- 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
- 36513 点
- 威望
- 11 点
- 阅读权限
- 255
- 积分
- 13915
- 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。
, K4 t5 @# W9 d4 _; B' I% E7 |
1 I& H* h3 y) j; A; T+ x6 _9 k本题主要使用微分方程进行建模。. Y1 p; J1 q) H4 p
) j( W- v/ Q1 t7 d5 q, M
(一)梳理题目
6 d" d' p0 ~4 G; v% E/ I
. J' G: b; C) N& M![]()
! W# d3 s6 p) d9 ^
* n8 u) z, w& Q7 h4 `; D( m( P: W( t8 W; [
( [/ k! q6 x. v" F! D0 E
/ I9 Z5 n+ Y, t
(二)Highlights which makes this paper stands out+ m6 z) Q# C1 P1 x9 |
(1)对早期模型拟合曲线的残差分析
" |' H/ ], n, [7 z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。5 ?5 q% l/ E A3 ?# d1 a% N( `
: O2 N1 t3 J9 ?! X B! b
![]()
& s( T, N2 m" K, s# n ]0 G/ l8 X: E# Z9 X+ ~/ C
e i是第i天的计算值和实际值的残差; e2 T9 s% \( R
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& S/ y5 U- g1 j% E1 B* y
标准化残差服从标准正态分布( Z5 E/ P8 i& M% F! P
美中不足的是!!!1 g3 o: a* Z8 N- U$ t9 P9 J
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 O* X1 e6 ~" W+ Z$ l9 D7 x/ k' G$ @7 ?& w7 g7 S
4 x2 d5 H, C; `
) r/ l, U& J% h( N3 M5 t
2 ~: i" e8 K2 v7 F如读者朋友知道原因,请评论告知,非常感谢
; _2 e; Q+ f6 a% R4 t5 o+ {2 `9 g8 B0 f% S9 @
" p2 F+ \6 I: O4 \4 i9 v* b
+ D& Z4 t' l( `/ A' }! F3 f+ q+ P, V
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。
8 V3 r4 R9 Y# ~. F( U; \; y! `1 M% e% D$ X3 z; j5 `- V' t# r
(2)模型假设和符号定义5 q& f- j% N. v2 R$ g: L
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 p3 Y6 Q6 z" O& C
3 h! o4 q% L0 Z+ j& Q* z $ n7 Z- |5 v1 i( O
3 b9 S4 l+ r* t) P. r
5 I' A* ?* b0 M' H) k2 L
这6个关键变量的找出,是不容易的。
& L) w& d3 v6 ^% F/ D( ?9 n: P8 ?9 o+ b
8 h* G- ~$ j. t8 n
+ j! F# q( s4 f$ l
(2)基于SIR模型建立新模型! R, o$ n- ^' r a9 S: t3 y" X$ k
基于一个经典模型,成功率较高,又有更多可参考的资料。
: m& _$ p/ O' LSIR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。
/ q% x" L$ e# \/ _* K# _
* e$ l/ Z) \% j8 y y! P ?& W% a* ]! |# w: N! X2 f
, _- l4 }- I1 O利用微分方程组建立数学模型,这也是对上图的数学描述:7 u7 g+ M3 n1 u, w8 ~
' i6 P. u1 l0 f, \1 R/ K2 R
+ Z4 |; l: i. A8 C+ H
0 o2 @; F0 H! |7 h
,因为S类(易感类,能被感染的人群)随疫情发展减少。
, W% A7 L7 d# n! g6 N其它数学公式论文中很清晰! Z; x, l) x. D0 P! Y0 v6 _
" G8 q8 V R+ m) h `
![]()
$ x. H5 V5 H) Y( x' o0 w$ S3 b8 R( A/ E' T
* r) a" T9 D- B( o3 B- H! }; x
(3)求解模型- J3 L1 @ B' i3 {4 I4 K
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。( H; R) B& m2 I- ]# D
) n$ g7 a5 y4 d/ s
, {; d- P5 T2 {% v# k Z
4 L* E2 K4 S4 N) |
1 @9 i" x* u$ v; a2 Q; v2 n
: B6 F5 G7 v! e
$ i' T/ S! X# B# `& y1 J0 z" W
然后根据实际数据就得到了σ 必须小于1的结论:3 ^0 Y3 y. l; k5 P
' I) `8 U( W: v! H; [![]()
) _) t+ \/ @( p$ O* e: v
4 v" {5 l0 `6 O( E4 o9 t' X(4)用导数为0划分疫情发展的四个阶段
) d% }& ]$ B; q' u4 n
9 v5 G4 O5 j, l) V+ Y( J) s ) [3 ]7 N7 W# L4 `- p' S7 X
# W+ F0 n0 C% v0 i( c& {![]()
$ o0 h+ r7 K6 [ M8 C: \, c N) }1 m' S' `2 q( z( a
(5)根据实际设计三个关键函数: f7 C# P! t# S; @3 E
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。
! j: B- W( G" P1 ^6 T3 H, ~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。: g2 x9 l$ ~$ ~
( f( T+ w$ g% l$ F) i$ t) c
平均传染期函数:, n: q& E6 f3 j4 L6 D4 v
! x, r$ V5 ?* P6 P3 Q4 K) h$ j Q" N % S- |7 }: q5 r+ _! h6 ]! s
& T* Z8 X: b+ O" b
就诊率函数:6 m1 r2 B5 B# e/ g$ K3 J4 e
) b- g& E/ B" M 7 A/ s: M/ g9 G0 n% @) H. G
1 Q% s3 k! A: X! ^: l
平均接触率函数:
q2 C- N4 B6 Y$ B6 R7 D" F2 n4 R; I3 X/ S& _
![]()
% B- e$ ]% F* P" _; ]% I, S
" M# _# O8 ^- d6 v9 F# N模型预测效果图:1 L" j2 k* A; b2 C( d
! M O. O% w( c" `6 d( [ ; o$ ?" m& j( X, t. k
: ?1 _9 F! J3 ~, s. S————————————————
7 m7 B7 c3 G7 T1 i& V+ I& C) a. Z$ E! J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。
0 H u! g6 D& z0 _ e- O$ n原文链接:https://blog.csdn.net/qq_36607894/article/details/922469472 c3 J B R2 q1 }6 N
- v2 t; B9 e! u$ e
4 i( x& s7 Z3 h3 D+ t. w1 w' G |
zan
|