- 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
- 36210 点
- 威望
- 11 点
- 阅读权限
- 255
- 积分
- 13804
- 相册
- 0
- 日志
- 0
- 记录
- 1
- 帖子
- 616
- 主题
- 542
- 精华
- 10
- 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。
- e6 J9 U% i. L! x4 {
& | F( [" T, ?本题主要使用微分方程进行建模。$ T1 S9 d Y a6 g2 Y
4 @4 P# s; Z$ C3 X/ u! `3 E. [
(一)梳理题目0 c- J! ?/ G& O# ?
6 {0 A7 `* ^! P) z, ]![]()
% [+ m; Y& Z# s! Y7 C
w1 i9 n7 L# v- y8 l# p: q% T
+ ]. H( J, C' _' z7 {; e. d' m7 [& v7 [" {2 P7 D2 k* B
8 |5 V7 L+ I$ u1 C1 k
(二)Highlights which makes this paper stands out
" a( T, ~2 @) R3 E(1)对早期模型拟合曲线的残差分析
8 M) Y7 q2 M+ s5 l9 L. w6 ?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。
2 b* \0 w1 K8 G& h' f/ s+ _' E! u4 L, [! N7 Q4 m: `
' A$ X7 X m; _- i" }
% S6 Y5 M) f# x$ ]6 ie i是第i天的计算值和实际值的残差5 X# _& p4 u" A! `9 k! b
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! f, [. R! h1 e
标准化残差服从标准正态分布' s7 n" ]# Q# R0 Q5 g
美中不足的是!!!
% A( l/ L9 D/ u) 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:; G) V* e' M; W( O6 W8 C
, N! N1 g3 ^9 b2 X" y* C$ }
" |" z% M9 L. r
0 \) H) z! M6 `
; X+ g+ {5 e: ]2 F& c) V
如读者朋友知道原因,请评论告知,非常感谢+ B( h3 ~) v! m( U4 c
5 G4 _$ i& Q5 d( F/ \+ W
![]()
' P* ~$ V2 E+ L( O4 I# d) _! Z8 A# T' G
; X* X, E7 v. u: v$ l, {+ M6 U2 y
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。( b3 C& z0 h5 l" K) d; g( L# }
9 J( Z2 f- f O4 Q% ~; P(2)模型假设和符号定义6 T0 L1 Y4 @+ h' U; D5 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。
4 c# Q* g2 ~* b; E% X/ Z
9 a# P! \' d; [$ O9 T( `- K! [0 ? + d. R- Y+ ?- M* C2 {
, N8 I3 f! z, A0 K: _$ d* U# W% c3 v% w
这6个关键变量的找出,是不容易的。
* z* O7 j" k' M0 [* {" x% ` d% B! M8 v9 ]/ t( s1 I) z
![]()
( P4 A% G. f+ w0 n5 G# P4 K# ?2 [4 c$ ^. C0 l
(2)基于SIR模型建立新模型5 X( _9 ~; c" P- s4 m5 G
基于一个经典模型,成功率较高,又有更多可参考的资料。
/ g( l) o7 g/ X; q' U eSIR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。- n8 q$ W! f4 q
. O; F# M' U2 q! f* Y
![]()
4 E" o q8 A5 J$ Y
+ V. M9 K6 _9 G利用微分方程组建立数学模型,这也是对上图的数学描述:
' J0 ~, }+ s2 X3 r$ b3 Q, s8 g! L- j% u) |0 D" q
- g5 Z1 K; Q& k4 U3 J
2 m# R6 n% Z- t( t6 N; z,因为S类(易感类,能被感染的人群)随疫情发展减少。
( o5 Y9 |- h5 K" Q其它数学公式论文中很清晰
1 l7 F' h0 I& v* [" i2 J/ i* `- m' J- |, L C. q
![]()
& q# s/ \) X! L6 y& o
7 @; c! S9 H* J p+ {* q+ i/ {# ^ h) u7 h3 X+ _9 k' ^; m$ E$ E. f
(3)求解模型+ U+ q( A9 b5 a3 E/ h+ O& ^
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。
+ W$ z- i, P+ r. B; ]: B+ Q6 x% a9 ?, g2 E
9 O+ o( S# G% b
9 W- \2 ^+ k' e9 |7 Y5 [) C) x7 L( H
: n4 s n3 d9 M! I
![]()
2 {9 n5 q2 r$ B( Y2 {$ S# Z. l9 V' N* a3 N! I
然后根据实际数据就得到了σ 必须小于1的结论:3 @) \( A7 q' O& o
' Q9 r3 _2 t% B! D" ^
' E5 X# r7 f6 c2 ^. M: k
% B7 v- ?3 y0 K(4)用导数为0划分疫情发展的四个阶段
3 I7 d5 G( ?9 s: V, _) I. O- M9 L: D3 q% ~# X
![]()
) j2 R4 J9 Z& h- H3 J/ T3 y) `/ D1 [5 t# S
![]()
2 a/ U% j0 N$ K q5 g! ^0 c1 M" A; U, T
(5)根据实际设计三个关键函数
y, T( s7 k; t0 h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。
7 O4 H. m5 O0 z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。# U3 T/ ?9 A8 O* G4 T
" d. S6 }& J: S1 C- X
平均传染期函数:
y0 V& i& P; ^: n9 G% S, K. X% ?: w/ i/ |& M
![]()
0 i5 F* o- {% a0 }
6 t5 c! s6 Q- a M# j4 Y就诊率函数:
& Z8 u5 R1 W7 h4 W7 F* I% Y
4 d2 r3 C; u! ?$ K4 b 7 C4 f& F2 B: E+ v: E
5 d& Z. P) K% I$ i" f* P- B' ^' J
平均接触率函数:. r, L! l7 ` C3 p6 {6 M
( \: m' K! {6 \5 p$ m" S# g" U0 _4 C
$ C0 _0 w. G w
% s- Y8 g9 |! F/ i模型预测效果图:# H8 c# q% R+ g6 ?
+ D9 ]8 K, q8 ~5 u . M2 \5 N' G3 F- e7 E, V4 X
8 y6 L; G1 W6 Y) E7 I
————————————————
8 E: W' V' y* r! a, 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。
; s4 ]/ E. e+ O# _0 e原文链接:https://blog.csdn.net/qq_36607894/article/details/92246947
# \# ]" w/ o, Q0 A1 Q# U9 |0 G q1 ]9 s7 n0 S
$ R9 `, J, d/ \; k3 Y; X
|
zan
|