5微分方程模型共64页
微分方程模型介绍
微分方程模型介绍在研究实际问题时，常常会联系到某些变量的变化率或导数，这样所得到变量之间的关系式就是微分方模型。
微分方程模型反映的是变量之间的间接关系，因此，要得到直接关系，就得求微分方程。
求解微分方程有三种方法：1）求解析解；2）求数值解（近似解）；3）定性理论方法。
建立微分方程模型的方法：1）利用数学、力学、物理、化学等学科中的定理或经过实验检验的规律等来建立微分方程模型。
2）微元分析法利用已知的定理与规律寻找微元之间的关系式，与第一种方法不同的是对微元而不是直接对函数及其导数应用规律3）模拟近似法在生物、经济等学科的实际问题中，许多现象的规律性不很清楚，即使有所了解也是极其复杂的，建模时在不同的假设下去模拟实际的现象，建立能近似反映问题的微分方程，然后从数学上求解或分析所建方程及其解的性质，再去同实际情况对比，检验此模型能否刻画、模拟某些实际现象。
下面我们以生态学模型为例介绍微分方程模型的建立过程： 一. 单种群模型1. 马尔萨斯(Malthus)模型假定只有一个种群，()N t 表示t 时刻生物总数，r 表示出生率，0t 表示初始时刻，则生物总数增长的数学模型为()()()00d ,d (1)t t N t rN t t N t N =⎧=⎪⎨⎪=⎩不难得到其解为()0()0r t t N t N e-=.2. 密度制约模型由马尔萨斯模型知，种群总数将以几何级数增长，显然与实际不符，因为种群密度增大时，由于食物有限，生物将产生竞争，或因为传染病不再按照增长率r 增长，因而有必要修改，在(1)式右端增加一项竞争项。
()()()d (1)(2)d N t N t rN t tK=-其中K 为最大容纳量，可以看出当()N t K =时，种群的规模不再增大。
这个模型就是著名的Logistic 模型，可以给出如下解释：由于资源最多仅能维持K 个个体，故每个个体平均需要的资源为总资源的1K，在t 时刻个体共消耗了总资源的()N t K此时资源剩余()1N t K-，因此Logistic 模型表明：种群规模的相对增长率与当时所剩余的资源份量成正比，这种种群密度对种群规模增长的抑制作用。
第5章 微分方程模型(投影版)
“改变 改变”、“变化” 变化 、“增加” 增加 、“减少”等关键词 减少 等关键词 提示我们注意什么量在变化. 关键词“速率”, “增长” ,“衰变” ,“边际的” ,常涉及 到导数. 运用已知物理定律 机理分 利用平衡与增长式 析法 建立方法 常用微分方程 运用微元法 应用分析法
数学建模
第五章 微分方程模型
运用已知物理定律利用平衡与增长式机理分利用平衡与增长式运用微元法运用微元法应用分析法数学建模第五章微分方程模型描述对象特征随时间空间的演变过程动态模型分析对象特征的变化规律预报对象特征的未来性态模型预报对象特征的未来性态研究控制对象特征的手段微分根据函数及其变化率之间的关系确定函数本身微分方程模型根据建模目的和问题分析作出简化假设按照内在规律或用类比法建立微分方程数学建模第五章微分方程模型数学建模第五章微分方程模型随着科学技术的发展常微分方程定性分析在各个学科领域已成为必不可少的数学工具也是数学建模的必备基础领域已成为必不可少的数学工具也是数学建模的必备基础理论
数学建模
问题 描述传染病的传播过程 分析受感染人数的变化规律 预报传染病高潮到来的时刻 预防传染病蔓延的手段
第五章 微分方程模型
按照传播过程的一般规律，用机理分析方法建立模型 模型 l 设时刻t 的病人人数x ( t )是连续、可微函数，并且每天每个病 是连续 可微函数 并且每天每个病 人有效接触的人数为常数λ t 到t +△t 病人人数的增加 x ( t + △t ) – x ( t ) =λx ( t ) △t
dx x , x(0) x0 dt 随着t的增加，病人人数 的增加 病人人数x ( t )无限增长，这显然是不符合实际的。 无限增长 这显然是不符合实际的 失败的原因：有效接触的人群中，有健康人也有病人，而只有健 康人才可以被传染为病人，所以在改进的模型中必须区别这两种人。
微分方程模型(全)
解：设t时刻容器内的盐量为x(t)kg
t到t+dt, dt时间内容器中盐的改变量为dx,
dx=注入的盐水所含盐量-抽出的盐水中所含盐量
0.01 3dt
100
xt 3-
2t
2dt
dx
0.03dt
100
xt 3-
2t
2dt
0.03dt
2x 100
t
dt
dx 0.03 2x
dt
100 t
利用微分方程解决这样的问题的一般 步骤如下： （分为六步）
第一步: 注意到实际问题中有与数学中“导数”
有关的常用词，如
“速度”、“速率”（运动学、化学反应 中“）边；际的”（经济学中）；
“增长”（生物学、金融、经济等中）； “衰变”（放射性问题中）；
以及与“改变”、“变化”、“增加”、 “减少”等有关词语，都可能是微分方程的 问题。
单位 km/h 换成 m/s.
现在可以计算出“黄灯时间”
( Db
v02 ) 2 fg
A T Db I L T
v0
I
L .
v0
2 fg v0
模型应用和数据试验（暂略）
例 5：作战模型
例5 作战模型
题目：讨论传统的正规战争、游击战争、以及
分别使用正规部队和游击部队的所谓混合战争 的作战模型。
当然，这些模型是非常简单的，只考虑双 方的兵力的多少和战斗力的强弱，并且当时只 使用枪炮之类的常规武器。兵力因战斗减员和 非战斗减员而减少，由于增援而增加；战斗力 是杀伤对方的能力，它与射击率（单位时间的 射击次数）、射击命中率以及战争类型（正规 战、游击战等）有关。即这些模型仅考虑战场 上的兵力的优劣，并没有考虑交战双方的政治、 外交、经济、社会等因素，所以仅用这些模型 来判别一场战争的结局是不现实的。
微分方程模型
模型评价
隔离病人和在传染病爆发前对易感人群接 种疫苗都是有效降低日接触率λ 种疫苗都是有效降低日接触率λ, 使σ减小, 减小, 从而使病人比例减小; 从而使病人比例减小; 研发特效药是有效提高日治愈率 使使σ 研发特效药是有效提高日治愈率;使使σ 减小,从而使病人比例减小; 减小,从而使病人比例减小;
微分方程模型
常微分方程
常微分方程是最简单的微分方程之一，也 是在建模中经常使用的方程； 常微分方程就是各项系数为常数的微分方 程； y '+ y + xy 2 = 0 微分方程的解就是满足这个式子的函数 y=f(x,C)； y=f(x,C)；
Mathematica解常微分方程 Mathematica解常微分方程
SIS模型问题描述 SIS模型问题描述
有些传染病如流行性感冒、伤风等愈后免 疫力很低，于是病人被治愈后变成健康者， 健康者还可以被感染再变成病人。 传染病的传播是有一定范围的，在传染病 传播期内所考察地区的总人口数相对稳定。
SIS模型变量假设 SIS模型变量假设
传染病区总人口设为N 传染病区总人口设为N； 传染病区人群分为健康者和病人，它们在 人口所点比例分别为s(t)和i(t)； 人口所点比例分别为s(t)和i(t)； 日接触率：每个病人每天有效传染的平均 人数百分比λ 人数百分比λ，当病人与健康者接触，一 部分健康者就会被感染变为病人； 日治愈率：每天被治愈的病人点总病人总 数的百分比 数的百分比；
第五章微分方程模型64786共69页
建模 s(t) i(t) r(t) 1
3个函数有两个独立，需建立 i(t),s(t),r(t) 的两个方程
SIR模型
N [ i ( t t ) i ( t ) ] N ( t ) i ( t ) s t N ( t ) ti
N [ s ( t t ) s ( t ) ] N ( t ) i ( t s ) t
ds
dt
si
di
ds
1 1
s
i
) i0 , s (0 ) s0
s(t)单调减相轨线的方向
im
s1/,iim t,i0
i(s)(s i)s1lns
00
s0
P4
P2
P1
P3
s 满s足 0i0s 1lnss 0 0
0 s S0 1/ s0
1s
P1: s0>1/ i(t)先升后降至0
增加假设 建模
3）I病人每天治愈的比例为
~日治愈率
N [ i ( t t ) i ( t ) ] N ( t ) i ( t ) s t N ( t ) ti
ddti i(1 i) i
i(0) i0
~ 日接触率 1/ ~感染期
/
~ 一个感染期内每个病人的有效
接触人数，称为接触数。
di
dt
si i
ds
dt
si
i(0 ) i0 , s (0 ) s 0
无法求出 i(t),s(t) 的解析解
在相平面 s~i上研
究解的性质
i0s01(通r常 (0)r0很小）
SIR模型
di
dt
si
i
ds
dt
si
消去dt
/
《微分方程模型》课件
即 f (x) 2xdx C x2 C.
又由条件: 曲线过(1,3), 即 f (1) 3,
于是得 C 2. 故所求的曲线方程为:
y x2 2.
第一章 绪论
常微分方程是现代数学的一个重要分支,是人们解决各 种实际问题的有效工具,它在几何,力学,物理,电子技术,自 动控制,航天,生命科学,经济等领域都有着广泛的应用,本 章将通过几个具体例子,粗略地介绍常微分方程的应用,并 讲述一些最基本概念.
§1.1 微分方程模型
微分方程:
联系着自变量,未知函数及其导数的关系式.
解: 设t时刻时镭元素的量为R(t),
由于镭元素的衰变律就是R(t)对时间的变化律dR(t) , dt
依题目中给出镭元素的衰变律可得:
dR kR, dt
R(0) R0
这里k 0,是由于R(t)随时间的增加而减少 .
解之得: R(t) R0ekt
即镭元素的存量是指数规律衰减的.
例2 物理冷却过程的数学模型
物体的温度与其所在的介质的温度之差成正比.
解: 设物体在时刻 t 的温度为 u(t). 根据导数的物理意义, 则
温度的变化速度为 du . 由Newton冷却定律, 得到 dt
du dt
k (u
ua ),
其中 k 0 为比例系数. 此数学关系式就是物体冷却过程的数
学模型.
注意:此式子并不是直接给出u 和 t 之间的函数关系,而只是
（3.2）
（3.2）的解为: θ(t)= θ0cosωt
当 t T 时,θ(t)=0 4
故有
g T
l4 2
其中 g
l
由此即可得出
T 2 gБайду номын сангаас
数学建模微分方程模型
数学建模微分方程模型在数学建模的旅程中，微分方程模型扮演了至关重要的角色。
它们在描述和解决各种实际问题中，从物理学到社会科学，都起到了关键的作用。
在本章中，我们将探讨微分方程模型的基本概念、类型和应用。
微分方程是一种方程，它包含未知函数的导数。
这种方程在描述变化率时非常有用，例如，描述物体的速度或加速度。
在形式上，微分方程可以表示为 y'(x) = f(x, y)，其中 y'表示 y的导数，f是一个给定的函数。
根据方程的特点，微分方程可以划分为多种类型，如线性微分方程、非线性微分方程、常微分方程、偏微分方程等。
每种类型的方程都有其特定的求解方法和应用领域。
微分方程在众多领域中都有应用，如物理学、工程学、经济学等。
例如，牛顿第二定律就是一个微分方程，它描述了物体的加速度如何由作用力决定。
人口增长模型、传染病模型等也都依赖于微分方程。
建立微分方程模型通常需要以下步骤：确定模型的目标和变量；然后，根据问题背景和物理规律建立数学模型；通过数值计算或解析解法得出结果。
求解微分方程的方法主要有两种：数值方法和解析方法。
数值方法是通过计算机程序或软件进行数值计算得到近似解，而解析方法是通过求解方程得到精确解。
对于某些类型的微分方程，可能需要结合使用这两种方法。
建立微分方程模型后，我们需要对模型进行评估和检验，以确保其有效性和准确性。
这通常包括对模型的假设进行检验、对模型的预测结果进行验证以及对模型的参数进行估计和调整等。
随着科学技术的发展，微分方程模型的应用前景越来越广阔。
例如，在生物学中，微分方程被用来描述疾病的传播动态；在经济学中，微分方程被用来分析市场供需关系的变化；在工程学中，微分方程被用来模拟复杂系统的行为等。
未来，随着大数据和人工智能等技术的发展，微分方程模型将在更多领域得到应用和发展。
微分方程模型是数学建模中一个极其重要的部分。
通过学习和掌握微分方程的基本概念、类型、应用以及求解方法等，我们可以更好地理解和解决现实生活中的各种问题。
微分方程模型.ppt
利用达伦贝尔动力平衡原理建模
• 请建立如图系统的微分方程模型
Example :mass-spring-damper
cy
k ky y M Mຫໍສະໝຸດ cyf(t)
f(t)
达伦贝尔力平衡原理
d y (t ) dy M c ky (t ) f (t ) 2 dt dt
2
古斯塔夫· 罗伯特· 基尔霍夫
y 0 y
y0
df dx
f ( x)
x0
We get Δ y=kΔ x Or y=kx
A
y kx
x
x0 x0 x
非线性系统的线性化
请列出系统的微分方程并线性化。
例 （理想单摆运动）建立理想单摆运动满足的微
分方程，并得出理想单摆运动的周期公式。 从图中不难看出，小球所受的合力为mgsinθ， 根据牛顿第二定律可得： ml mg sin
Does not satisfy the superposition property
and
(3)
yx
2
When
x x0 x
y y0 y Equation (2) can be rewritten
as
y0 y kx0 kx b
We have
y kx
or
y kx
Linearization of Weak Nonlinear Characteristic
Linearization using Taylor series point( Equilibrium Position)
expansion about the operating
The output-input nonlinear characteristic of y=f(x) is illustrated in the following figure:
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
• 描述对象特征随时间(空间)的演变过程 • 分析对象特征的变化规律 • 预报对象特征的未来性态 • 研究控制对象特征的手段
微分 方程 建模
• 根据函数及其变化率之间的关系确定函数 • 根据建模目的和问题分析作出简化假设 • 按照内在规律或用类比法建立微分方程
问题
5.1 传染病模型
• 描述传染病的传播过程 • 分析受感染人数的变化规律 • 预报传染病高潮到来的时刻 • 预防传染病蔓延的手段
1s
P1: s0>1/
0 P2: s0<1/
i(t)先升后降至 i(t)单调降至0
传染病蔓延 1/ 传染病不蔓延 ~阈
值
模型4
预防传染病蔓延的手段
SIR模型
传染病不蔓延的条件——s0<1/ • 提高阈值 1/ 降低 (=/)
,
(日接触率) 卫生水平
(日治愈率) 医疗水平
• 降低 s0
i(1 i)
i
i(0) i0
~ 日接触率 1/ ~感染期
/ ~ 一个感染期内每个病人的
有效接触人数，称为接触数。
模型3
di/dt
dii(1i)i /
dt
i
dii[i(11)]
dt
i
>1
i0
>1
1
1-1/
i0 di/dt < 0
0
1-1/ 1 i
i0
0
i()
1
1
0
t
接触数 =1 ~ 阈值
s(t)i(t)1
di dt
i (1 i )
i ( 0 )
i 0
模型2
di
dt
i (1 i )
Logistic 模型
i
i ( 0 )
i 0
1
i(t)
1
1/2
i0
0
tm
t=tm, di/dt 最大
1
1 i0
1et
t
tm
1
ln
1 i
0
1
tm~传染病高潮到来时刻 t i 1?
1i(t)
i0小
1
i(t)按S形曲线增长感健染康期者内人数有不效超接过触病感人染数的
模型2(SI模型)如何看作模型3(SIS模型)的特例
模型4
传染病有免疫性——病人治愈 后即移出感染系统，称移出者
SIR模型
假设 1）总人数N不变，病人、健康人和移
出者的比例分别为 i(t),s(t),r(t)
di
dt
si i
ds
dt
si
无法求出 i(t),s(t)
的解析解
i(0 ) i0 , s (0 ) s0
在相平面 s~i 上
研究解的性质
i0s01(通r常 (0)r0很小）
模型4
SIR模型
di
dt
si
i
ds
dt
si
消去dt
/
di
ds
1 1
s
i
s
s0 - 1/ = x2
小, s0 1
提高阈值1/ 降低 被传染人数比例 x
5.2 经济增长模型
增加生产 发展经济 增加投资 增加劳动力 提高技术
• 建立产值与资金、劳动力之间的关系 • 研究资金与劳动力的最佳分配，使投资效益最大
• 调节资金与劳动力的增长率，使经济(生产率)增长
1. 道格拉斯(Douglas)生产函数
模型2
假设
建模
区分已感染者(病人)和未感染者(健康人)
1）总人数N不变，病人和健康
人的 比例分别为 i(t),s(t)
SI 模型
2）每个病人每天有效接触人数 ~ 日
为, 且使接触的健康人致病
接触率
N [ i( t t) i( t) [ ]s ( t)N ] ( t) ti
di si
dt
zQ/Lf0g(y) g(y)y, 01
Qf0L(K/L)
g(y)
Q (K,L)f0KL 1 Douglas生产函数
Q, Q 0 K L
2Q 2Q K2 , L2 0
(日接触率) tm
病人可以治愈！
模型3
传染病无免疫性——病人治愈成 为健康人，健康人可再次被感染 SIS 模型
增加假设 3）病人每天治愈的比例为 ~日治愈率
建模 N [ i ( t t ) i ( t ) ] N ( t ) i ( t ) s t N ( t ) t
di dt
• 按照传播过程的一般规律， 用机理分析方法建立模型
模型1 已感染人数 (病人) i(t)
假设
• 每个病人每天有效接触
(足以使人致病)人数为
建模 i(t t) i(t)i(t) t
di i dt i(0 ) i0
i(t)i0et
t i ?
若有效接触的是病人， 则不能使病人数增加
必须区分已感染者(病 人)和未感染者(健康人)
SIR模型
di
dt
si
i
ds
dt
si
di
ds
1 1
s
i
s s0
i0
i
1
i(s)(s0i0)s1lnss0
D
i(0 ) i0 , s (0 ) s0
P4
s(t)单调减相轨线的方向 im
s1/,iim t,i0
P2
P1
P3
s 满s足 0i0s1lnss 0 0 0 s S0 1/ s0
2）病人的日接触率 , 日治愈率, 接触数 = /
建模 s(t) i(t) r(t) 1
需建立 i(t),s(t),r(t)的两个方程
模型4
SIR模型
N [ i ( t t ) i ( t ) ] N ( t ) i ( t ) s t N ( t ) ti
N [ s ( t t) s ( t) ] N ( t) i ( t s ) t
s s 0
i 0
相轨线
i(0 ) i0 , s (0 ) s0
相轨线 i ( s ) 的定义域
i(s)(s0ii0)s1lnss0
D { s ,i( )s 0 ,i 0 ,s i 1 } 1
在D内作相轨线 i ( s )
的图形，进行分析
D 0
s
1
模型4 相轨线 i ( s ) 及其分析
的估计
提高 r0
s0i0r01
s0 i0 s1lnss 0 0 忽略i0
群体免疫
lns0 lns
s0 s
模型4
被传染人数的估计
SIR模型
记被传染人数比例 xs0s
s0
i0
s1lnss 0
0
i0
0,
s0
1
x 1ln1( x)0
s0
i
x<<s0 x(1s012sx02)0
x2s0(s0 1)
P1
0 s 1/ s 0
产值 Q(t)
资金 K(t) 劳动力 L(t) 技术 f(t) = f0
Q (t)f0F (K (t)L ,(t))F为待定函数
1. 道格拉斯(Douglas)生产函数
静态模型 Q (K ,L )f0F (K ,L )
每个劳动 力的产值
z
Q L
每个劳动 力的投资
y
K L
模型假设 z 随着 y 的增加而增长，但增长速度递减