传染病感染数学模型论文
数学建模之传染病问题
摘要医学科学的发展已经能够有效地预防和控制许多传染病，但是仍然有一些传染病暴发或流行，危害人们的健康和生命。
社会、经济、文化、风俗习惯等因素都会影响传染病的传播，而最直接的因素是：传染者的数量及其在人群中的分布、被传染者的数量、传播形式、传播能力、免疫能力等。
本论文通过建立传染病模型，分析被传人数多少与哪些因素有关，如何预报传染病高潮的到来等等。
传染病问题的研究一﹑模型假设1.在疾病传播期内所考察的地区范围不考虑人口的出生、死亡、流动等种群动力因素。
总人口数N(t)不变，人口始终保持一个常数N 。
人群分为以下三类：易感染者(Susceptibles)，其数量比例记为s(t)，表示t 时刻未染病但有可能被该类疾病传染的人数占总人数的比例；感染病者(Infectives)，其数量比例记为i(t)，表示t 时刻已被感染成为病人而且具有传染力的人数占总人数的比例；恢复者(Recovered)，其数量比例记为r(t)，表示t 时刻已从染病者中移出的人数（这部分人既非已感染者，也非感染病者，不具有传染性，也不会再次被感染，他们已退出该传染系统。
）占总人数的比例。
2.病人的日接触率（每个病人每天有效接触的平均人数）为常数λ，日治愈率（每天被治愈的病人占总病人数的比例）为常数μ，显然平均传染期为1／μ，传染期接触数为σ=λ／μ。
该模型的缺陷是结果常与实际有一定程度差距，这是因为模型中假设有效接触率传染力是不变的。
二﹑模型构成在以上三个基本假设条件下，易感染者从患病到移出的过程框图表示如下：在假设1s(t) + i(t) + r(t) = 1对于病愈免疫的移出者的数量应为r td N Ni d μ= 不妨设初始时刻的易感染者，染病者，恢复者的比例分别为0s （0s ＞0），0i （0i ＞0），0r =0. SIR 基础模型用微分方程组表示如下：di dt ds dtdr dt si isi i λμλμ⎧=-⎪⎪⎪=-⎨⎪⎪=⎪⎩s(t) ， i(t)的求解极度困难，在此我们先做数值计算来预估计s(t) ， i(t)的一般变化规律。
SARS传播的数学模型_数学建模全国赛论文1
SARS传播的数学模型_数学建模全国赛论文SARS 传播的数学模型摘要本文分析了题目所提供的早期 SARS 传播模型的合理性与实用性，认为该模型可以预测疫情发展的大致趋势，但是存在一定的不足.第一，混淆了累计患病人数与累计确诊人数的概念；第二，借助其他地区数据进行预测，后期预测结果不够准确；第三，模型的参数 L、K 的设定缺乏依据，具有一定的主观性. 针对早期模型的不足，在系统分析了 SARS 的传播机理后，把 SARS 的传播过程划分为：征兆期，爆发期，高峰期和衰退期 4 个阶段.将每个阶段影响SARS传播的因素参数化，在传染病 SIR 模型的基础上，改进得到SARS 传播模型.采用离散化的方法对本模型求数值解得到：北京 SARS 疫情的预测持续时间为 106 天，预测 SARS 患者累计2514 人，与实际情况比较吻合. 应用 SARS 传播模型，对隔离时间及隔离措施强度的效果进行分析，得出结论：早发现，早隔离能有效减少累计患病人数；严格隔离能有效缩短疫情持续时间. 在建立模型的过程中发现，需要认清 SARS 传播机理，获得真实有效的数据.而题目所提供的累计确诊人数并不等于同期累计患病人数，这给模型的建立带来不小的困难. 本文分析了海外来京旅游人数受 SARS 的影响，建立时间序列半参数回归模型进行了预测，估算出 SARS 会对北京入境旅游业造成 23.22 亿元人民币损失，并预计北京海外旅游人数在 10 月以前能恢复正常. 最后给当地1/ 2报刊写了一篇短文，介绍了建立传染病数学模型的重要性. 1．问题的重述 SARS（严重急性呼吸道综合症，俗称：非典型肺炎）的爆发和蔓延使我们认识到，定量地研究传染病的传播规律，为预测和控制传染病蔓延创造条件，具有很高的重要性.现需要做以下工作：（1）对题目提供的一个早期模型，评价其合理性和实用性. （2）建立自己的模型，说明优于早期模型的原因；说明怎样才能建立一个真正能够预测以及能为预防和控制提供可靠、足够信息的模型，并指出这样做的困难；评价卫生部门采取的措施，如：提前和延后 5 天采取严格的隔离措施，估计对疫情传播的影响. （3）根据题目提供的数据建立相应的数学模型，预测 SARS 对社会经济的影响. （4）给当地报刊写一篇通俗短文，说明建立传染病数学模型的重要性. 2．早期模型的分析与评价题目要求建立 SARS 的传播模型，整个工作的关键是建立真正能够预测以及能为预防和控制提供可靠、足够的信息的模型.如何结合可靠、足够这两个要求评价一个模型的合理性和实用性，首先需要明确：合理性定义要求模型的建立有根据，预测结果切合实际. 实用性定义要求模型能全面模拟真实情况，以量化指标指导实际. 所以合理的模型能为预防和控制提供可靠的信息；实用的模型能为预防和控制提供足...。
传染病感染数学模型论文---精品管理资料
传染病感染问题研究一、 摘要:面对严重影响人类生活甚至生存的传染病感染问题，越来越多的人意识到研究其传染的严峻性和重要性。
许多学者和专家都投入了巨大的精力花费了许多时间来研究各种传染病的传播规律和预防手段,目的就是争取将其对人类的损害降到最低.利用数学模型，建立适当的假设然后对传染病感染问题进行适模拟然后进行研究,找出适当的预防手段是目前研究传染病传播比较流行的做法。
诚然对于现实的复杂和不可预测性我们在建立模型时是无法进行完整的模拟，只能对现实进行适当合理的假设。
因此本文就是就是在对传染病感染进行简单假设(孤岛疾病问题)的基础上对传染病感染问题进行数学建模并根据给出数据验证建模的准确性，分析模型的优缺点并给出改进方案。
二、 关键词：传染病 数学模型 微积分三、 引言:在人类生活中,一直受到各种传染病的困扰，造成各种影响范围巨大人数众多的死亡事件,如十四世纪四十年代肆虐欧洲的“黑死病”，共造成了全世界大约7500万人死亡，其中2500万为欧洲人约占欧洲总人口的三分之一,期间让整个欧洲出现了许多“空城"“死城”影响巨大。
虽然随着医学的进步，诸如霍乱、天花等曾肆虐全球的疾病已经得到了有效的控制，但是一些全新的,不断变异升级的传染病却不间断的向人类袭来,如二十世纪八十年代开始迅速传播艾滋病;以及2003年席卷全球肆虐整个中国的“非典型肺炎（SARS ）"和此后陆续出现的疯牛病、禽流感和猪流感都给人们的生活和生命带来极大的危害和困扰.长期以来，建立传统的传染病模型，模拟和描述传染病的传播过程，解释传播规律，分析受感染人群以及人数的变化规律，探索抑制和制止传染病传播和蔓延手段等,都是世界各国政府和专家学者们关注的课题之一。
研究传染病模型不可能通过实验获得数据，而且从医疗部门和卫生组织得到资料也是十分有限的，而且这些资料绝大多数是不完全和不充分的，同时由于不同的传染病传播的过程方式传染源各有不同，所以，我们只能按照一般的机理建立简单的模型。
传染病模型数学建模论文
甲型H1N1流感传播模型研究摘要本文采用了SIR模型对的甲型h1n1流感病毒的传播规律进行了研究和预测，文章收集了美国地区的甲流实验室确认病例数量的数据，对模型进行了验证，并提出了如何降低流感在人群中发病率的俩种可靠方法。
一、问题重述近年来由墨西哥发端的甲型h1n1型流感（又称猪流感）正成为人们关注的焦点，通过相关网站获得数据，建立一个模型对甲型h1n1流感的走势进行预测。
二、问题分析甲型h1n1流感的传播是一道传染病问题。
在数学建模领域已经有很多关于这方面的研究，其中SIR模型是比较完整的模型。
SIR模型通过建立微分方程组，按照一般的传播机理建立集中模型。
本文选取美国地区的甲流实验室确认病例数量，建立SIR模型，对甲型h1n1流感的传播规律进行预测。
美国甲型H1N1流感实验室确认病例数量：三、建立模型（一）、不考虑潜伏期的数学模型1、模型假设（1）、在甲型H1N1流感传播期内，美国境内的总人数为N亿不变，既不考虑生死，也不考虑迁移，人群分为易感染者S ，发病人群I 和退出人群R(括死亡者和治愈者)四类，时刻t 内这三类人在总人数中所占比例分别为s(t)、i(t)、r(t)。
（2）、i(t)关于时间的增长率与s(t)成正比，比例常数为λ。
病人的数量减少速度与当时的病人总人数成正比，比例常数为ν。
治愈的病人具有了免疫力，即治愈后不再会成为二次患者。
（3）、s(t)、r(t)、i(t)之和是一个常数1。
2、模型构成易感者和发病者有效接触后成为发病者者。
设每个发病者平均每天有效接触的易感者数为()S t λ，()NI t 个发病者平均每天能使()()S t NI t λ个易感者成为病毒潜伏者。
所以有：()()()dS t S t I t dtλ=- （1） 单位时间内退出者的变化等于发病人群的减少，即()()dR t I t dtν= （2） 发病人群的变化等于易感人群转入的数量，即()()()()dI t S t I t I t dtλν=- （3） 记初始时刻的健康者和病人的比例分别为0S 、0R （不妨设0R =0）。
病毒传播数学模型
病毒传播数学模型我的病毒传播数学模型研究始于2010年，当时我还在攻读博士学位。
在我的研究中，我关注了病毒传播的动态过程，并尝试建立一个数学模型来描述这一过程。
我想明确一点，病毒传播数学模型并不是一个简单的方程或公式，而是一个包含多个参数和变量的复杂系统。
这些参数和变量可以分为两类：内在参数和外在参数。
内在参数主要描述病毒本身的特性，如病毒的基本再生数R0、病毒的生命周期、宿主的免疫反应等。
其中，R0是一个非常重要的参数，它表示在没有任何干预措施的情况下，一个感染者平均能够传染给多少个健康人。
外在参数则主要描述病毒传播的外部环境，如宿主的人口密度、人群流动性、社会干预措施等。
这些参数会对病毒传播的速度和规模产生重要影响。
在我的研究中，我建立了一个基于微分方程的病毒传播模型。
这个模型主要包括三个方程：感染者方程、康复者方程和易感者方程。
感染者方程描述了感染者的变化情况，康复者方程描述了康复者的变化情况，易感者方程描述了易感者的变化情况。
这三个方程共同构成了一个描述病毒传播动态过程的数学模型。
我还研究了社会干预措施对病毒传播的影响，如隔离措施、疫苗接种等。
我发现，这些措施可以通过降低R0值来有效控制病毒传播。
在我的研究中，我还考虑了病毒传播的时空特性。
为了描述病毒在不同地区和人群中的传播情况，我引入了空间扩散方程和时间演变方程。
通过这两个方程，我可以分析病毒传播的空间分布和时间动态。
我想强调的是，病毒传播数学模型虽然可以为我们提供一些有用的信息和启示，但它并不是万能的。
在实际应用中，我们需要结合具体情况，综合考虑各种因素，才能更好地应对病毒传播的挑战。
我的病毒传播数学模型研究旨在揭示病毒传播的内在规律和外在影响因素，为病毒防控提供科学依据。
在未来，我还将继续深入研究，探讨更准确、更高效的模型，以应对不断变化的病毒传播形势。
在我深入研究病毒传播数学模型的过程中，我逐渐意识到，要想准确地描述和预测病毒传播的动态过程，必须将复杂的生物学、流行病学和统计学知识融合到一个统一的数学框架中。
数学建摸论文例子-传染病模型
传染病的传播摘要：本文先根据材料提供的数据建立了指数模型，并且全面地评价了该模型的合理性与实用性。
而后对模型与数据做了较为扼要地分析了指数模型的不妥之处。
并在对问题进行较为全面评价的基础上引入更为全面合理的假设和建立系统分析模型。
运用联立微分方程组体现疫情发展过程中各类人的内在因果联系，并在此基础上建立方程求解算法结合MATLAB编程(程序在附件二)拟合出与实际较为符合的曲线并进行了疫情预测。
同时运用双线性函数模型对卫生部的措施进行了评价并给出建议以及指出建立一个真正能够预测以及能为预防和控制提供可靠、足够的信息的模型，这样做的困难本文的最后，通过本次建模过程中的切身体会，说明建立如SARS预测模型之类的传染病预测模型的重要意义。
关键词：微分方程 SARS 数学模型感染率1问题的重述SARS （Severe Acute Respiratory Syndrome ，严重急性呼吸道综合症, 俗称：非典型肺炎）是21世纪第一个在世界范围内传播的传染病。
SARS 的爆发和蔓延给我国的经济发展和人民生活带来了很大影响，我们从中得到了许多重要的经验和教训，认识到定量地研究传染病的传播规律、为预测和控制传染病蔓延创造条件的重要性。
请你们对SARS 的传播建立数学模型，具体要求如下：1)建立传染病传播的指数模型，评价其合理性和实用性。
2)建立你们自己的模型，说明为什么优于指数模型；特别要说明怎样才能建立一个真正能够预测以及能为预防和控制提供可靠、足够的信息的模型，这样做的困难在哪里？对于卫生部门所采取的措施做出评论，如：提前或延后5天采取严格的隔离措施，对疫情传播所造成的影响做出估计。
附件1提供的数据供参考。
3)说明建立传染病数学模型的重要性。
2 定义与符号说明N …………………………………表示为SARS 病人的总数；K （感染率）……………………表示为平均每天每人的传染他人的人数；L …………………………………表示为每个病人可能传染他人的天数；dt dN(t)………………………… 表示为每天（单位时间）发病人数；N(t)-N(t-L)………………………表示可传染他人的病人的总数减去失去传染能力的病人数；t …………………………………表示时间；R 2………………………………表示拟合的均方差； 3 建立传染病传播的指数模型3.1模型假设1) 该疫情有很强的传播性，病人（带菌者）通过接触（空气，食物，……）将病菌传播给健康者。
传染病的传播及控制分析数学建模
传染病的传播及控制分析摘要为进一步探索传染病的传播和流行规律及其与防治措施的关系，本文通过建立传染病的传播模型，了解传染病的扩散传播规律，为预测和控制传染病提供可靠、足够的信息。
本文针对该问题建立了SEIR微分方程模型，对病毒的传播过程进行了模拟分析，得出了患者人数随时间的变化规律。
我们将人群分为五类：患者、疑似患者、正常人、治愈者和死亡者。
前三者作为传染系统。
我们认为治愈者获得终身免疫，和死亡者一样移出传染系统，即后两者合并为移出者。
本模型将病毒的传染与扩散分为两个部分：控制前和控制后。
在控制前，相当于没有对病毒扩散做任何限制，患者数量短时间内大量增长，并以死亡的形式退出传染系统；在控制后，由于对潜伏者进行了一定强度的隔离，与此同时，确诊患者得到有效的治疗，使得传染源数量减少，患者平均每天接触的人数减少，治愈者增多，并作为主要的移出者移出传染系统。
在模型建立的基础上，通过Matlab软件拟合出患者人数随时间变化的曲线关系图，得到如下结果：控制前，患者人数呈指数增长趋势；控制后，在p=0.4时，患者人数大致在7天时到达最大值，在25天时基本没有患者；在p=0.3时，患者人数大概在第8天到达最大值186383，大概在28天之后基本没有患者；在p=0.6时，大概在第5天患者人数到达峰值为47391，在21天时基本没有患者。
综上分析，对隔离强度的处理是控制传染病的一个重要手段。
针对所得结果，对H7N9的传播控制时提出了医院、政府和个人应有的一些控制措施。
关键词：隔离强度潜伏期SEIR模型一、问题重述：2013年中，H7N9是网上的热点，尤其是其高致死率，引起了人们的恐慌，最近又有研究显示，H7N9有变异的可能。
假设已知有一种未知的现病毒[1]潜伏期为a:a天，患病者的治愈时间为a天，假设该病毒可以通过人与人之间的直接接123触进行传播，患者每天接触的人数为r，因接触被感染的概率为λ(λ为感染率)。
为了控制疾病的传播与扩散，将人群分成五类，患者、疑似患者、治愈者、死亡者、正常人。
数学模型在传染病传播中的应用
数学模型在传染病传播中的应用传染病一直以来都是人类所关注的重要问题之一。
科学家们通过建立数学模型来研究传染病的传播规律和探索防控策略。
这些数学模型可以帮助我们更好地理解传染病的传播过程，并为疫情预测、防控决策提供科学依据。
本文将就数学模型在传染病传播中的应用进行探讨。
一、基本传染病模型在传染病传播的数学模型中，最经典的就是SIR模型。
SIR模型将人群分为易感染者(Susceptible)、感染者(Infectious)和恢复者(Recovered)，并假设人群之间的传染关系符合一定的规律。
通过建立这个动力学模型，可以研究传染病的传播速度、传播规律以及潜在的控制策略。
SIR模型的基本假设是人群之间的传染是随机发生的，并且传染速率和康复速率是常数。
这种模型虽然简单，但却能很好地描述一些常见的传染病，如流感和麻疹等。
二、改进的传染病模型尽管SIR模型在某些情况下可以很好地描述传染病的传播，但在现实中，很多传染病的传播机制并不完全符合SIR模型的假设。
因此，一些研究者提出了各种改进的传染病模型。
例如，SEIR模型将易感染者和感染者之间引入了潜伏期(Exposed)，即人群已感染但尚未具备传染性。
这种模型适用于研究一些具有较长潜伏期的传染病，如艾滋病和乙肝等。
此外，还有一些模型考虑了空间因素和人口流动的影响。
比如，扩散模型中引入了空间变量，可以研究传染病在不同地理区域的传播规律。
流行病学模型则可以通过分析人口流动的网络结构来研究传染病的传播路径和风险。
三、预测和控制利用数学模型可以对传染病的传播过程进行预测，为疾病防控提供决策依据。
研究人员通过对传染病模型的参数进行估计，结合实际疫情数据，可以预测疫情的发展趋势。
此外，数学模型还可以评估不同的防控策略的有效性。
例如，可以通过模拟研究来比较不同干预措施对传染病传播速度和规模的影响，以及个人防护和社区隔离等措施的有效性。
四、数学模型的局限性尽管数学模型在研究传染病传播中发挥了重要作用，但也存在一些局限性。
- 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)。
传染病感染问题研究
一、 摘要：
面对严重影响人类生活甚至生存的传染病感染问题,越来越多的人意识到研究其传染的严峻性和重要性。
许多学者和专家都投入了巨大的精力花费了许多时间来研究各种传染病的传播规律和预防手段，目的就是争取将其对人类的损害降到最低。
利用数学模型，建立适当的假设然后对传染病感染问题进行适模拟然后进行研究，找出适当的预防手段是目前研究传染病传播比较流行的做法。
诚然对于现实的复杂和不可预测性我们在建立模型时是无法进行完整的模拟，只能对现实进行适当合理的假设。
因此本文就是就是在对传染病感染进行简单假设（孤岛疾病问题）的基础上对传染病感染问题进行数学建模并根据给出数据验证建模的准确性，分析模型的优缺点并给出改进方案。
二、 关键词：传染病 数学模型 微积分
三、 引言：
在人类生活中，一直受到各种传染病的困扰，造成各种影响范围巨大人数众多的死亡事件，如十四世纪四十年代肆虐欧洲的“黑死病”，共造成了全世界大约7500万人死亡，其中2500万为欧洲人约占欧洲总人口的三分之一,期间让整个欧洲出现了许多“空城”“死城”影响巨大。
虽然随着医学的进步，诸如霍乱、天花等曾肆虐全球的疾病已经得到了有效的控制，但是一些全新的，不断变异升级的传染病却不间断的向人类袭来,如二十世纪八十年代开始迅速传播艾滋病;以及2003年席卷全球肆虐整个中国的“非典型肺炎（SARS ）”和此后陆续出现的疯牛病、禽流感和猪流感都给人们的生活和生命带来极大的危害和困扰.长期以来,建立传统的传染病模型，模拟和描述传染病的传播过程,解释传播规律，分析受感染人群以及人数的变化规律，探索抑制和制止传染病传播和蔓延手段等，都是世界各国政府和专家学者们关注的课题之一。
研究传染病模型不可能通过实验获得数据，而且从医疗部门和卫生组织得到资料也是十分有限的，而且这些资料绝大多数是不完全和不充分的，同时由于不同的传染病传播的过程方式传染源各有不同,所以，我们只能按照一般的机理建立简单的模型。
四、 问题重述与分析:
考虑在一个人口数量为N 的孤岛上,一部分到岛外旅游的居民回来使该岛感染了一种高传染性的疾病。
在某时刻t 将会被感染的人数为X （t ）.
1) 在合理的假设下建立模型
2) 若初始被感染的人数1/2X N <，画出X 关于t 的图形；若初始被感染人
数为1/2X N >，画出X 关于t 的图形。
3) 把X 作为t 的函数,解出前面给出的模型。
4) 由 3)，当t 趋于无穷时求X 的极限。
5)
6) 利用2)的结果估计模型中的常数，并预测t=12天时被感染的人数.分析上
述模型的优缺点，试给出改进方案。
问题分析：根据题目意思,这是一种传染病，感染人数是随时间演变的过程，要求感染人数与时间的关系就应该建立动态模型，在此我选择微分方程，题目并未给出感染人数与未感染人数之间的关系，因此我们可以假设两者之间存在一个以常量作为感染强度的正比关系，并以此建立模型.
五、 建立模型:
1. 模型假设：1.假设传染病期间总人数N 不变,即不考虑生死和迁。
2。
假设健康尚未感染的人群不具免疫力，即为易感人
群。
3。
该传染病说有传播途径是与病原接触。
4.每个病人在单位时间内传染人数与该时刻未被感染人数成正比，比例系数为k,即传染强度。
2. 符号说明：X (t)：t 时刻被感染的人数
S （t ）：t 时刻未被感染的人数
k :感染强度
N :孤岛上的人口总数
X 0：孤岛上最开始感染的人数
3. 模型的建立与求解：
由于已感染人数和未感染人数之间成正比故一定时间内被感染人
数为kX(N-X ）即为dt
dX =kX （N —X ）. 联立方程组求解得：
⇒⎪⎩⎪⎨⎧=-=⇒⎪⎪⎩⎪⎪⎨⎧⨯⨯===+00)0()()0(X X X N kX dt dX S N k dt
dX X X N S X
kNt e X N N
t X -⎪⎪⎭⎫ ⎝⎛-+=11)(0
kN
X N In t f dt X X N kX t f N X t m )1(t 0)(d )()(,'22-=⇒==-=→∞→极大值点令设
六、 模型求解:
1. 模型为方程为：
dt
dX =kX(N —X) 2. 图形为：附图1。
附图2。
3. 模型的解为：kNt
e X N N t X --+=)1
(1)(0 4. 在3情况下：N X t →∞→,
5. 由3推导： C -kNt ()(C 1In )1()()1(1)1
(1000
0=-⇒-=-⇒---=-⇒-=-⇒-+=--）则）为（
此时令X
N X In kNt C X
X N In X N kNt X N In X X N In e X N X N e X N N
X kNt
kNt
经计算随着感染人数增多误差明显增大
6. 从5中结果来看仅仅将单位时间内感染人数与该单位时刻为感染人
数成正比这个比例是不够精确的,还应考虑随时间推移康复的人数。
以下为改进方案：
模型假设：健康人数减少率正比于)()(t S t X ⨯
康复人数增加正比于S(t ）
感染人数的增加量为健康人数减少量减去康复人数增加
量
总人数为N
符号说明：X(t)感染人数
S （t ）健康人数
Y(t)康复人数
k 感染强度
l 免疫强度
模型建立与求解：
S k l dt dX k S S X X N Y S X lX dt dY lX kSX dt dX kSX
dt dS 110
)0(,)0(00•+-=⇒⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎨⎧〉===++=-=-= 七、 模型的推广与改进
我们建立传染病模型的方法是微分方程模型,这种模型的思想和方法都有广泛应用，可以应用于经济。
人口.交通。
战争.社会.医药.物理.化学等等方面.再综合03年的非典以及06年的艾滋病给我们带来的后果以及应对措施，本模型可以应用到现如今h1n1传播的控制，再加上相关部门的合作来降低传染性。
第(2）题程序运行结果：1/2X N <时，取12
N X =，则（源程序见SY_f_1.m) y=dsolve(Dy=0。
1*y ＊(1—y ）,y(0)=0。
25,x ） ezplot （y,［0，70］)
1/2X N > 时取134
N X =，则(源程序见SY_f_2。
m) y=dsolve(Dy=0.1＊y ＊（1-y ），y(0)=0.75,x ） ezplot （y,［0,70］）。