- 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
- 36097 点
- 威望
- 11 点
- 阅读权限
- 255
- 积分
- 13770
- 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。+ [8 E0 q" S9 R. C9 U T
l% S5 l# o2 w, q8 P本题主要使用微分方程进行建模。
/ O4 y: p6 J, B0 F# g5 r. Y+ F) M
4 F' Q; k. E: f6 a# w& \3 w(一)梳理题目
+ J3 @" H( I' B& k5 d
* ?$ g% t2 I! E" ]( [![]()
/ E: \4 W5 j {, r8 G# z- E9 j6 i
2 A) @4 c: i% ]- U$ {* w9 g1 y, R6 O2 u
; c% Q. |# y7 V9 Q; {& P b(二)Highlights which makes this paper stands out
0 V5 R% _: ^9 b( ?) |(1)对早期模型拟合曲线的残差分析
6 L9 Q5 K% E6 M# q1 `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。
$ P. d" s" }1 u$ c1 c6 t
" B' s* l2 u5 q$ z![]()
- L6 r, F" d+ ?+ g% o2 u; H" L4 m
4 c4 n5 G2 B* u6 t1 _e i是第i天的计算值和实际值的残差) {) G6 D6 Z0 I; k. x+ v
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. {6 b; H- O, B* v5 N# }. R5 P8 j+ E
标准化残差服从标准正态分布
2 s8 K1 N$ L- H1 b, V/ [& U美中不足的是!!!+ s3 F0 J' J/ g8 H2 x, Q+ h
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:& \! Z& p; _% a4 \ e
E& m# a' d( b) ^9 i, i3 w
, A! ?. f: c4 w
/ b# s+ [: j& s9 F+ k
' k3 ?, E9 n# X
如读者朋友知道原因,请评论告知,非常感谢
' P# k7 ^& i$ x4 A
6 t K' i& p$ A4 b& r6 a![]()
! C. Z7 Y" G+ Y- K( F( n A! q
9 {* h; E) ? R- w9 Y c) g4 K) n( b7 S* _% 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。
; X; I9 G y5 A8 j1 l& O1 ^1 m: q2 `6 @
(2)模型假设和符号定义
, ?! \8 r& S( M4 k4 Z! q( x" L& k( X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。
1 q F9 Z" n% f! T5 ~& @% k ?3 l3 G" }" j) L9 [8 A
5 Y; L) j- J- u
. Z0 m$ r- u4 @
; t. b! [& y2 _+ X Q8 U- b2 }! c& k
这6个关键变量的找出,是不容易的。6 p$ P" m$ p; G3 Y
& o+ Q5 h7 J5 O
![]()
6 L& Y3 Z$ O2 G0 d
4 U& o) ]% Y; y4 T: k6 s. N(2)基于SIR模型建立新模型! K6 p( I( E$ ?. Z/ V, h
基于一个经典模型,成功率较高,又有更多可参考的资料。
% @( _+ t; q5 K7 ]" j/ U2 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。* X; s0 m# I% K5 i
+ k4 Z, ?9 X5 w9 }! }4 F![]()
+ V% E- A! A) J& Q; j9 H: L) n# P
( C2 ]5 W, G' [. M; M1 M利用微分方程组建立数学模型,这也是对上图的数学描述: f) Z# N1 V" q) p' A
1 m$ k1 k, u8 v
6 Y+ v) M2 M- n$ U/ `0 r4 ~% s7 \2 H( f [: }* G
,因为S类(易感类,能被感染的人群)随疫情发展减少。2 C& G5 m* ~4 i6 i
其它数学公式论文中很清晰
: M: z; ^ x2 u. e( d& b
7 e$ M- e, c: y3 R ) t) G* ]- @& p8 @' U* L: ?
* O$ k5 |( d# t w& ?, x/ R7 A( C( X! j; j; ^; }
(3)求解模型# A U8 Q# n* N7 Z0 P! y0 |
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。 A \$ ~( s; x6 u
5 q% T5 h: I7 V1 X+ `
, N; g3 e4 n* A4 S' v0 V
9 \3 H% U9 |8 `; ~8 ?3 ?6 \
2 B* c# v Y: Z/ t5 V- z
0 O% \$ b) i6 e; T& `# Z7 G6 l
- y, O9 }1 T4 @; _3 G: l+ o然后根据实际数据就得到了σ 必须小于1的结论:8 u- X2 p' B6 A* A" Q9 k* [6 Z1 r
F! U& t2 y) H, S) b
3 [3 ]# B! F! [% ^
# d& m* Y H/ {; M( e0 T
(4)用导数为0划分疫情发展的四个阶段
* Y9 U4 N0 e3 W) D2 x9 s/ h
$ X) u4 c1 Y* j$ S0 j( A8 y; l 6 a9 C. \5 V: l
( L3 J# S9 Q+ x- `" L & Y+ o2 \& Z& c0 E7 a
& R4 _( k% ]/ q5 |9 M; W
(5)根据实际设计三个关键函数# s7 C( U% _: s
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。" s W* I% i$ Q
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。
5 Y% Z l2 F, w3 j
1 H( A; Q; e# k2 {! p* c3 {平均传染期函数:6 @. F* D. S% H% x+ v8 A" F+ ^
: p; S: Z5 v/ ~" m! B: k4 X# z + v- E8 ~; F. m3 L; D
3 `" T9 e/ R# W! }2 R3 Z0 @
就诊率函数:
6 S! X# }- H0 t, t+ @1 Y1 X: \& B8 j+ j" b+ U
* E; A$ T: e7 b
/ E7 L7 ?4 Z& \平均接触率函数:. f% s1 u: K) o! P4 X8 h2 G
$ W1 x) l, p3 d$ u& u$ G" K( ^![]()
`: ]$ }" O$ f8 C9 p) C+ U `) Y
9 _2 j1 ~) Y! `' n) h @模型预测效果图:
3 p5 R% y$ @. U5 U, J+ e9 q# m+ E( i3 C
![]()
( V* ?5 D6 h2 g% P- o
; |2 ?% u w$ U/ _3 d, L1 m. @————————————————
* p- v% v; Z3 o, k: M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。$ m6 w# N4 d6 m% ]/ E
原文链接:https://blog.csdn.net/qq_36607894/article/details/92246947# J5 z P! V! `% S: ?" ]! q C8 R3 H9 e
& y$ E. b& \/ N) \7 Y
9 c L% ^' G) w2 ]5 ?
|
zan
|