第5章 微分方程模型
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。
微分方程模型方法
物理现象模型
总结词
物理现象模型是利用微分方程来描述物理现象的动态变化过程，如力学、电磁学、光学 等。
详细描述
物理现象模型可以帮助科学家深入理解物理现象的本质和规律，预测新现象和新技术的 发展。例如，通过建立微分方程来描述电磁波的传播过程，可以研究电磁波的传播规律
和特性。
05 微分方程模型的发展趋势 与挑战
人口动态模型
总结词
人口动态模型是利用微分方程来描述人 口数量随时间变化的规律，预测未来人 口规模和结构。
VS
详细描述
人口动态模型可以用来研究人口增长、出 生率、死亡率、迁移率等指标的变化趋势 ，为政策制定者提供依据，以制定合理的 计划生育政策。例如，Logistic模型是一 种常用的人口动态模型，通过建立微分方 程来描述人口数量的增长规律。
THANKS FOR WATCHING
感谢您的观看
数学软件
选择适合的数学软件，如MATLAB、 Python等，以便进行模型建立和求解。
建立微分方程模型
模型类型
根据问题类型和目标，选择合适的微分方程模型类型，如常微分方程、偏微分方 程等。
参数估计
根据收集到的数据和信息，估计模型中的参数，使模型能够更好地描述实际问题 。
03 微分方程模型的求解方法
确定研究范围
根据问题与目标，确定研究的范围和 边界条件，为建立模型提供基础。
收集数据与信息
数据来源
根据研究问题，确定合适的数据来源，如实验数据、观测数据、历史数据等。
数据处理
对收集到的数据进行预处理，包括数据清洗、缺失值处理、异常值剔除等，以 确保数据质量。
选择合适的数学工具
数学基础
根据问题类型和目标，选择合适的数 学基础，如线性代数、微积分、常微 分方程等。
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。
培训资料--微分方程模型人口模型等
x0
x0 0
t
人口发展方程
• 年龄分布对于人口预测的重要性 • 只考虑自然出生与死亡，不计迁移
F(r,t) ~ 人口分布函数 (年龄 r的人口） p(r,t) ~ 人口密度函数 N(t) ~ 人口总数 r ( ) ~ 最高年龄
m
F(0,t) 0, F(r ,t) N(t) m p(r, t) F r
人口发展方程
f
(t
)
(t
)r2 r1
h(r,
t
)k
(r,
t
)
p(r,
t
)dr
(t) ~总和生育率——控制生育的多少
h(r, t) ~生育模式——控制生育的早晚和疏密
p(r,t)
p 0
(r
r
t)e (s)ds r t r
,
0
t
r
f (t r)e0(s)ds , t r
p0 (r)
• 正反馈系统
(r,t) p(r,t)dt, dt dr1
p p (r,t) p(r,t) 一阶偏微分方程
r t
p
r
p t
(r, t )
p(r, t )
人口发展方程
p(r,0) p0 (r), r 0 ~已知函数（人口调查）
p(0,
t)
f
(t ),
t0
~生育率（控制人口手段）
p0 (0) f (0) --------相容性条件
b(r,
t)k
(r,
t)
p(r,
t)dr
b(r,t) (t)h(r,t)
0
r2 r1
h(r , t )dr
1
h~生育模式
(t)
常微分方程第五章 微分方程建模案例
第五章微分方程建模案例微分方程作为数学科学的中心学科，已经有三百多年的发展历史，其解法和理论已日臻完善，可以为分析和求得方程的解（或数值解）提供足够的方法，使得微分方程模型具有极大的普遍性、有效性和非常丰富的数学内涵。
微分方程建模包括常微分方程建模、偏微分方程建模、差分方程建模及其各种类型的方程组建模。
微分方程建模对于许多实际问题的解决是一种极有效的数学手段，对于现实世界的变化，人们关注的往往是其变化速度、加速度以及所处位置随时间的发展规律，其规律一般可以用微分方程或方程组表示，微分方程建模适用的领域比较广，涉及到生活中的诸多行业，其中的连续模型适用于常微分方程和偏微分方程及其方程组建模，离散模型适用于差分方程及其方程组建模。
本章主要介绍几个简单的用微分方程建立的模型，让读者一窥方程的应用。
下面简要介绍利用方程知识建立数学模型的几种方法：1．利用题目本身给出的或隐含的等量关系建立微分方程模型这就需要我们仔细分析题目，明确题意，找出其中的等量关系，建立数学模型。
例如在光学里面，旋转抛物面能将放在焦点处的光源经镜面反射后成为平行光线，为了证明具有这一性质的曲线只有抛物线，我们就是利用了题目中隐含的条件——入射角等于反射角来建立微分方程模型的。
2．从一些已知的基本定律或基本公式出发建立微分方程模型我们要熟悉一些常用的基本定律、基本公式。
例如从几何观点看，曲线y=上某点的切线斜率即函数)yy=在该点的导数；力学中的牛顿第二运(x)(xy动定律：maF=，其中加速度a就是位移对时间的二阶导数，也是速度对时间的一阶导数等等。
从这些知识出发我们可以建立相应的微分方程模型。
例如在动力学中，如何保证高空跳伞者的安全问题。
对于高空下落的物体，我们可以利用牛顿第二运动定律建立其微分方程模型，设物体质量为m，空气阻209210力系数为k ，在速度不太大的情况下，空气阻力近似与速度的平方成正比；设时刻t 时物体的下落速度为v ，初始条件：0)0(=v . 由牛顿第二运动定律建立其微分方程模型：2kv mg dtdv m -= 求解模型可得：)1]2(exp[)1]2(exp[+-=mkg t k m kg tmg v 由上式可知，当+∞→t 时，物体具有极限速度：kmg v v t ==∞→lim 1， 其中，阻力系数s k αρ=，α为与物体形状有关的常数，ρ为介质密度，s 为物体在地面上的投影面积。
《微分方程模型》PPT课件
房室具有以下特征：它由考察对象均匀分布而成， （注：考察对象一般并非均匀分布，这里采用了一种简 化方法一集中参数法）；房室中考察对象的数量或浓度 （密度）的变化率与外部环境有关，这种关系被称为 “交换”且交换满足着总量守衡。在本节中，我们将用 房室系统的方法来研究药物在体内的分布。在下一节中， 我们将用多房室系统的方法来研究另一问题。两者都很 环境 简单，意图在于介绍建模方法。
器倾翻，图中X点处注入湖中。在采取紧急
措施后，于11:35事故得到控制，但数量不详
B
的化学物质Z已泻入湖中，初步估计Z的量在5~20m3之间。 建立一个模型，通过它来估计湖水污染程度随时间的变化
并估计：
（1）湖水何时到达污染高峰；
（2）何时污染程度可降至安全水平(<0.05%)
湖泊污染问题分析
设湖水在t时的污染程度为C(t)， X
0t 3 3t 4 t4
现回答上述问题
（1）t 6 代入对应方程，求得
W (6) 57.48247kg
（2）要满足体重不增，即dW (b 16W ) /10000 0
dt
所以b 16W 1657.1256 914 (cal)
因此每天总卡路里摄取量是1200+914＝2114cal
因污染源被截断，故微分方程变为 2000 dC 6C
dt
： 它的特解为
630
C(t) C(30)e 2000
当达到安全水平，即C(t)=0.0005时，可求出 此时的t=T，即
T 30 (2000 / 6) ln(0.0005 / C(30))
解得
T 30 (2000 / 6) ln(0.9564Z)
引例一
《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
第五章 微分方程模型讲1
i0
1-1/σ σ
di 1 = −λi[i − (1 − )] σ =λ/ µ dt σ
σ >1
i
σ ≤1
di/dt < 0
i0
0
1-1/σ σ
1 i
i0
0
1 , σ > 1 1 − i(∞ ) = σ 0, σ ≤ 1
t
0
t
接触数σ =1 ~ 阈值
σ >1
σ ≤ 1 ⇒ i (t ) ↓
s i ( s ) = ( s 0 + i0 ) − s + ln σ s0
i
1
1D = {( s ,源自i ) s ≥ 0 , i ≥ 0 , s + i ≤ 1}
D 0
s
1
模型4 模型
相轨线 i ( s ) 及其分析
i
1 D
SIR模型 模型
s i(s) = (s0 + i0 ) − s + ln σ s0
dP dP = kP(10000− P) 把 P t=0 =10, = 100代入微分方程 dt dt t=0
1 得 k= 999 鸟的数量和时间的函数关系为 P =
10000 1+ 999 e
− 10000 t 999
Logistic函数 函数
5.1 传染病模型
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 • 按照传播过程的一般规律， 按照传播过程的一般规律， 用机理分析方法建立模型 已感染者(the infective) 易感染者 易感染者(the susceptible) 已感染者 移出者(the removed) 移出者
- 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)。
SI 模型
~日
接触率
建模
N[i(t t ) i(t )] [s(t )]Ni (t )t
di si dt
s(t ) i(t ) 1
di i (1 i ) dt i (0) i0
模型2
i 1 1/2 i0
di i (1 i ) dt i (0) i0
模型4
SIR模型
N[i(t t ) i(t )] Ns(t )i(t )t Ni(t )t
N[s(t t ) s(t )] Ns(t )i(t )t
di dt si i ds si dt i (0) i0 , s (0) s0
SIR模型
1 s i( s) ( s0 i0 ) s ln s0
i
1 D
P4
s(t)单调减相轨线的方向
s 1 / , i im t , i 0
s s满足 s0 i0 s ln 0 s0 1
P2
im
P1 P3
O
s
S0
1 / s0
x 2s0 ( s0
s0 - 1/ =
1
)
提高阈值1/
s0
s
小 , s0 1
x 2
降低被传染人数比例 x
传染病模型
模型1 模型2 (SI)
区分病人 和健康人 考虑治愈
模型3 (SIS) 模型4 (SIR)
模型3, 4: 描述传播过程, 分析变化规律,
预报高潮时刻, 预防蔓延手段. 模型4: 数值计算与理论分析相结合.
s , im
模型4
被传染人数的估计
记被传染人数比例 x s0 s
SIR模型
1 x s x ln(1 ) 0 s0 i0 s ln 0 s0 s0 i0 0, s0 1
1
x<<s0
x x(1 2 )0 s0 2s0
1
i
P1 O s 1 /
第五章
5.1
微分方程模型
传染病模型
5.3
5.4
正规战与游击战
药物在体内的分布与排除
5.6 人口的预测和控制
动态 模型
• 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.
病人可以治愈！
模型3
增加假设 建模
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 3）病人每天治愈的比例为
~日治愈率
N[i(t t ) i(t )] Ns(t )i(t )t Ni(t )t
1 di i (1 i ) i i[i (1 )] dt i (0) i0 /
0.3449
0.1635 0.0200 0.0200 0.1685
0.6
0.5 0.4
0.3
0.5 0.5
0.5
1.0 1.25
0.70
0.70 0.70
0.02
0.02 0.02
0.3056
0.6528 0.6755
0.0518
0.0200 0.0200
,
s , im
s0 (r0 )
/ di 1 di i[i (1 )] i (1 i ) i dt dt i (0) i0
di/dt i i0
>1
>1
1-1/
i0
0
1-1/
1 i
0
t
di/dt
i
1
1
di/dt < 0
i0
0
(1-1/)<0
5.1 传染病模型
• 描述传染病的传播过程.
背景 与 问题
• 分析受感染人数的变化规律. • 预报传染病高峰期到来的时刻. • 预防传染病蔓延的手段.
基本 不是从医学角度分析各种传染病的特殊机理, 方法 而是按照传播过程的一般规律建立数学模型.
模型1
假设 建模
已感染人数 (病人) x(t)
每个病人每天有效接触 (足以使人致病)人数为
5.1 传染病模型
模型1
di i dt i (0) i0
i(t ) i0 e
t
t i
指 数 模 型
模型2
(SI 模型)
区分已感染者(病人)和未感染者(健康人)
di i (1 i ) dt i (0) i0
Logistic 模型
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
Logistic 模型
1 1 t 1 1 e i0
i (t )
1 0 tm t m ln t i 1 0 t=tm, di/dt 最大 tm~传染病高峰期到来时刻 t i 1 ?
1
(日接触率) tm
1s
P1: s0>1/ i(t)先升后降至0 P2: s0<1/ i(t)单调降至0
传染病蔓延 传染病不蔓延
1/ ~ 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
在D内作相轨线 i ( s) 的图形，进行分析
D
O 1
s
模型4
di dt si i ds si dt i (0) i0 , s (0) s0
相轨线 i ( s) 及其分析
1 di 1 ds s i s s i0 0
x(t t ) x(t ) x(t )t
dx x dt x (0) x0
x(t ) x0 et
t x ?
必须区分已感染者(病人) 和未感染者(健康人)
若有效接触的是病人, 则不能使病人数增加
模型2
假设
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 ) . 2）每个病人每天有效接触人数 为, 且使接触的健康人致病.
【西班牙流感简介】 西班牙型流行性感冒是人类历史上最致命的传染病，在 1918~1919年曾经造成全世界约10亿人感染，2千5百万到4千 万人死亡（当时世界人口约17亿人）；其全球平均致死率约 为2.5%-5%，和一般流感的0.1%比较起来较为致命。其名字 的由来并不是因为此流感从西班牙爆发；而是因为当时西班 牙有约8百万人感染了此病，甚至连西班牙国王也感染了此病， 所以被称为西班牙型流行性感冒。 疯牛病、禽流感、SARS， 虚构的传染病：《生化危机》中的T-virus
5.1 传染病模型
人类史上的重大传染病
【欧洲黑死病简介】 黑死病（Black Death）是人类历史上最严重的瘟疫之一。 起源于亚洲西南部，约在1340年代散布到欧洲，而“黑死病” 之名是当时欧洲的称呼。这场瘟疫在全世界造成了大约7500万 人死亡，其中2500万为欧洲人。根据估计，中世纪欧洲约有三 分之一的人死于黑死病。从1348年到1352年，它把欧洲变成了 死亡陷阱,这是欧洲历史上最为恐怖的瘟疫。
以最终未感染比例s和病人比例最大值im为度量指标.
1/ s0 i0
0.3
0.3 0.5 0.5 0.3
0.3
0.5 1.0 1.25 0.3
0.98
0.98 0.98 0.98 0.70
0.02
0.02 0.02 0.02 0.02
0.0398
0.1965 0.8122 0.9172 0.0840
1 0.8 0.6 s(t)
i
0.3 0.2
相轨线i(s)
0.4 0.2 0 i(t)
0.1 P0 0
s
1
0
10
20
30
40
50
0
0.2
0.4
0.6
0.8
i(t)从初值增长到最大; t, i0. s(t)单调减; t, s0.04.
模型4
SIR模型的相轨线分析 消去dt /
1 di ds s 1 i s s i0 0
i
di/dt < 0
0
t
1 , 1 1 i ( ) 1 0,
接触数 =1 ~ 阈值
1 i (t )
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
消去dt di si i dt / ds si dt i (0) i0 , s (0) s0 在相平面 s ~ i 上 研究解的性质
• 降低 s0 提高 r0 s0 i0 r0 1 群体免疫
的估计
1
s s0 i0 s ln 0 s0
忽略i0
ln s0 ln s s0 s
模型4
预防传染病蔓延的手段
• 提高移出比例r0
s im
• 降低日接触率 • 提高日治愈率
1
0.6 0.5 0.4 1
~ 日接触率
1/ ~感染期
~ 一个感染期内每个病人的