- 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。
a# A# c' M" e! _; A- ^9 `7 v5 b, S7 I3 u" e
本题主要使用微分方程进行建模。
# B7 Y: g! i5 y: o4 W9 c& J4 c! V5 o( G* [% G
(一)梳理题目
, {2 ]2 k2 N1 X. h4 Q' F2 I1 V( |, M# i" n
![]()
( i5 c0 R% w8 x1 i! d4 X4 W% v7 v; m Q4 k& c
& ] m- m! k% G! `3 P1 y( ]9 |) o2 D M+ L* A* M
7 k- o: V# ]4 W2 a( H+ E: M(二)Highlights which makes this paper stands out( F Z- r$ F! H3 `& V
(1)对早期模型拟合曲线的残差分析
* ?/ ^+ w) N! | i* W. 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。
3 w% c% |0 p5 D7 B
9 \! K/ D/ L2 A, x8 p5 w![]()
" X7 w( U+ p( D8 K: d6 b0 V& \$ N* m2 I* t
e i是第i天的计算值和实际值的残差; p( R6 c1 V* f. ]1 w8 L0 ~
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9 E5 i" P9 D3 I4 f3 V
标准化残差服从标准正态分布
. A* s0 h& m5 @" q& Q/ o美中不足的是!!!5 Z% K( g0 m2 K4 O
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:
; ]9 B$ `6 P$ V
) E# w0 c1 @0 C" q( E
9 R: {4 @0 Y/ E) z; c$ @" M8 ]2 P; o6 Z; s
% v& O) l; I% \7 r9 J; d7 W; E% y {2 G
如读者朋友知道原因,请评论告知,非常感谢
3 T9 p: }! w& ~7 z3 h" x& c/ U
! z' n) }& x7 Z# T/ w; J 4 \; {9 L, ? G; E }
+ O4 s3 X2 ^ b/ n9 f% S/ ?
4 m* `* C& t7 [: u/ C j
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。- S" s; j8 t7 m1 c8 P/ \# j! Z
* U4 L" b o5 v* s |(2)模型假设和符号定义
0 I/ [+ y4 L2 [- ^! b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。
& V/ @3 y1 U" G( e1 f0 R1 F' N8 }/ k/ N0 n4 E5 ^; U8 o# [) d$ u- X( Y
![]()
6 |9 D# l' `# k! d
o# S9 j! a$ n: |! r, |+ r1 k3 k, i6 f$ e- D% u/ [7 }2 J
这6个关键变量的找出,是不容易的。
* N" d' q$ e: G5 z3 x
, h8 k9 i7 b$ K) X$ Q7 }![]()
* Q! [! w) s+ x2 B/ _- I7 j, E/ P2 L1 J, B( ^5 p
(2)基于SIR模型建立新模型1 ^" |8 Q, r5 q( `6 s$ A; I
基于一个经典模型,成功率较高,又有更多可参考的资料。
5 v: j, V! b: b: f* s" h. XSIR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。
4 d$ M c4 r* A# ~. w8 L5 O- P, \8 H" c* e( a& N2 ?
![]()
" m6 k0 k3 j% v, m3 U% ~4 F9 [, u' H+ V" K4 F3 z
利用微分方程组建立数学模型,这也是对上图的数学描述:
- [, M9 I+ Y# T/ b s: g. b3 H9 t' b ?1 G& G; t: l) c! p9 F
+ |: @" S( U, y1 ]+ w
0 x2 P! I' d7 _6 k
,因为S类(易感类,能被感染的人群)随疫情发展减少。2 x2 F( T7 W# g2 ~
其它数学公式论文中很清晰 l, Z1 s2 P! k. b; e
4 u: b1 j- ^; X7 X* P6 i; m - ^. @! C/ Z4 H; X9 ^
) Z& D' Y+ i) j i+ ]0 b- C9 g7 r1 s$ J. }% ~1 R5 t
(3)求解模型
/ T F: V! t; Q' j, }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。
5 J5 S- z$ _1 U! d- t9 V7 g1 G5 G% z
! m' c( z- p) \2 A% [& Y7 V, Z X |' s
) w7 @+ |+ g1 `' \7 w7 Y0 p' O- A
2 ^6 T) R ^' s/ P7 _3 I
) E# N; w7 E" y; z4 E5 _" @8 O然后根据实际数据就得到了σ 必须小于1的结论:
4 a/ E8 ~$ T4 ~+ P; @* p/ K7 Y8 G4 T( n/ r; K& Y1 P2 M
2 }% G6 N X2 U0 F. T7 D; ^9 f
9 g1 v; ~4 [9 h5 y( P(4)用导数为0划分疫情发展的四个阶段- K* S' v. P% ?3 r
+ Q- X- m$ D% V$ Z4 H + M9 q& y6 K2 O7 Y" q# }
$ L3 Y" |) H0 I![]()
' z% g/ M! ^ K) A2 |
; E4 ]1 \/ O3 c @; S2 a9 S(5)根据实际设计三个关键函数
3 i2 Y+ W' d' c* y; 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。
6 I3 _$ |% d9 u% h2 ^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。! H/ q! u0 H( P, i! e. P' E" o
2 {$ l4 Z4 C8 x2 ^5 \6 x$ q平均传染期函数:! D0 b# f5 G5 S# r7 C/ X" {
4 m3 ^& b9 m6 U" y% q4 l( T % l" z# j0 J' [0 _
) I! J. N3 j& A( a! O. k# I就诊率函数:
0 O- L7 T D6 U. r* p0 ?, |% k7 `* d4 F( X' c
/ {/ l6 k* c( S, X7 A, f
& J2 r6 m& y8 x$ p
平均接触率函数:
, l) F6 [' u" G2 d
( D7 O* D, w% m6 x0 u , y5 ]2 y4 |: c
/ j3 \/ Y: }. ?/ x: ]3 Z1 W
模型预测效果图:7 S# _& A: J! L% s5 C& G% u
% n1 B8 U: s6 h6 o % x3 V" w+ M6 f8 q) o* s
# q, b4 R4 i3 ^$ x% Y
————————————————
# x! B4 r O! j( 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* `/ m, e9 a w原文链接:https://blog.csdn.net/qq_36607894/article/details/92246947
, ]" b2 A( r, v% a
$ v" v( e1 M2 O1 S- [# q7 L
% \* s( D! M/ e2 h$ I |
zan
|