- 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。
6 @1 u0 _7 B6 k8 F; R& N1 O4 J% x# \" M+ c8 E2 H3 k: U
本题主要使用微分方程进行建模。
( G9 p3 x7 S' W$ ]* J4 r$ g
" x- J: S7 e3 p1 Q(一)梳理题目
% p: {7 _5 B% @
4 }) {3 W3 P7 T# y b1 v( d![]()
; O) k* U+ h1 o
- n1 S; b+ E6 h* [/ P! B, g: U& C- D2 w" x/ [: U. U- y
. {, E" H; E. U1 j7 T- H3 x5 U$ o/ i3 x/ d* X# j
(二)Highlights which makes this paper stands out: e* f: ` ?. i4 `$ _
(1)对早期模型拟合曲线的残差分析# n0 a# }+ N ?5 Q
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。
: H) H; f m, u' |) G( o% f8 V/ E3 ^9 v6 Y2 q @
![]()
; l( G- X1 Z" ]! @( v; C! `$ H* n! g, |: B9 V# P: v
e i是第i天的计算值和实际值的残差2 I- V7 V' K8 ~7 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7 o5 @5 Z" M: I$ s; g
标准化残差服从标准正态分布2 ^* w3 L9 ~2 A; y" Q- i+ J3 H
美中不足的是!!!
* U& c0 k, \# v; ]2 ~/ w/ m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 H1 p; ~7 W
+ E, k! x, n, s8 ~! f4 Z
+ l; y& N+ {+ }' _
9 K8 [0 M* n J' R6 W% F
! M4 _; z& V$ y6 @: F如读者朋友知道原因,请评论告知,非常感谢
' B! ~& Y; A' t. ~" P) J6 K# x
3 j7 I t- h5 ~$ c1 e: s / }- H8 K E* g- i
0 X4 E7 p6 u4 m9 F
, O) j$ `: h- 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。# p& Q# t" W! W$ d& V1 _2 A: v
7 ^% E3 P! V& h. q
(2)模型假设和符号定义) g! H/ q; S& a7 L) p! ~
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。
$ D- {# |: O/ ^" o7 g
/ i* K5 Z* T) l: @$ K ' |0 j+ n* b8 V; e0 P
5 l. f+ V* g4 X1 ^9 s* q" W4 s
) w: z- F( e r7 R
这6个关键变量的找出,是不容易的。
+ g% O5 T6 O/ q) x' S9 c4 g: Z* F. p! y8 ~. |
![]()
: T: n8 c; U' h8 r& D2 l2 _& v+ L9 X: i+ e8 H- B6 I6 w& T X- x
(2)基于SIR模型建立新模型
9 e! P/ f5 ~ ?基于一个经典模型,成功率较高,又有更多可参考的资料。
`/ Y2 h }/ I, @1 M0 ZSIR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。
; U7 C9 i' x. x; N' v/ B p8 i$ }( S/ r( r
4 M0 u# u9 q: J/ F0 w6 U
2 {# T" w- H( _+ J, F利用微分方程组建立数学模型,这也是对上图的数学描述:) O6 i L; q5 r: _: r
5 W3 v% b7 d" C; w8 Y5 f
& h9 j1 j0 j; w% \* ~6 U9 v- |% D
+ @" b% S0 s! Y# I
,因为S类(易感类,能被感染的人群)随疫情发展减少。
; k, O1 _; F: w, }) |其它数学公式论文中很清晰
. A3 c" B0 t; M2 y
% T! [0 \" [- ~; x![]()
2 y7 j& m( ?$ a |: y
# }: H! m4 Q ?# {8 i2 r! |4 B" {# ]9 W
(3)求解模型, j; _! h, a! D
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。8 R; L& X/ v4 m- s( V
# B, R% U2 Y) A K
( |; w6 l- }. x5 Y: U; a& s& L3 c# ?% |& ~' g
0 `; O6 d( O6 U
/ D) l4 n0 t1 S" E9 Y: m5 v( B, h
/ d: l( j* L A2 }2 `然后根据实际数据就得到了σ 必须小于1的结论:
' \* L0 A- Q+ {( v* C' J* x5 s: b# R
![]()
; X5 O- d6 F3 ]+ m, K
$ B- `: q+ z/ _9 ?4 R! J(4)用导数为0划分疫情发展的四个阶段5 a- r2 N; a/ H
5 Y0 @! d% x1 Q- S, {4 e
* t J! G3 M' o* z o2 \
) M$ ]+ a- }, S" {1 ?
![]()
& o( h. S% w9 G: p
, m% b1 G& Q7 j: ]* u: Z(5)根据实际设计三个关键函数
0 I! [4 P7 k# E+ q. q( ^- f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。
4 S r; A, Q6 S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。) z* h, l2 H% r7 z, @
9 U4 ?0 q+ J9 Q' u; y平均传染期函数:
8 I- P1 A+ }# A' \2 [; X+ F1 p- L2 t5 `7 u$ H- {+ w( h3 }( o9 ]& }
![]()
! J; u. m6 Q( r0 h9 Z1 V
9 y! h% k) V* ?# ]+ F0 O* C3 M就诊率函数:
5 l& b1 K& t2 Y4 z2 |8 V% ]9 p5 [
7 @8 ], u4 A- _+ [* T s$ ~ 7 o! _4 ^ x6 g
; _2 E* o% t% X: a
平均接触率函数:
: R+ v. ]4 L9 G2 z
# r4 N2 b0 \# ] \7 `5 L+ B& a3 } 5 U1 f k" ~4 X0 I
$ N1 \4 O B* f/ w# [* p e
模型预测效果图:
2 }+ h1 \( ~7 N2 ~! H$ t' U
+ U% ]% [: d4 c D; _![]()
& D9 ^" N9 x8 @& i# n: u1 ~+ o1 O, G1 X. K5 N( U4 f& @
————————————————
% M! z1 G( D) F% h: r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。& I7 t z" I/ w
原文链接:https://blog.csdn.net/qq_36607894/article/details/92246947
/ @5 N: m0 j, u1 a, {" O- {7 u) H: ~/ v* [
! U \: C$ d' B3 | g7 R6 f |
zan
|