具有饱和感染率的随机SIR传染病模型的性质分析
带有饱和发病率的离散SIR传染病模型的稳定性及分支问题

带有饱和发病率的离散SIR传染病模型的稳定性及分支问题许立滨;李冬梅;董在飞【摘要】考虑了饱和型发病率对SIR传染病模型的影响,建立了一个具有饱和型发病率的离散SIR传染病模型,利用Jury准则对线性化系统的特征根进行分析,并获得了平衡点的局部稳定性及分支点,通过选取适当的参数,运用Neimark-Sacker分支存在理论,讨论了模型的分支问题.%A discrete SIR model with saturation incidence is established to study the effect of saturation incidence.Local stability of the equilibrium and bifurcation points are obtained by using Jury criteria and investigating the linearized characteristic equation.Then bifurcation scenario is discussed by choosing the appropriate parameter and using the theory of Neimark-Sacker bifurcation.【期刊名称】《哈尔滨理工大学学报》【年(卷),期】2017(022)003【总页数】5页(P117-120,126)【关键词】饱和发病率;离散模型;阈值;稳定性;分支【作者】许立滨;李冬梅;董在飞【作者单位】哈尔滨理工大学应用科学学院,黑龙江哈尔滨150080;哈尔滨理工大学应用科学学院,黑龙江哈尔滨150080;哈尔滨理工大学应用科学学院,黑龙江哈尔滨150080【正文语种】中文【中图分类】O175许多学者针对连续时间下的SIS, SIR,SIRS传染病模型,给出了有关疾病传播规律的诸多研究结果[1-3] 。
具有饱和发生率的SIRS传染病模型的稳定性_崔倩倩

SIRS 型 传 染 病 模 型 如 下 :
烄dSdt(t)=aA-1β+SαII+δR-dS, 烅dSdt(t)=bA+1β+SαII-(μ+γ+d)I, 烆dSdt(t)=cA+γI-(δ+d)R,
(2)
式(2)中:1β+SαII为染病者的饱和发生率,d 为自然死
亡率系数,μ 为因病 死 亡 率 系 数,γ 为 恢 复 率 系 数,δ 为失去免疫率系数,且 这 里 假 设 参 数 d、μ、δ、A、β、γ 都 是 正 整 数 ,分 别 具 有 一 定 的 生 态 意 义 。
地方病平衡点E* (S* ,I* ,R* )在βA/[d(1+αI* )(μ+ γ+d)]≤1条件下是全局渐近稳定的。
定理2得证。
4 结语
1)本 文 研 究 了 一 类 各 类 都 具 有 常 数 输 入 且 具 有 饱和发生率 的 SIRS 传 染 病 模 型,由 于 各 类 都 具 有 常数输入,因此模型(2)总 存 在 地 方 病 平 衡 点,不 存 在 无 病 平 衡 点 ,即 当 感 染 者 具 有 人 口 输 入 时 ,此 类 疾 病在本地区一直 存 在,成 为 流 行 病,无 法 消 除,且 当
衡 点 ,只 存 在 相 应 于 疾 病 流 行 的 地 方 病 平 衡 点 ,可 记
为 E* (S* ,I* ,R* )。
定理1:模型 (2)不 存 在 无 病 平 衡 点,总 存 在 地
方病平衡点 E* (S* ,I* ,R* ),其中
S*
=
(1+aI*
)((μ+γ+d)I* βI*
-bA),
R* =cAδ++γdI* ,且I* 是方程[-δ(μ+d)-
证明:由于地方病平衡点 E* (S* ,I* ,R* )满 足 方 程 (4),则 模 型 (2)等 价 于 下 面 模 型
传染病传播模型中的随机性因素分析

传染病传播模型中的随机性因素分析随着科技的进步和人类社会的发展,传染病的传播问题逐渐引起了人们的关注。
传染病传播模型作为研究传染病传播规律的一种工具,被广泛地应用于传染病控制和预防策略的制定中。
在传染病传播模型中,随机性因素起着至关重要的作用。
本文将从传染病传播模型的随机性因素分析入手,以期加深我们对传染病传播机制的理解,为疾病的防控提供理论依据。
一、传染病传播模型传染病传播模型是用数学方法表达传染病在个体之间的传播过程,并对传播规律进行建模和分析的工具。
常见的传染病传播模型有SIR模型、SEIR模型等。
SIR模型将人群划分为易感染者 (Susceptible)、传染者 (Infectious) 和康复者/免疫者 (Recovered) 三类,通过建立微分方程,描述了个体在这三种状态之间变化的动力学过程。
传染病传播模型的建立旨在分析传播过程中的关键因素,为传染病的控制和预防提供科学依据。
二、随机性因素分析然而,传染病的传播过程并非完全受到确定性的规律所控制,随机性因素也会对传播过程产生重要影响。
随机性主要表现在以下几个方面:1. 人口移动性:人群的移动性是影响传染病传播的重要随机性因素。
人群的迁入和迁出,旅游活动,通勤行为等都会导致传染病的扩散。
人口迁徙的不确定性,使得传染病传播模型中的初始条件不确定,进而对传播结果产生影响。
2. 个体接触网络:个体之间的接触方式和频率是传染病传播模型中的另一个重要随机性因素。
个体之间的接触网络难以完全测量,其拓扑结构和网络特性的变化会使得传染病传播过程更具随机性。
3. 传染过程:传染病的传播过程本身也存在随机性。
传染的概率、传播路径和传染周期均受到随机性因素的影响。
个体之间的接触传染概率、病毒的变异等都会引入随机性,影响传播模型的准确性。
三、随机性对传播模型的影响传染病传播模型中的随机性因素会对传播过程的模拟和预测产生重要影响。
具体来说,随机性会在以下几个方面对传播模型产生影响:1. 模型准确度:传播模型的准确性受到随机因素的限制。
一类具有饱和传染率、免疫接种和垂直传染的SIR传染病模型的全局稳

文 章编 号:1 6 7 4 - 8 0 8 5 ( 2 0 1 5 ) 0 4 — 0 0 1 3 - 0 4
一
类具 有饱和传 染率 、免疫接种和垂直传染 的 S I R
传 染病 模 型 的 全局稳 定性 分 析
朱 春 娟
( 韶关 学院 数学 与统 计学 院 ,广东 ,韶 关 5 1 2 0 0 5 )
s ab t i l i y t
还 有更 符 合实 际 的饱和接 触 率 。在 传 统 的流 行 病模
0 引言
传染 病在 现实 生活 中广 泛存 在 ,利 用动力 学方 法来 研究 传染 病是 非常 重要 的方 法之 一【 】 。 】 。 在 文献
型 中 ,通常 假设平 均 每个 染病者 在 单位 时问 内可与
r
能力 总是 有 限的 ,因而接 触率不 会 随着种 群规 模 的
无 限增大 而增 大 ,而应 该逐 渐趋 于一 个饱和 状 态 。 在对 1 9 7 3 年 发 生 在 巴里 的霍 乱 疫 情 研 究 之 后 ,
C a p a s s o a n d S e r i o在传 染 病模 型 中引进 了饱 和传染 g ( I ) S[ 1 0 ] 0
摘
要 :针对一类具有饱和传染率 、免疫接种和垂直传 染的 S I R传染病模型 ,确 定了疾病 的基 本再生数 。得 出结
论 :当疾病 的基 本再 生数 小于 l 时,无病平衡点是全局渐近稳定的 ,当疾 病基 本再生数大于 1 时,地方病平衡 点
是全局渐近稳定的。
关键词 :S R 传染病模 型;饱和传染率 ;免疫接种 ;垂直传染;稳定性 I
Z HU C h u n - j u a n
( C o l c s a n d S t a t i s t i c s , S h a o g u a n U n i v e r s i t y , S h a o g u a n , Gu a n g d o n g 5 1 2 0 0 5 , C h i n a )
具有饱和发生率的SIRS传染病模型的稳定性_崔倩倩

第 31 卷 第 6 期 2013 年 12 月
石 河 子 大 学 学 报 (自 然 科 学 版 ) Journal of Shihezi University(Natural Science)
文 章 编 号 :1007-7383(2013)06-0789-03
1+αI* βI*
[(1+αI)β(S1+αI*
)-(μ+γ+d)](I-I*
)2+
(S-S* )(I-I* )+(I-I* )(R-R* )-(δ+d)(R- γ
R* )2-2(μd+2d)(S-S* +R-R* )2-
μμ++2dd)(I-I* )2-(S-S* +R-R* )(I-I* )≤
1+αI* βI*
Vol.31 No.6 Dec.2013
具有饱和发生率的 SIRS 传染病模型的稳定性
崔 倩 倩 ,张 强 ,杨 霞
(石河子大学理学院,石河子 832003)
摘要:研究了一类饱和发生率且各类都具有常数输入的 SIRS 型传染病模型,通过构造合适的 Lyapunov函数,在一 定条件下得到了模型地方病平衡点的全局渐近稳定性。 关键词:饱和发生率;渐近稳定性;Lyapunov 函数 中 图 分 类 号 :O175.1 文 献 标 志 码 :A
ห้องสมุดไป่ตู้
SIRS 型 传 染 病 模 型 如 下 :
烄dSdt(t)=aA-1β+SαII+δR-dS, 烅dSdt(t)=bA+1β+SαII-(μ+γ+d)I, 烆dSdt(t)=cA+γI-(δ+d)R,
(2)
式(2)中:1β+SαII为染病者的饱和发生率,d 为自然死
传染病的传播模型与传播速率选择分析

传染病的传播模型与传播速率选择分析随着全球化进程的加速,传染病的传播成为一个全球性的问题。
了解传染病的传播模型和传播速率对于制定有效的防控策略至关重要。
本文将针对传染病的传播模型进行分析,并研究不同传播速率对疾病传播的影响。
一、传染病的传播模型传染病的传播模型通常采用流行病学模型进行描述。
其中最常用的是SIR模型,即易感者(susceptible)、感染者(infected)和康复者(recovered)。
该模型假设人群中的个体可以划分为这三个状态,并且通过接触而进行疾病传播。
SIR模型的基本方程可以表示为:dS/dt = -βSIdI/dt = βSI - γIdR/dt = γI其中,β表示传染率,γ表示康复率。
通过该模型,我们可以预测传染病在人群中的传播趋势以及最终的传播结果。
二、传播速率的选择传播速率是指传染病在人群中的传播速度。
传播速率与传染率、康复率以及人群的接触频率等因素有关。
在选择传播速率时,应该考虑以下几个方面:1. 传染性:不同传染病的传染性有差异,应该根据具体疾病的特点来确定传播速率。
例如,传染性较高的疾病可能需要较大的传播速率,以便更准确地预测疫情。
2. 应对能力:传播速率的选择还与人群对疾病的应对能力相关。
如果人群的医疗资源有限,传播速率应该适当调整,以减轻医疗系统负担。
在此基础上,还应考虑传播速率对社会经济发展的影响。
3. 预测准确性:传播速率与传染病的预测准确性密切相关。
较高的传播速率可能意味着更准确的预测结果,从而帮助决策者更好地制定防控策略。
三、传染病传播模型与传播速率的选择分析实例以流行性感冒为例,假设流感的传播周期为5天,传染率为0.03,康复率为0.1。
则选择传播速率为β=0.03可以较好地预测流感的传播情况。
如果将传播速率增加至β=0.05,则预测结果可能会更准确,但这同时也增加了防控的难度。
在选择传播速率时,还需要考虑疾病的传播方式和特点。
例如,空气传播的疾病可能需要较高的传播速率,而通过接触传播的疾病则可以选择适度的传播速率。
一类具有饱和传染率的SVEIR传染病r模型的定性分析

一类具有饱和传染率的SVEIR传染病r模型的定性分析吴梦媛;孙法国;陈瑶【摘要】建立带有接种的SVEIR传染病模型,得到基本再生数R 0,并讨论平衡点的存在性.通过构造Lyapunov函数及利用LaSalle不变原理,研究连续接种对传染病传播的影响.发现传染病模型的全局稳定性由基本再生数R 0决定,当R 0<1时,无病平衡点全局渐近稳定.当R 0>1时,地方病平衡点全局渐近稳定.接种是控制疾病传播的有效途径.%The SVEIR infectious disease model with vaccination is established,the basic repro-duction number is obtained,and the existence of the equilibrium point is discussed.The effects of continuous vaccination on infectious diseases by constructing Lyapunov function and the La-Salle's invariance principle.It is pointed out that the basic reproduction number R 0 determines the global stability of the epidemic model.When R 0 <1,the disease-free equilibrium is globally asymptotically stable.When R 0 > 1,the endemic equilibrium is globally asymptotically stable. The results show that continuous vaccination is an effective way to control the disease.【期刊名称】《西安工程大学学报》【年(卷),期】2017(031)005【总页数】7页(P706-712)【关键词】连续接种;饱和发生率;基本再生数;全局稳定性【作者】吴梦媛;孙法国;陈瑶【作者单位】西安工程大学理学院,陕西西安 710048;西安工程大学理学院,陕西西安 710048;西安工程大学理学院,陕西西安 710048【正文语种】中文【中图分类】O175利用数学模型来描述传染病的发展动态是一种应用广泛的方法,其中接种是预防和控制疾病传播最有效的方法之一[1-4].文献[5-7]假设个体接种后会具有终身免疫,即终生不会被感染.但对于麻疹、风疹、百日咳等疾病,个体接种后获得的免疫力会逐渐下降,且随着免疫力的丧失,接种者会再次成为易感者,因此需要对个体进行连续接种.文献[8-10]均考虑到免疫丧失这一因素,研究了简单的SIV传染病模型,文章考虑的免疫丧失率为常数.考虑到免疫完全丧失是个逐渐积累的过程,在此基础上,文献[11-15]把免疫的丧失看作一个连续变化的函数进行研究.文献[11]研究了带有接种的SIS传染病模型,结果表明在有限的医疗设施情况下,通过免疫接种来降低阈值R0的值,对未曾接种的易感者以及接种失败者会带来较高的危险.因为随着医疗的发展,对人群进行连续接种也变得普遍,所以在较大程度上解决了文献[11]提出的风险,故考虑连续接种是有必要的.因为人群的密集及疾病的传染力不同,其用到的传染率系数也会发生变化.双线性和标准型是两种典型的传染率,双线性发生率一般针对于人口数量较小、传染性很强的疾病,例如H5N1、SARS、手足口病等,考虑到单位时间内一个病人所能接触到的人口数目是有限的,这样与人口成正比的接触率就不符合实际情况,所以文献[16-18]分别运用不同类型的发生率来建立模型.文献[19]研究了具有接种的SVEIR模型的传染病,由于其未考虑免疫丧失的连续性这一条件,故在以上文献的启发下,本文研究了一类具有饱和发生率的SVEIR传染病模型,并且把免疫的丧失看作一个连续变量来考虑.假设把总人口N(t)分为易感者、接种者、潜伏者、感染者和恢复者5个仓室,分别用S,V,E,I,R表示.在t时刻易感者、接种者、潜伏者、感染者以及恢复者人群的数量分别用S(t),V(t),E(t),I(t)和R(t)表示.根据疾病的传播机理建立式(1)的SVEIR传染病模型:其中:在模型中,Λ表示该人群的常数输入率,且假设输入的都是易感者;μ表示个体的自然死亡率;ξ表示易感者的接种率;V(θ,t)表示在t时刻接种仓室内接种年龄的密度分布,即t时刻接种者仓室里的接种总人口是V(θ,t)dθ.α(θ)表示免疫丧失率,α(θ)=0时表示接种完全有效,这里假设0<α(θ)<1,也就是说接种不是完全有效的,进而需要对接种者进行连续接种;δ表示潜伏者成为感染者的转化率;pγ表示感染者因病毒导致的死亡率;(1-p)γ表示感染者的恢复率,其中0<p<1,其它各项参数均为正常数.利用Volterra积分方程,令系统(1)的第二个方程沿着特征线t-θ=c(c为常数)积分,得其中:考虑到实际意义,只对t>θ≥0进行研究.由文献[20]知系统(1)中的第一个方程式可写为其中:Γ(θ)=ξα(θ)Γ0(θ).模型(1)的动力学性态等价于为了在后面的讨论中方便,做以下的记号:Γ0的生物学意义是接种者在V仓室里的平均时间.接种者以两种方式离开V仓室:自然死亡μ Γ0和免疫力完全丧失1-μΓ0,其中ξ(1-μ Γ0)是由于免疫力丧失进入易感者仓室的人均比率.令N(t)=S(t)+E(t)+I(t)+V(θ,t)dθ,则满足条件(2)时有≤A-dN,且由此知模型(5)的正向不变集为以下的讨论都是在可行域W中进行.由文献[21]可以求出模型(5)的基本再生数R0=.定理1 模型(5)始终存在一个无病平衡点P0(S0,0,0);当R0>1时,模型(5)在W的内部还存在唯一的地方病平衡点P*(S*,E*,I*).证明很容易看出,模型(5)总存在一个无病平衡点P0=(S0,0,0),其中S0=;地方病平衡点P*(S*,E*,I*)满足方程组由方程组(7)的第2和第3个方程式,得把式(8)带入模型(7)中第1个方程记由表达式知g(I)在[0,+∞)关于I单调递减,且有所以R0<1时,g(I)<0,方程(9)无正解,从而模型(5)仅存在无病平衡点P0;R0>1时,g(I)存在唯一的正解I*.结合式(11)和(12)可知模型(5)在区间上有唯一正平衡点P*=(S*,E*,I*).定理2 当R0<1时,模型(5)的无病平衡点在W上全局渐近稳定;当R0>1时,模型(5)的无病平衡点在W上不稳定.证明方程组(5) 在无病平衡点处的雅克比矩阵为其特征方程为记由根与系数的关系知:当R0>1时,二次函数H(λ)=0至少有一个正实根,故无病平衡点P0不稳定;当R0<1时,二次函数H(λ)=0只存在负实根.假设λ+μ+ξ-exp(-λθ)Γ(θ)dθ=0有正实根.由Γ(θ)和Γ0(θ)的表达式知:这是矛盾的,故式(13)的所有特征根均具有负实部.因此当R0<1时,在W中是局部渐近稳定的.假定(S(t),E(t),I(t))是满足方程组(5)以及初始条件的任意解.考虑函数由g(x)=x-1-lnx≥0(x∈R+)知,则在P0处是正定的.构造Lyapunov函数利用等式则L1关于式(5)的全导数为把Λ=(μ+ξ)S0-Γ(θ)S0dθ带入,得因为ln-+1≤0(当且仅当S(t-θ)=S(t)时等式成立),所以当R0<1时<0,且在其最大不变集W内有唯一解{P0}.由LaSalle不变原理知无病平衡点是全局渐近稳定的. 定理3 当R0>1时,模型(5)的地方病平衡点P*(S*,E*,I*)在W上全局渐近稳定.证明设(S(t),E(t),I(t))是系统(5)的任意正解.考虑正定函数:构造Lyapunov函数:θ.L2关于式(5)的全导数为其中:Λ=+(μ+ξ)S*-Γ(θ)S*dθ, =(μ+δ)E*, δE*=(μ+pγ)I*.由>,+·++≥4和1+lnx-x≤0可知,当且仅当S(t)=S*,E(t)=E*,I(t)=I*和θ=0时等式成立.综上可知≤0,且只有在地方病平衡点P*(S*,E*,I*)处等式成立.在中P*(S*,E*,I*)是唯一的正平衡点,由LaSalle不变原理知在R0>1时地方病平衡点P*是全局渐近稳定的.取疾病的饱和发生率中m=0.001,对此模型进行数值模拟.首先取参数Λ=1,μ=0.02,ξ=0.95,Γ0=0.1,β=0.000 003,δ=0.01,α=1.01,γ=0.000 4.由定理2可知,无病平衡点全局渐近稳定.在图1中,取不同初始值做数值模拟,不难看出无病平衡点是全局渐近稳定的.令β=0.000 3,μ=0.046,ξ=0.05,δ=0.001,其他参数不变,由定理3可知,地方病平衡点全局渐近稳定.在图2中,取不同初始值做数值模拟,易看出地方病平衡点是全局渐近稳定的.本文讨论了接种以及免疫丧失对传染病的影响,给出了基本再生数R0的具体表达式,并且证明当R0<1时无病平衡点全局渐近稳定;当R0>1时地方病平衡点全局渐近稳定.无接种时基本再生数RNV=,通过比较可知R0<RNV.因为基本再生数代表着一个病人在平均患病期内所传染的人数,由两者的大小关系可知接种能够有效减小基本再生数,所以接种是控制疾病传播的有效途径.数值实验说明,通过适当的调整参数,可以得到无病平衡点和地方病平衡点的稳定性.E-mail:****************WU Mengyuan,SUN Faguo,CHEN Yao.An analysis of a SVEIR epidemic model with saturation incidence rate[J].Journal of Xi′an Polytechnic University,2017,31(5):706-712.【相关文献】[1] HABER M,LONGINI I M,HALLORAN M E.Measures of the effects of vaccination in a randomly mixing population[J].International Journal of Epidemiology,1991,20(1):300-10.[2] SHULGIN B,STONE L,AGUR Z.Pulse vaccination strategy in the SIR epidemicmodel[J].Bull Math Biol,1998,60(6):1123-1148.[3] IANNELLIA M,MARTCHEVAB M X.Strain replacement in an epidemic model with super-infection and perfect vaccination[J].Mathematical Biosciences,2005,195(1):23-46.[4] COUTINHOABREU I V,RAMALHOORTIGAO M.Transmission blocking vaccines to control insect-borne diseases-a review[J].Memorias Do Instituto OswaldoCruz,2010,105(1):1-12.[5] PEI Y Z,LIU S Y,CHEN L S.Two different vaccination strategies in an SIR epidemic model with saturated infections force[J].International Journal of Biomathematics,2012,1(2):147-160.[6] BUONOMO B,D′ONOFRIO A,LACITIGNOLA D.Global stability of an SIR epidemic model with information dependent vaccination[J].Mathematical Biosciences,2008,216(1):9-16. [7] HUANG G,LIU X N,TAKEUCHI Y.Lyapunov functions and global stability for age-structured HIV infection model[J].Siam Journal on Applied Mathematics,2012,72(1):25-38.[8] XIAO Y N,TANG S Y.Dynamics of infection with nonlinear incidence in a simple vaccination model[J].Nonlinear Analysis Real World Applications,2010,11(5):4154-4163. [9] 张静静,孙法国.一类带隔离项的具非线性传染率的SIQ模型的全局分析[J].纺织高校基础科学学报,2014,27(3):309-313.ZHANG J J,SUN F G.Global analysis of a class of SIQ models with nonlinear incidence rate with isolation terms[J].Basic Sciences Journal of Textile Universities,2014,27(3):309-313.[10] LI J Q,YANG Y L,ZHOU Y C.Global stability of an epidemic model with latent stage and vaccination[J].Nonlinear Analysis:Real World Applications,2011,12(12):2163-2173.[11] LI X Z,WANG J,GHOSH M.Stability and bifurcation of an SIVS epidemic model with treatment and age of vaccination[J].Applied Mathematical Modelling,2010,34(2):437-450.[12] DUAN X C,YUAN S L,LI X Z.Global stability of an SVIR model with age of vaccination[J].Applied Mathematics and Computation,2014,226(12):528-540.[13] DUAN X C,YUAN S L,QIU Z P.Global stability of an SVEIR epidemic model with ages of vaccination and latency[J].Computers and Mathematics with Application,2014,68(3):288-308.[14] GULBUDAK H,MARTCHEVA M.A structured avian influenza model with imperfect vaccination and vaccine induced asymptomatic infection[J].Bulletin of Mathematical Biology,2014,76(10):2389-2425.[15] YANG W,SUN C J,ARINO J.Global analysis for a general epidemiological model with vaccination and varying population[J].Journal of Mathematical Analysis and Applications,2010,372(1):208-223.[16] 吴梦媛,孙法国,陈瑶.一类具有非线性传染率的SVEIR模型的定性分析[J].西安工程大学学报,2016,30(6):882-888.WU M Y,SUN F G,CHEN Y.Global analysis of a SVEIR epidemic model with nonlinear incidence rate[J].Journal of Xi′an Polytechnic University,2016,30(6):882-888.[17] 张虹,孙法国,李海赟.一类带有非线性传染率的SEIR传染病模型的全局分析[J].纺织高校基础科学学报,2011,24(4):473-478.ZHANG H,SUN F G,LI H Y.Global analysis of a SEIR epidemic model with nonlinear incidence rate[J].Basic Sciences Journal of Textile Universities,2011,24(4):473-478.[18] NAKATA Y,ENATSU Y.Stability and bifurcation analysis of epidemic models with saturated incidence rates[J].Mathematical Biosciences and Engineering,2014,11(4):785-805.[19] SAHA G P,DHAR J.Analysis of an SVEIS epidemic model with partial temporary immunity and saturation incidence rate[J].Applied MathematicalModelling,2012,36(3):908-923.[20] D′AGATA E M C,MAGAL P,RUAN S,et al.Asymptotic behavior in nosocomialepidemic models with antibiotic resistance[J].Differential and Integral Equation,2006,19(5):573-600.[21] DRIESSCHE P V D,WATMOUGH J.Reproduction numbers and sub-threshold endemic equilibria for compartmental models of disease transmission[J].Mathematical Biosciences,2002,180(1/2):29.。
SIR传染病模型

SIR传染病模型1.SIR传染病模型是⼀种常微分⽅程模型。
⽤于描述可治好,且治好之后不再感染的传染病的情况。
如⿇疹,疟疾等。
2.具体假设:它把⼀定封闭区域的全部⼈分成3种,分别是S,I,R。
S是易感种群,他们是没有感染的⼈,但易被感染。
I是已感种群,他们是当前感染的⼈,可成为康复者。
R是已愈种群,他们是之前感染,现已康复的⼈。
⽅程组1:S'=-bSI (1)I'=bSI-vI (2)R'=vI (3)(1)说明S减⼩的速率S'与S成正⽐,也就是易感种群更⼤,感染疾病的可能性更⼤。
⽽与I成正⽐这是显然的,另外b是感染系数,与疾病本⾝有关。
(2)bSI可以看成是输送到I的速率,vI可是看成从I输送到R的速率。
(3)R增⼤的速率与I成正⽐,这与实际也是⼀样的,v是康复系数,与治疗⽔平有关。
于是这⾥有(S+I+R)'=0,从⽽N=S+I+R是⼀个常数,它是区域⼈⼝的⼤⼩。
由⽅程组1,我们得到如下式⼦:I'/S'=-1+v/(bS)于是⼜有dI/dS=-1+v/(bS)从⽽有I=I(S)=-S+v/b*lnS+C(C是常数)通过求出I(S)的导数我们得到I(S)的稳定点是S=v/b3编程我们⽤matlab画出I(S)的图像:%先给出3个数据v0=.1;b0=.1;C0=3;I=@(S,v,b,C)-S+v/b*log(S)+C;%这⾥创建函数fplot(@(S)I(S,v0,b0,C0),[0 5])%这⾥画主图xlabel S% x轴ylabel I% y轴hold on; %还画其它fplot(@(x)0,[0 5])%画I=0这⼀直线x=[v0/b0;v0/b0];y=[0;I(v0/b0,v0,b0,C0)];line(x,y)%画S=v/b这⼀直线4分析由图像可以看出3个染病阶段,⼀开始S很⼤,I=0;然后S变⼩,I上升到峰值;最后S再变⼩,I回到0;可以看出,稳定点S=v/b的数值对传染病的蔓延程度肆虐与否起了⾄关重要的作⽤。
- 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)。
(
)
(4)
将 L 作用到函数 V ( x, t ) ∈ C 2,1 R d × [t0 , ∞ ] ; R+ 上,则
2 1
Received: May 15th, 2014; revised: Jun. 18th, 2014; accepted: Jun. 25th, 2014 Copyright © 2014 by authors and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/
128
M β ( t ) 0.1( sint + 1.5 ) ), 0<= : max β ( t ) (i.e.= β L : min β ( t ) ≤ β ( t ) ≤ β = t ∈R t ∈R
具有饱和感染率的随机 SIR 传染病模型的性质分析
研究了如下随机系统的渐近性质:
β (t ) S (t ) I (t ) dS ( t ) =− A µS S ( t ) − 1 + α S ( t ) + α I ( t ) dt + σ 1 S ( t ) dB1 ( t ) , 1 2 β (t ) S (t ) I (t ) = − ( µ I + α + γ ) I ( t ) dt + σ 2 I ( t ) dB2 ( t ) , dI ( t ) 1 + α1 S ( t ) + α 2 I ( t ) (γ I ( t ) − µ R R ( t ) ) dt + σ 3 R ( t ) dB3 ( t ) . dR ( t ) =
dx ( t ) = f ( x ( t ) , t ) dt + g ( x ( t ) , t ) d B ( t ) , t ≥ t 0 .
设 V ( x, t ) 为定义在 C 2,1 R d × [t0 , ∞ ] ; R+ 上的函数,对 x 至少二阶连续可微和对 t 至少一阶连续可微。 算子 L 定义为
2 可以看出,模型(3)满足局部 Lipschitz 条件,由文献[12]可知,对任意给定的初值 x0 ∈ R+ ,方程存在
129
具有饱和感染率的随机 SIR 传染病模型的性质分析
A , 0, 0 的渐近性质 3. 随机系统(3)关于点 E0 = µS
A 容易看出,点 E0 = , 0, 0 是确定性系统(2)无病平衡点,但不是相应随机系统(3)的无病平衡点。 µ S 在传染病动力性的研究当中,无病平衡点的稳定性表明了系统中的传染病终究会灭绝,对研究系统中种 A 群与疾病的发展规律有重要的作用。本节研究随机系统(3)关于点 E0 = , 0, 0 的渐近性质。 µS
Qualitative Analysis of a Stochastic SIR Epidemic Model with Saturated Incidence Rates
Yang Tan1, Zijun Guo2
Tongren Polytechnic College, Tongren Institute of Applied Mathematics, South-China Agricultural University, Guangzhou Email: 553129685@
关键词
传染病模型,饱和感染率,高斯白噪声,稳定分布
1. 引言
用数学建模的方法研究传染病的传播有助于描述传染病的发展和预测其变化趋势,为人们制定有效 的预防策略提供了理论依据。现实中,很多传染病的传播效率常常受到时间上的波动,如麻疹、水痘等 的疾病的感染率随着季节性的周期变化而变化[1]。因此,传染病数学模型中引入周期因素更能精确揭示 疾病传播的规律。 文献[2]研究了一类具有常数出生率的 SIR 传染病模型, 并证明了模型周期解的存在性。 文献[3]研究了一类非自治 SIR 传染病模型周期解。 然而在现实情况中, 生物种群的发展(疾病病菌的传播)不可避免地受到环境随机因素的干扰, 并且这 样的干扰在很多情况下不能被忽略,对某些实际过程的分析有必要从通常的确定性观点转到随机的观点 [4]。文献[5]建立了一类随机 SIR 模型及具有分布时滞的模型,假设模型中的感染率系数 β 受到白噪声的 干扰: β → β + dW ( t ) ,W ( t ) 表示维纳过程,得出了系统稳定的条件。文献[6]研究了文献[5]的模型,得 出了保证平衡点稳定性更好的条件。文献[7]建立了 HIV 内部病毒感染 CD4 受体细胞的随机动力模型, 得到了易感细胞具有稳定分布和感染细胞与病毒灭绝的充分条件。文献[8]研究了一类捕食者带有疾病的 随机食饵-捕食者模型,得到了随机系统围绕确定性系统的地方病平衡点具有稳定分布的充分条件。文献 [9]提出了如下具有饱和感染率的时滞 SIR 模型:
得到如下模型:
β S (t ) I (t ) σ 2 S (t ) I (t ) dB2 ( t ) , dS ( t ) =− A µS S ( t ) − dt − σ 1 S ( t ) dB1 ( t ) − 1 + α1 S ( t ) + α 2 I ( t ) 1 + α1 S ( t ) + α 2 I ( t ) β (t ) S (t ) I (t ) σ 2 S (t ) I (t ) = − ( µ I + α + γ ) I ( t ) dt + dB2 ( t ) − σ 3 I ( t ) dB3 ( t ) , dI ( t ) 1 + α1 S ( t ) + α 2 I ( t ) 1 + α1 S ( t ) + α 2 I ( t ) (γ I ( t ) − µ R R ( t ) ) dt − σ 4 R ( t ) dB4 ( t ) . dR ( t ) =
1 T LV = Vt ( x, t ) + Vx ( x, t ) f ( x, t ) + trace g ( x, t ) Vxx ( x, t ) g ( x, t ) . 2
(ቤተ መጻሕፍቲ ባይዱ
)
2. 随机模型(3)的解的存在、唯一性
唯一的局部正解 x ( t ) , t ∈ [ 0,τ e ) ,其中 τ e 是爆炸时。事实上,可用文献[4]的方法证明模型(3)的该局部解 是全局的。
(2)
本文假设种群之间的部分作用系数受到随机因素的干扰,在模型(1)的基础上,令时滞 τ = 0 ,考虑不 同于模型(2)且更全面的随机干扰因素:
µ S → µ S + σ 1dB1 ( t ) , β → β + σ 2 dB2 ( t ) ,
µ I → µ I + σ 3 dB3 ( t ) , µ R → µ R + σ 4 dB4 ( t ) ,
i = 1, 2,3, 4 为相互独立的标准布朗运动。其他系数与模型(1)中一致,各系数均非负。
(3)
σ i ,i = 1, 2,3, 4 为白噪声的干扰强度,Bi ( t ) , 其中,µ S 、µ I 、µ R 分别为 S ( t ) 、I ( t ) 、R ( t ) 的自然死亡率,
本文中, ( Ω, F , P ) 表示具有滤子 {F t }t ≥ 0 的完备概率空间,且满足通常的条件(如 {F t }t ≥ 0 右连续且 F0 包 含所有的零测度集)。对于 d 维的随机微分方程[11]
Abstract
A stochastically mathematical model of a stochastic SIR epidemic model with saturated incidence rates is proposed and analyzed, setting that all the death rate and incident rate are similarly perturbed by an independent Gaussian white noise. First the paper shows that the infective population and recovered individuals will tend to zero exponentially almost surely under some additional condition. In addition, a sufficient condition for the stationary distribution around the endemic infection equilibrium state of the corresponding deterministic model is derived and the solution is ergodic.
127
具有饱和感染率的随机 SIR 传染病模型的性质分析
收稿日期:2014年5月15日;修回日期:2014年6月18日;录用日期:2014年6月25日
摘
要
建立了一类具有饱和感染率的随机SIR模型, 假设易感者、 感染者及移出者三群体的自然死亡率和疾病感 染率分别受到相互独立的高斯白噪声干扰。首先证明了在一定的条件下,感染者与移出者种群将依指数 趋于灭绝。再就是相应确定性系统的地方病平衡点存在时,得到了该随机系统围绕该点具有稳定的分布 且该分布是遍历的充分条件。