- 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。
) f/ z5 A5 a% r b1 Q6 ^2 d/ m; I8 `0 B) C9 k
本题主要使用微分方程进行建模。
2 y: l3 {2 k- K% S+ ]7 H) U
7 n- Q$ {* w1 ^# J+ a& W+ q(一)梳理题目
) j' L+ _: _9 [ {2 Z) J# H! c
( R# b5 W/ v- e1 }) |1 O![]()
) f0 V5 L: L# e% ^4 j% Q" b" c C: @/ O. l; F" | v
" t8 U. p* m: K% ]! K M) R4 @9 ^3 F1 \4 f$ b
& G, I& N! P; X(二)Highlights which makes this paper stands out
+ @& V+ y R9 h6 ~& g6 w; B(1)对早期模型拟合曲线的残差分析
* O, Y5 `0 W) S K2 p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。
1 S' z0 @% I2 G% E: E
" N# e. D& W' d9 T. {![]()
9 @0 h$ M! |- Q4 n( H# N- a$ ]6 m/ N& T: }- q8 \' r% Z$ M
e i是第i天的计算值和实际值的残差
5 R. t, u" }/ q% X/ G! Qe∗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2 G! f: Z5 Z* w d9 ?' n7 N1 c* U
标准化残差服从标准正态分布
5 |" p' ]# ]/ Y美中不足的是!!!3 {7 o, h/ f) N% e$ y* t 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: z3 z6 ^, w/ h+ u. p+ b* Y
. ^! \8 D7 \! F
) O- _' `- W4 A' r+ k+ }. q( y* G- @" k1 ?; G' X
( N5 }/ r' j3 d, B; [
如读者朋友知道原因,请评论告知,非常感谢
0 {* y$ D; j, h8 e& Q3 |
/ K7 `( X* }& H& g* n 7 G" A0 i! o* ]7 B$ {6 o7 g
4 Z( F3 P5 [ l$ F/ x g- v
/ G# D7 ~# m: ?: |. `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。- u: N" |* H. u
- ^( b8 ?( {; l$ t
(2)模型假设和符号定义
9 [: o6 E* ` q" k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。
9 s6 ]4 I& W) Q; w, t2 b$ S. ^7 m: l) `8 r) K' d& S
![]()
- L' S/ J, C- k3 K
6 l: Q" M, r a- N
v) B7 u8 J; Q& y6 ~这6个关键变量的找出,是不容易的。
# J' J" G/ } }+ R- d* H3 C; |. _! h, [/ z% }# l9 r
![]()
0 T: T7 P+ C+ x( q, q
' M: w( [- t" O( x5 \(2)基于SIR模型建立新模型
3 m! g$ }# B7 R基于一个经典模型,成功率较高,又有更多可参考的资料。
" w- s" Q; R: q$ {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。4 v6 ]. m8 }1 B! `- [
6 x9 _ D8 t; M $ U k- H. O9 f1 H
. E X$ c, U5 e- C, t- T' e7 \
利用微分方程组建立数学模型,这也是对上图的数学描述:
D% r/ Y) r7 F$ y6 Y9 ? b% D! `% w. ?* w7 e" p
7 b) O; c; M! x3 t/ ]9 o
3 N2 q3 c6 a1 g. T6 F1 Q9 f
,因为S类(易感类,能被感染的人群)随疫情发展减少。
/ f4 V6 k1 R# U其它数学公式论文中很清晰* \' `3 ~& B5 @5 Q
; X& z/ R4 X: p$ ]
# @1 z4 R! O5 J3 p @
- ?; R3 X) H9 L7 G7 r4 {* T: I
- f( \& a6 o; I- U(3)求解模型
8 L; ?) f/ c! [' _8 W0 q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。
3 S" t# _5 t/ f# r, R( k3 S
+ z9 {$ h6 Q F8 X# {
6 G+ m. F" V% S( v: [ R3 D
3 Q w, m! D9 _2 g5 j
/ s2 e8 [& K. n3 U Z) a* G9 {
9 e S7 u4 ], ^
) O% r" `1 u) b9 d! q7 c8 H
然后根据实际数据就得到了σ 必须小于1的结论:9 D! A( ?0 ^: P# S' |( h. t1 }) p
4 i+ j# d! Q6 u! K
![]()
2 U+ K5 h4 @1 L% P+ y& V
4 k% {$ ]9 \* C4 S' U+ F(4)用导数为0划分疫情发展的四个阶段
# n( r0 \" r) y3 Y0 E% \+ U5 U2 J" Z" `, @7 a2 f. ~. S
![]()
1 ~5 i0 ?, T0 a
- ?6 ~9 `6 w" i W ( P% a5 e$ h0 J* H3 Q( f
0 U4 o$ A0 C+ \& z; b* L q(5)根据实际设计三个关键函数
0 m0 ~$ ~7 r% o/ |$ l) k8 T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。
" l8 q" C* T2 p7 L# L' Y6 ?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。+ i+ R. ]7 P- h3 t/ H/ Q, F+ J6 Q
4 B* J* S) d' X+ D8 q' ^+ P
平均传染期函数:
5 W" ? J* c8 C- i! ?
9 J" z9 _6 q- ~' c" w/ K/ @2 H/ h 8 N- ?) n, H% \3 ?) w: C: Y
, T" B+ V- i/ q2 _. \/ A
就诊率函数:
; k& r4 X1 A2 N; e7 D+ D! D& |- q8 U g' A L5 X- @
) d% u# H1 P! Q( c0 ^* F
. |; d' f" r* O" w: N7 o平均接触率函数:- o) X" f V9 [
7 K4 P; p# ?0 M0 a: ~
\- J: G7 d6 ^1 @. a* \
+ l6 |% L0 P( r7 ^: Q模型预测效果图:
( K/ T$ j; @# f9 ~0 n' |$ R$ z6 {7 I- ^3 A- A, H9 {4 _$ h0 N5 z
![]()
4 S1 H' P& D8 H& Z
# o- c @; h1 i a* J O1 r t; a————————————————
/ K$ F% \7 B: j) z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。! x& @# J" C% s: r9 k6 J3 M- K# X1 z
原文链接:https://blog.csdn.net/qq_36607894/article/details/922469475 h! n% K# q1 V: H# }
9 \8 @3 B/ d6 o+ I. W# T h* J2 l4 s$ L. f
|
zan
|