的残差3 N; b1 G, D' F% B) j: X* e
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
* a1 {; b# P/ U$ ~4 ]; Z标准化残差服从标准正态分布
0 Q0 |& L: k7 \美中不足的是!!!
% C& v0 v' Z% x" e: Y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:
' B# s L% [! a x) h, P! M% K( @" c
0 q% W% {5 Y* \! e# `2 E8 A4 F
& Y- t+ S0 ]# o* l U- D4 R
6 H' v( O' M1 W' v6 C+ [! [
- X% G3 ~( B+ l( X% Q, a
如读者朋友知道原因,请评论告知,非常感谢
1 c2 I7 R" R8 Z# a7 R
4 g- Q; }" L( u7 R; `% }: }! ]![]()
/ F. ] L; v. I2 J' g: x4 ?1 \* N6 B
) v* Q$ K5 M# G' k8 _6 W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。7 g; z5 p i7 _" ? k) }* q" \
! j% `0 v) j, B" o& O6 `: ](2)模型假设和符号定义
7 O z6 A+ ]# g, i- _; `" [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。
. b% E: d Y, c9 h! ~: b4 R
, t) _% I# _+ _/ H0 e+ `# X![]()
$ d" O( X1 M% B6 Y- }! ^/ z6 s- S& [ [5 q/ ^
3 `8 w$ b0 \. [8 ]这6个关键变量的找出,是不容易的。, b: s5 x+ M* |
2 E t! u" Y$ S0 X W: f) G $ o. E: p1 h1 y# \# _+ b
0 f7 Q) X0 {! a5 _
(2)基于SIR模型建立新模型$ g$ @# u; q' S2 T& Q8 V
基于一个经典模型,成功率较高,又有更多可参考的资料。# S# s8 n! I* e$ S
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。
9 j8 b D0 k' ^( }
, \. r: ]5 y$ }2 y) ]7 Y9 k* D : z1 g! U# H, m
8 E6 b4 O# |1 r) l9 |1 X
利用微分方程组建立数学模型,这也是对上图的数学描述:+ T4 e8 f4 z' V0 n
]) V3 l, r8 E7 P( E3 | ?
' W! o4 n! y+ v6 @) X9 u( E
$ w: L3 k& |3 d! a3 ^6 w
,因为S类(易感类,能被感染的人群)随疫情发展减少。# g/ j: w% _; G9 N# r, H4 F/ B
其它数学公式论文中很清晰
9 y) _. c _6 \" N- t P; h" j8 }+ ^# o: u" ]" p
" U3 H' V( K+ r( d _0 q$ s' @
) s, N* O3 q2 g# ^, B9 |# _
! T3 h/ J2 ^- Q1 u(3)求解模型' z. w! ^2 y2 ~- E
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。: Z) h9 l0 q* K' V; z9 Q4 ]
7 m5 Y8 }& [9 R4 K9 h
) b( S( g7 }7 }# X, P6 B, z& A6 Q; v* F! s8 X: q
- u7 ]- `. M; s![]()
! i1 s: }( o; c1 A% Y* L4 I+ P
7 o; p8 K3 j2 ^5 k然后根据实际数据就得到了σ 必须小于1的结论:
2 R6 a$ G F: k; U' g" s! I4 }- n3 b% N2 I2 x) j u
![]()
1 {- S5 g. W2 w7 g$ ^
% ~( x# I; e& ]- W(4)用导数为0划分疫情发展的四个阶段& a% \( B0 z5 {/ D# @
6 }# c# a: f3 o% B- n4 s : @' J5 ]5 o& w3 Z/ N5 N) J
& Z: u* k2 }& V
( P0 g. r0 [" n, ] y
0 r! G7 L# D F
(5)根据实际设计三个关键函数' V2 W! Q; h! F( X* n6 \0 E; 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。
5 J- \: g* t! ?: d# w# @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。6 q# u0 w7 i1 h: g0 K5 z
, Z: Z2 f2 E, ~平均传染期函数:
% Y2 G# r9 b+ ]% {& e1 r- @, e3 ]; J3 i! y1 M
![]()
( h0 B. P# P6 H* a0 F
7 u2 K8 H8 \0 ~) v1 z. L$ G3 h就诊率函数:6 M2 C# t- K Z# a4 X
5 }. C7 A8 B2 ?) t8 V- U 6 y/ H( e+ p( X& S
# u4 F- |3 v9 H* l. H) ?/ f
平均接触率函数:+ Q; |5 _+ f' J; ?
0 X! b+ [, f7 M! h F7 s) s![]()
& R" M' v, [+ b1 q) J$ ]9 C7 U8 h- _8 o
模型预测效果图:
' a& R4 t( y7 Y P0 \, [# K. ~# a! h. X2 n# s% E2 h
![]()
% ^+ e C* V# q* V) P8 s% g
]- \+ i: Q5 h; T5 h0 A————————————————# \/ Z- g6 x1 ^3 i2 v
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。
# W, q% G- U3 b/ b, i8 ~原文链接:https://blog.csdn.net/qq_36607894/article/details/92246947 W; w. H- H" \7 f0 \9 H2 W
4 E9 |# M9 `1 s/ b4 b Q0 H5 K, X C
% X, A! i+ C$ B& m4 w/ |7 u: n
|
zan
|