2003年全国数学建模优秀论文北京SARS的传播研究

小组成员

姓名专业电话

北京SARS的传播研究

摘要

SARS从2003年陆续传入，期间先后感染6000多人其中北京感染2847，我国给我过经济·社会带来严重额的影响，为减少疾病的危害，提高人们对疾病的ARS的认识，疫情分析及对北京疫情走势的预测研究也变得尤为重要。

为改善现状并提高人们对疾病的是SARS的认识，我们对北京市的SARS传播问题建立数学模型。

关键词： SARS 人群分类微分模型整体拟合

1、问题重述

1.1问题的背景

严重急性呼吸综合征（Severe Acute Respiratory Syndromes），又称传染性非典型肺炎，简称SARS，是一种因感染SARS冠状病毒引起的新的呼吸系统传染性疾病。主要通过近距离空气飞沫传播，以发热，头痛，肌肉酸痛，乏力，干咳少痰等为主要临床表现，严重者可出现呼吸窘迫。本病具有较强的传染性，在家庭和医院有显著的聚集现象。首发病例，也是全球首例。于2002年11月出现在广东佛山，并迅速形成流行态势

1.2问题的叙述

现阶段北京SARS的传播正处于高峰期。由于人们对该种疾病的传播机理还不太清楚，因此引起人们的恐慌，它关系社会的稳定和经济的发展。因此对该问题的研究非常有必要，我们把人口分成四类，即:健康人S(t)SARS病人I(t)病人免疫（包括死亡）的人R(t)及疑似病人P(t)四类人，利用现有数据着重从四类人口中：把该传染病进行统计学分析，归纳出主要特征通过假设，参数以及它们的相互联系，进行数据判定，数据假设，数据处理，数据分析，建立模型，数据总结等得出较为科学的SARS问题的分析，

相关信息（见附件1、2、3）

附件1SARS疫情分析及对北京走势的预测

附件2北京市疫情的数据

附件3北京市接待海外游客人数

附件4相关编程

1.3问题的提出

问题一：对附件1所提供的一个早期的模型，评价其合理性和实用性。

问题二：建立自己的模型，说明为什么优于附件1中的模型，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。

问题三：影响SARS传播因素以及对SARS疫情期间北京疫区人群进行分类。

2、符号说明

N: 北京人口基数

S)

(t：健康易感人群在人口基数中所占的比例，是与时间t有关的函数：

I)

(t:未被隔离的SARS病毒感染者在人口基数中所占的比例;

e)

(t:已被隔离人群在人口基数中的比例（确诊、疑似）：

e：隔离人群中SARS病毒感染者在人口基数中的比例，排除了e(t)例中没有0

非典的那部分人：

r)

(t:人口基数中所占的比例:

d:死亡人数在人口基数中所占的比例:

)(t

:每个未被隔离的SARS病毒感染者每天接触传染的人数：

1

λ :每个已被隔离SARS病毒感染者每天接触传染的人数 :

2

ε :隔离率，随着时间推移会发生变化 :

ε:表示每天被隔离的人数:

N

μ:非典患者的治愈率:

β:非典患者的死亡率:

3、问题分析

我们在科学、客观数据的基础之上，对未来几个月北京SARS病人发展形势做出科学、合理、简单的假设。不计影响较小的因素。在假设的条件之下，建立数学模型。然后要参考附件1，预测从2003年至2004年的北京SARS病人数量的变化情况。可以考虑的到拟合的方法。

针对问题一：

1)合理性：附件1所给出的模型为：N(t)=NO(1+K)

它是基于现实中的自然状态，描述出了SARS传染病最核心最本质的变化趋势。K 的取值采用半模拟循环计算方法，发展趋势由K值的变化体现。该模型的优点在于简单，易行，方便对数据采用拟合处理和利用取对数求方差估计与实际数据的误差，说明了该模型所具有的合理性。

2)实用性：任何具有传染性的疾病大致都是会经历“发展(快速蔓延)期一相对稳定期一逐渐消亡期”这样的一个过程，附件一模型准确地体现出了这点，因此它具有普遍实用性。

3)模型的缺陷：此模型把实际问题过于简单化了，有不合理的地方：

(1)模型中的K的取值只能根据已经有的数据拟合，因此模型的精确度严重地依赖与所给数据的准确度。实际中，统计所给的数据本身就有一定误差，拟合一个本身就包含偏差的数据势必造成与现实规律更大的背离。我们根据图直观的看出，模型只能给出接近的前期发展趋势，后期拟合与实际曲线有相当误差。(2)模型本身不具有预测性，它的K值是由数据拟合决定的。如果背离题目本意，我们让K按照某种规律变化，预测发展趋势，其产生的误差是很大的。(图略) (3)随着时间的推移，社会中存在各种控制的综合作用，用一个单纯笼统的K 的变化已很难刻画出复杂因素的影响，因为各种因素对SARS的影响不尽相同，有的可能抑制传播，有的则可能促进流行，致使模型的一致性在后期变差，误差越来越大。因此，至少应设为某种函数形式，引入一些参量因子进行考虑。

(4)此模型单单刻画出了传染病的一般性，那么SARS和其它的传染病也就没什么

本质上的区别了，缺乏对其SARS的，特征进行具体深入分析。

针对问题二：

对于附件1的模型建立优于它的模型。根据定义与假设列出相应的所需的方程组，由直接拟合推导各个参数存在较大的困难，因此采用整体拟合。再通过相应式子计算预测每日新增的隔离的SARS病毒感染者，整理相应的数据；最后预测北京最终的累计感染非典人数。据此，在后标题“模型的评论与改进”中阐述对卫生部门锁采取的措施的评论。

针对问题三

通过对早期模型和实际情况的分析，我们认为影响SARS传播因素众多，大致可分为时域因素和地域因素。列举如下：

(1)时域因素

a．媒体宣传：初期疫情较轻，媒体宣传强度很弱，导致民众的自我保护意识不足，容易感染；后期疫情较重，媒体宣传强度很大，民众的自我保护意识大大加强。

b．政府干预：初期疫情较轻，政府介入不足，后期疫情较重，政府加强干预（如：强行隔离，公共场所消毒等行为）。

c．认识程度：当一种新的传染病出现时，初期由于人们的认识程度不足，无法采取有效的预防和治疗措施，但随着研究的深入，认识程度会越来越高。

(2)地域因素

a．经济水平和医学水平：经济水平和医学水平高的地区的疫情控制情况会明显比水平低的地方好。

b．人口密度和人口流动：人口密度和人口流动大的城市若爆发传染病，疫情程度会比人口密度和人口流动小的城市大。

c．气候：SARS适合在春秋两季传播，且各城市的气候会疫情程度。

综上我们认为一个较好的传染病传播模型因该具有如下功能：a．能较好的描述疫情的大致走势。

b．能较精确的给出关键时间（初期爆发时刻；中期稳定时刻；高峰期；0病例增长的时刻），以便政府和卫生部门针对不同作出及时而正确的措施。

c．能给出描述疫情的指标，以便政府和卫生部门决定其各项工作的力度。

4、模型的相关假设

1、所获得的数据由权威部门提供的全国疫情统计数据真实可信；

2、将SARS所有传播途径都视为与病源的接触

3、在疾病传播期内所考察地区的总人数视为常数N，即认为本地区流入的人数

与流出的人数均相等，时间以天为单位：

4、假设每个病人单位时间有效接触人数r(所谓“有效接触”是指病人与健康这

接触时，足以使健康者受到感染而成为病人)为常数：

5、根据国家卫生部门资料可知处于潜伏期的SARS病人不具有传染性：

6、根据国家卫生部资料，SARS 康复者二度感染的概率为0，他们已经退出传染体系，因此将他们归为“退出者”。

7、将人群分为五类：

1. 健康者：(易感人群)

2．已被隔离的SARS 感染患者

①疑似病人：被隔离但没有确诊或排除的人员。

②确诊SARS 感染患者

3. 未被隔离的SARS 感染患者。

4. 治愈人群（不会传染SARS 的人群） ①死亡人群 ②治愈人群

5、模型的建立与求解

5.1 SARS 传播模型的建立

1． 根据之前的定义和假设，我们知道每个未被隔离的SARS 病毒感染者每天可以使1λS ()t 个健康易感染者，假设未被感染者的SARS 感染人数为()t Ni 。因而知道每天被未隔离感染者感染的健康易感染者共有1λS ()t ()t Ni 。同理，每天被已隔离的感染者感染的健康者共有()o Ne t S 2λ。此外还知道每天新增被隔离的感染SARS 患者总数为：()()t iS i N 10λξ+。

综合可得出，每天新增的、未被隔离病人感染的数量总数为：

()t d d N

t

I

1λ=()t N i + ()o Ne t S 2λ—()()t iS i N 10λξ+ （1） 在每天新增被隔离的SARS 感染者中减去每天治愈的人数和死亡的人数，可以得到有效的每天感染者的数量： ()()00100

Ne Ne t iS i N d de N

t

βμλε--+= （2） 每日治愈人数

1

t I

d d N =0N

e υ （3）

每日死亡人数

0Ne d d N

t

d

β (4)

并且，根据所占比例。应有：

1)()()()()(=++++t e t d t r t i t S (5)

上述式（1）~（5）构成了求解SARS 模型所需的常微分方程组，即SARS 模型。

5.2问题的求解。

考虑到直接拟合推导各个比率参数, 存在很大的难度, 我们采取了整体拟合的策略, 以避免求解1λ、2λ、0ε、μ、β时遇到相关数据缺乏所造成的困难。

5.2.1预测北京最终的累计非典感染人数

根据假设，每日新增的SARS 病毒的感染者人数为 ())(10t iS i N λε+，其中有来自新收治病例的20%，来自疑似病例中的 80%，根据已知数据有当天新隔离感染者为：

())(10t iS i N λε+ =（当天确诊人数-前一天确诊人数）×20%+（后一天确诊人数-当天确诊人数）×80%

以2003年4月21日作为第一天，据此计算从4.21-5.17,每日新增隔离的病毒感染者人数如表1所示：

日期

1

2 3 4 5 6 7 8 9 ()10λε+i 113.4

105.2 85.8 98.6 109.4 123 93.2 135.4 104 日期

10 11 12 13 14 15 16 17 18 ()10λε+i

109 89 100.6 70.6 87.6 69.2 83.8 87.4 50.2 日期

19 20 21 22 23 24 25 26 27 ()10λε+i 48.2

40.4

38.8

42.2

27

19

17.2

15．4

14.2

根据这27组数据，对表1所得计算结果进行简单的描点（如图1折线所示）其分布与指数曲线 bt ae t f -=)(近似(如图1曲线所示)，所以对其进行整体回归拟合得到的表达式为： t e t f 03538.05.147)(-=

通过拟合的曲线能够看到，在t=76的时候，新增隔离病毒感染者人数已近趋于0。

5.2.2 预测北京SARS 疫情结束的大致时间

当北京当天需要被隔离的人数降到0时，说明SARS 病毒已经不再传播，疫情已经解除。每日处在隔离中的SARS 感染的总人数为N e 0。

N e 0=当天已经确诊的病例-当天死亡人数-当天治愈出院人数

t

1

2

3

4

5

6

7

8

9

())(10t iS i N λε+ 113.4 105.2 85.5 98.6 109.4 123 93.2 135.4 104

0Ne μ 10 3 9 9 9 3 2 0 5 0Ne β 7

3

7

4

3

6

8

3

7 dt

de N 0

96.4 99.2 69.5 85.6 97.4 114 83.2 132.4 92 t

10

11 12

13

14

15

16

17

18

()()t iS i N 10λε+ 109

89 100.6 70.6 87.6 69.2 83.8 87.4 50.2 0Ne μ 7 10 9 6 3 3 13 7 11 0Ne β 9 7 9

5

4

3

4

3

2

dt

de N 0

93 72 82.6 59.6 80.6 63.2 66.8 77.4 37.2 t

19

20

21

22

23 24

25

26

27

()()t iS i N 10λε+ 48.2 40.4 38.8 42.2

27

19 17.2 15.4 14.2

0Ne μ 6 7 11 22 36 8 5 16 34 0Ne β 2

2

4

9

5

5 1

1

4

dt

de N 0

40.2 31.4 23.8 11.2 -14 6

11.2 -1.4 -23.8

对其进行简单的描点，其图像大致和高斯函数图像较为吻合，如图2所示

当N e 0=0时，也就是说在7月10或7月11左右，北京地区当天隔离的SARS 感染人数为0，我们预测此时北京的非典疫情结束。

6、模型评价及改进

1、评价

模型对北京地区中期的计算值与实际值基本吻合，说明该模型有一定的实用性。但对后期预测与后来的实际情况却有一定差距，而实际上，各地区的政策及人们生活习惯各有所不同，因此用一个地区所获得的参数去预测另一地区，其结果只具有参考性，而不具备很强的可靠性。所以该模型的实用性有一定局限。经过计算，以4月20 日作为严格隔离开始时间，那么在外未被隔离的病人大概为1500人，如果严格隔离往后推5天，那么开始严格隔离时的在外患者人数约为2500人，那么这样的结果时SARS 的疫情大大加深，当然，如果严格隔离提前5天起，那个疫情将会减轻。为了简化计算，我们的模型中没有考虑SARS 病的潜伏期，SARS 病毒的潜伏期一般为2-7天，并在潜伏期内，该病人不具有传染性，

因此对北京最终SARS病毒感染者的总数没有太大影响，但它明显一定程度会影响高峰期和结束期，这是该预测模型需要改进的地方。模型采用微分方程本身就有一定的缺限，其计算结果的准确性、可靠性将受到限制，再加之数值解的不确定性，模型对长时间的预测有它的局限性。因时间限制模型没能更多考虑交叉分类进行。

2、改进

若能建立以随机偏微分方程组为基础的数学模型，将大大提高计算的准确性与可靠性，使得预测更加准确，但这样做将遇到模型求解，数据准确收集和数值求解的不精确性等诸多困难。

参考文献

[1]中华人民共和国卫生部网站，http：／／www．m0h．gov．cn／

[2]百度百科：http：／／https://www.wendangku.net/doc/d110149745.html,／

[3]王树禾著．常微分方程模型与混沌[M]．

[4]朱道元编著．数学建模精品案例[M]．东南大学出版社，1999年8月第1版

[5]王兵团编著.数学建模基础。

[6]吴建国编著.数学建模案例精编。

附录

附件1：北京市疫情的数据

( 据：https://www.wendangku.net/doc/d110149745.html,/Resource/Detail.asp?ResourceID=66070)

已确诊病例

累计现有疑似病

例

死亡累计

治愈出院累

计

当天退出数

当天病人数

当天病例退出率治愈率

3394021833174310.0394430.076566 482610254365200.0115380.082692 5886662846166190.0258480.074313 6937823555136840.0190060.080409 7748633964127740.0155040.082687 877954427398730.0103090.08362

98810934876109900.0101010.076768 111412555678310650.0028170.073239 1199127559781212100.0099170.064463 1347135866831612910.0123930.064291 1440140875901713880.0122480.064841 15531415821001814540.012380.068776 16361468911091115410.0071380.070733 1741149396115715920.0043970.072236 18031537100118616790.0035740.07028 189715101031211717360.0097930.0697 196015231071341018080.0055310.074115 204915141101411318850.0068970.074801 213614861121521819130.0094090.079456 21771425114168919450.0046270.086375 222713971161751519740.0075990.088652 226514111201863119980.0155160.093093 230413781292084120100.0203980.103483 234713381342441319920.0065260.12249 23701308139252619970.0030050.126189 238813171402571720080.0084660.127988 240512651412733820060.0189430.136092 242012501453072719820.0136230.154894 243412501473322019580.0102150.169561 243712491503495019450.0257070.179434 244412251543955418950.0284960.208443 244412211564478318530.0447920.24123 245612051585285617790.0314780.296796 246511791605828817480.0503430.332952 249011341636674116690.0245660.399641 249911051677044416330.0269440.431108 250410691687478515970.0532250.467752 251210051728284115140.0270810.546896 25149411758666314760.0426830.586721 25178031769287914160.0557910.655367 252076017710068513380.0635280.751868 2521747181108797512530.7781320.867518 25217391902053672780.2410077.384892 25217341902120352110.16587710.04739 25217241912154171760.09659112.23864 25217181912171181590.11320813.65409 25217161912189421410.29787215.52482 2521713191223126990.26262622.53535

2521550191225720730.27397330.91781 25214511912277-116354-21.53742.16667 252235118111243312170.0271160.923583 25227118111573211840.0270270.977196 2522418111897411520.064236 1.032118 2522318112635810780.053803 1.171614 252266818113218410200.082353 1.295098 252225718314031419360.150641 1.498932 252215518415431107950.138365 1.940881 252231841653966850.140146 2.413139 2522518617471985890.336163 2.966044 252241871944523910.132992 4.971867 252231891994213390.061947 5.882006 252231892015-575319-1.80251 6.316614 2523218314463788940.422819 1.61745 252321861821565160.108527 3.52907 252321871876-0.28988 3.118497

附件3：北京市接待海外旅游人数（单位：万人）

年1月2月3月4月5月6月7月8月9月10月11月12月

1997 1998 1999 2000 2001 2002 2003 9.4 11.3 16.8 19.8 20.3 18.8 20.9 24.9 24.7 24.3 19.4 18.6

9.6 11.7 15.8 19.9 19.5 17.8 17.8 23.3 21.4 24.5 20.1 15.9

10.1 12.9 17.7 21.0 21.0 20.4 21.9 25.8 29.3 29.8 23.6 16.5

11.4 26.0 19.6 25.9 27.6 24.3 23.0 27.8 27.3 28.5 32.8 18.5 11.5 26.4 20.4 26.1 28.9 28.0 25.2 30.8 28.7 28.1 22.2 20.7 13.7 29.7 23.1 28.9 29.0 27.4 26.0 32.2 31.4 32.6 29.2 22.9 15.4 17.1 23.5 11.6 1.78 2.61 8.8 16.2

附4

t 1 2 3 4 5 6 7 8 9

())(10t iS i N λε+ 113.4 105.2 85.5 98.6 109.4 123 93.2 135.4

104 0Ne μ 10 3 9 9 9 3 2 0 5 0Ne β 7

3 7

4 3 6 8

3

7 dt

de N 0

96.4 99.2 69.5 85.6 97.4 114 83.2 132.4 92 t

10 11 12

13

14 15

16

17 18 ()()t iS i N 10λε+

109 89 100.6 70.6 87.6 69.2 83.8 87.4 50.2 0Ne μ 7 10 9 6 3 3 13 7 11 0Ne β 9

7 9 5 4 3

4

3 2 dt

de N 0

93 72 82.6 59.6 80.6 63.2 66.8 77.4 37.2 t

19 20 21 22 23 24 25

26

27 ()()t iS i N 10λε+

48.2 40.4 38.8 42.2 27 19 17.2 15.4 14.2 0Ne μ 6 7 11 22 36 8 5 16 34 0Ne β 2

2 4 9 5 5 1

1

4

dt

de N 0

40.2

31.4

23.8

11.2

-14

6

11.2 -1.4 -23.8

()10λε+i

113.4 105.2 85.8 98.6 109.4 123 93.2 135.4 104 日期

10 11 12 13 14 15 16 17 18 ()10λε+i

109 89 100.6 70.6 87.6 69.2 83.8 87.4 50.2 日期

19 20 21 22 23 24 25 26 27 ()10λε+i

48.2

40.4

38.8

42.2

27

19

17.2

15．4

14.2

附5

x=1:1:27;

y=[113.4 , 105.2, 85.8 , 98.6 , 109.4 , 123 , 93.2 , 135.4 , 104 , 109 , 89 , 100.6 , 70.6 , 87.6 , 69.2 , 83.8 , 87.4 , 50.2 , 43.2 , 40.4 , 38.8 , 42.2 , 27 , 19 , 17.2 , 15.4 , 14.2]; plot(x,y);

x=1:1:27;

y=[113.4 , 105.2, 85.8 , 98.6 , 109.4 , 123 , 93.2 , 135.4 , 104 , 109 , 89 , 100.6 , 70.6 , 87.6 , 69.2 , 83.8 , 87.4 , 50.2 , 43.2 , 40.4 , 38.8 , 42.2 , 27 , 19 , 17.2 , 15.4 , 14.2];

plot(x,y);hold on;

p2=polyfit(x,y,2);

p3=polyfit(x,y,3);

p7=polyfit(x,y,7);

disp('二次拟合曲线'),p2

disp('三次拟合曲线'),p3

disp('七次拟合曲线'),p7

x1=0:1:27;

y2=polyval(p2,x1);

y3=polyval(p3,x1);

y7=polyval(p7,x1);

plot(x,y,'rp',x1,y2,'--',x1,y3,'k-.',x1,y7)

legend('拟合点','二次拟合','三次拟合','七次拟合')

x=0:1:120;

z=258.3*epx(-0.08675*c);

plot(x,y);

x=1:1:150;

y=1997*exp(-((x-26.56)/22.94).^2);

x1=1:1:64;

y1=[288,

414,

514,

603,

671,

762,

864,

980,

1062,

1198,

1275,

1371,

1436,

1530,

1585,

1719, 1798, 1872, 1895, 1936, 1959, 1967, 1969, 1979, 1991, 1991, 1968, 1955, 1938, 1895, 1841, 1770, 1723, 1660, 1628, 1589, 1512, 1473, 1413, 1337, 1253, 1217, 1184, 1152, 1078, 1020, 936, 894, 795, 685, 589, 516, 460, 391, 339, 318, 278, 211,

176,

159,

141,

99,

73]

plot(x,y,'r',x1,y1,'b');

legend('每日处在SARS隔离的总人数拟合','每日处在SARS隔离的总人数');

xlabel('图2 每日处在SARS隔离的总人数拟合图');

x=1:1:27;

y=[96.4,99.2,69.5 , 85.6 ,97.4,114 , 83.2 , 132.4 , 92 93 , 72 , 82.6 , 59.6 , 80.6 , 63.2 , 66.8 , 77.4 , 37.2 , 40.2 , 31.4 , 23.8 , 11.2 , -14 , 6 , 11.2 , -1.4 , -23.8]; plot(x,'g',y,'y');cl

全国数学建模竞赛一等奖论文

交巡警服务平台的设置与调度 摘要 由于警务资源有限，需要根据城市的实际情况与需求建立数学模型来合理地确定交巡警服务平台数目与位置、分配各平台的管辖范围、调度警务资源。设置平台的基本原则是尽量使平台出警次数均衡，缩短出警时间。用出警次数标准差衡量其均衡性，平台与节点的最短路衡量出警时间。 对问题一，首先以出警时间最短和出警次数尽量均衡为约束条件，利用无向图上任意两点最短路径模型得到平台管辖范围，并运用上下界网络流模型优化解,得到A区平台管辖范围分配方案。发现有6个路口不能在3分钟内被任意平台到达，最长出警时间为5.7分钟。 其次，利用二分图的完美匹配模型得出20个平台封锁13个路口的最佳调度方案，要完全封锁13个路口最快需要8.0分钟。 最后，以平台出警次数均衡和出警时间长短为指标对方案优劣进行评价。建立基于不同权重的平台调整评价模型，以对出警次数均衡的权重u和对最远出警距离的权重v 为参数，得到最优的增加平台方案。此模型可根据实际需求任意设定权重参数和平台增数，由此得到增加的平台位置，权重参数可反映不同的实际情况和需求。如确定增加4个平台，令u=0.6，v=0.4，则增加的平台位置位于21、27、46、64号节点处。 对问题二，首先利用各区平台出警次数的标准差和各区节点的超距比例分析评价六区现有方案的合理性，利用模糊加权分析模型以城区的面积、人口、总发案次数为因素来确定平台增加或改变数目。得出B、C区各需改变2个平台的位置，新方案与现状比较，表明新方案比现状更合理。D、E、F区分别需新增4、2、2个平台。利用问题一的基于不同权重的平台调整评价模型确定改变或新增平台的位置。 其次，先利用二分图的完美匹配模型给出80个平台对17个出入口的最优围堵方案，最长出警时间12.7分钟。在保证能够成功围堵的前提下，若考虑节省警力资源，分析全市六区交通网络与平台设置的特点，我们给出了分阶段围堵方案，方案由三阶段构成。最多需调动三组警力，前后总共需要29.2分钟可将全市路口完全封锁。此方案在保证成功围堵嫌疑人的前提下，若在前面阶段堵到罪犯，则可以减少警力资源调度，节省资源。 【关键字】：不同权重的平台调整评价模糊加权分析最短路二分图匹配

SARS的传播

数学建模作业 SARS的传播 成员：章俊龙龚悦峰陆芳婷

摘要 本文分析了题目所提供的早期传染病的合理性和实用性。我们认为该模型可以对传染病作出预测，但存在一些不足，首先通过其他地区做预测，忽略了地区的差异，在预测结果上不够准确。其次模型的参数设定缺乏依据，具有一定的主观性，最后混淆了累积患病人数与确诊病例人数的概念，在染病人数的预测上产生了一定的影响。 针对早期模型的不足，我们全面分析了传染病的传播机理，将人群分为健康者、病人和病愈免疫移出者三类，构建了SIR模型。建立了病人和健康者所占总人数比例关于时间t的微分方程通过matlab计算得出i-s图形（相轨线）。通过分析，得到制止传染病的蔓延的两种手段为降低日接触率，提高日治愈率和提高移出者比例的初值。 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，尽早发现和隔离能够减少累积患病人数，严格隔离能有效缩短疫情持续时间。同时我们分析了1997-2003年北京外来游客接待人数的变化，运用spss的logistic回归分析对2003年9-12月的游客人数进行预测，可以得出在SARS流行期间对北京入境旅游业造成了很大的损失，并预计海外旅游人数将在10月以前恢复正常。 最后我们写了一片小短文，论述了传染病模型在生活中的重要性，以及对疾病预测和防控的实用性，希望能引起相关部门和公民的重视，并能有效的预测传染病的发生，减少公民的财产损失和保障公民的生命健康。 关键词： SIR模型传染病模型回归预测时间序列

一、问题重述 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）对附件1所提供的一个早期的模型，评价其合理性和实用性。 （2）建立你们自己的模型，说明为什么优于附件1中的模型；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2提供的数据供参考。 （3）收集SARS对经济某个方面影响的数据，建立相应的数学模型并进行预测。附件3提供的数据供参考。 （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。 二、问题分析 问题一要求我们对早期的模型进行评价，主要从其合理性与实用性两方面进行评价，首先我们要考虑模型是否与实际情况相符合，其次是要探究该模型是否有一定的理论基础。是否与实际情况相符需要将模型的计算值与实际值进行比较，从而得出结论。模型的理论基础需要从模型的建立是否与传统的传染病模型相符，是否与传染病的基本特征项相符这两个方面进行。 问题二要求我们在早期模型的基础上进行优化，主要目的是提供准确的预测和防控，及实施的困难情况进行分析。我们在充分探讨早期模型的基础上，对SARS的传播原因和传播途径分析比较。SARS的传播过程受传染病人的多少、易受传染者的大小、传染率的大小、人口迁移、潜伏期的长短、个体的抵抗力大小、疾病的宣传力度等因素的影响。我们将从主要因素开始考虑，次要因素为辅建立优于早期的模型，对SARS进行更好的预防和控制。 问题三要求我们分析对国家经济造成的影响，附件三为北京接待海外游客的

葡萄酒的评价_全国数学建模大赛优秀论文

承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）：重庆工商大学 参赛队员(打印并签名) ：1. 2. 3. 指导教师或指导教师组负责人(打印并签名)： 日期： 2012 年 9 月 10 日赛区评阅编号（由赛区组委会评阅前进行编号）：

编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：

葡萄酒的评价 摘要 酿酒葡萄的好坏与所酿葡萄酒的质量有直接的关系，葡萄酒和酿酒葡萄检测的理化指标会在一定的程度上反映葡萄酒和葡萄的质量。本论文主要研究葡萄酒的评价、酿酒葡萄的分级以及酿酒葡萄与葡萄酒的理化指标之间的相互关系问题。 对于问题一:我们从假设检验的角度出发分析，对两组的评分进行均值和方差运算，并在零假设成立的前提下通过使用Matlab 做T 检验，得出两组评酒员对于红葡萄酒的评价结果无显著性差异，而对于白葡萄酒的评价结果存在显著性差异的结果。再建立可信度模型 = H ，计算结果如下表， 对于问题二:根据葡萄酒质量的综合得分，将其划分为优、良、合格、不合格四个等级，并对酿酒葡萄的理化指标进行主成分分析，得出对葡萄影响较大的 到了它们的偏相关系矩阵。利用通径方法建立了数学模型，得出了它们之间的线性回归方程： 11231123=2.001x 0.0680.015x +........=0.0540.7580.753x ......... y x y x x ----+红红红红白白白白 对于问题四:在前面主成分分析和葡萄酒分级的基础上，建立Logistic 回归模型，并利用最大似然估计法求出线性回归方程的参数，得出线性回归方程。运用SPSS 软件，通过matlab 编程运算，求出受它们综合影响的线性回归方程。在验证时，随机从上面选取理化指标，将它们带入P 的计算式中，通过所求P 值判断此时葡萄酒质量所属级别，得出了不能用葡萄和葡萄酒的理化指标来评价葡萄酒的质量的结论。

2013全国数学建模大赛a题优秀论文

车道被占用对城市道路通行能力的影响 摘要 随着城市化进程加快，城市车辆数的增加，致使道路的占用现象日益严重，同时也导致了更多交通事故的发生。而交通事故发生过程中，路边停车、占道施工、交通流密增大等因素直接导致车道被占用，进而影响了城市道路的通行能力。本文在视频提供的背景下通过数据采集，利用数据插值拟合、差异对比、车流波动理论等对这一影响进行了分析，具体如下： 针对问题一，首先根据视频1中交通事故前后道路通行情况的变化过程运用物理观察测量类比法、数学控制变量法提取描述变量（如事故横断面处的车流量、车流速度以及车流密度）的数据，从而通过研究各变量的变化，来分析其对通行能力的影响。而视频1中有一些时间断层，我们可根据现有的数据先用统计回归对各变量数据插值后再进行拟合，拟合过程中利用残差计算值的大小来选择较好的模型来反应各变量与事故持续时间的关系，进而更好地说明事故发生至撤离期间，事故所处横断面实际通行能力的变化过程。 针对问题二：沿用问题一中的方法，对视频2中影响通行能力的各个变量进行数据采集，同样使用matlab对时间断层处进行插值拟合处理，再将所得到的的变化图像与题一中各变量的变化趋势进行对比分析，其中考虑到两视频的时间段与两视频的事故时长不同，从而采用多种对比方式（如以事故发生前、中、后三时段比较差值、以事故相同持续时间进行对比、以整个事故时间段按比例分配时间进行对比）来更好地说明这一差异。由于小区口的位置不同、时间段是否处于车流高峰期以及1、2、3道车流比例不同等因素的影响，采用不同的数据采集方式使采集的变量数据的实用性更强，从而最后得到视频1中的道路被占用影响程度高于视频2中的影响程度，再者从差异图像的变化波动中得到验证，使其合理性更强。 针对问题三：运用问题1、2中三个变量与持续时间的关系作为纽带，再根据附件5中的信号相位确定出车流量的测量周期为一分钟，测量出上游车流量随时间的变化情况，而事故横断面实际通行能力与持续时间的关系已在1、2问中由拟合得到，所以再根据波动理论预测道路异常下车辆长度模型的结论，结合采集数据得到的函数关系建立数学模型，最后得出事故发生后，车辆排队长度与事故横断面实际通行能力、事故持续时间以及路段上游车流量这三者之间的关系式。 针对问题四：在问题3建立的模型下，利用问题4中提供的变量数据推导出其它相关变量值，然后代入模型，估算出时间长度，以此检验模型的操作性及可靠性。 关键词：通行能力车流波动理论车流量车流速度车流密度

SARS 数学建模

问题重述 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）对附件1所提供的一个早期的模型，评价其合理性(假设的合理，分析的合理，结果的合理)和实用性（对于实际应用上的作用）。 （2）建立你们自己的模型，说明为什么优于附件1中的模型；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2提供的数据供参考。 （3）收集SARS对经济某个方面影响的数据，建立相应的数学模型并进行预测。附件3提供的数据供参考。 （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。 第一问 早起模型的评析 一、早期模型的重述 ①模型的假设： 根据附件一中的模型，我们可以得出此模型具有如下假设

1)不考虑“非典”的潜伏期，感染非典后立即具有传染性； 2)当感染者有效接触健康者时，使健康者被感染； 3)整个“非典”发病期间政府不采取任何预防措施和隔离治疗措施； 4)忽略“非典病人的个体差异”，假设传染期为常数； ②早期模型建立： 假定初始时刻的病例数为N0，平均每位病人每天可传染K个人（K一般为小数），平均每个病人可以直接感染他人的时间为L天。则在L天之内，病例数目的增长随时间t(单位天)的关系是： N（t）= N0 (1+K)t 如果不考虑对传染期的限制，则病例数将按照指数规律增长。考虑传染期限L的作用后，变化将显著偏离指数律，增长速度会放慢。我们采用半模拟循环计算的办法，把到达L天的病例从可以引发直接传染的基数中去掉。为了简单起见，从开始至到高峰期间均采用同样的K值（从拟合这一阶段的数据定出）。到达高峰期后，在10天的范围内逐步调整K值到比较小，然后保持不变，拟合其后在控制阶段的全部数据。 二、早起模型的合理性和实用性的简评 A.早期模型的优点： 1.模型简明 本模型主要有三个参数N0、K、L，且都具有实际意义。L可理解为平均每个病人在被发现前后可以造成直接传染的期限，在此期限后失去传染能力，可能原因是被隔离、病愈或死去等等。K表示某种社会条件下平均每位病人每天传播的人数（但并非文中所述的一个病人的感染他人的平均概率）。整个模型抓住了SARS传播过程中两个主要特征：传染期L和传染率K，反映了SARS的传播过程。使人很容易理解该模型。 2.模型灵活 通过调整N0、K、L值，就可以描述不同地区，不同环境下SARS的初期传播规律 3.预测准确 通过模型对北京、广东与香港的疫情进行了分析，得到的预测值与实际统计数据较接近。 可大致预测出疫情的爆发点和发展趋势。 B.早期模型的缺点： 1.对于如何确定对于三个参数N0、K、L，未给出一般的原则或算法，只能通过对 于已发病地区的数据进行拟合得出。按照作者的表述，K值是以病发高峰为界取各 段的平均值作为传染概率，虽然简化了运算，但是在现实情况下，不同地区的K值 是不同的。在实际应用中，如果没有一定量的数据，是无法得出K值的。在我们对 该模型进行拟合事发现，对于N0、K、L作者未给出调整的标准和相关理论，所 以我们很难重复该求解过程。 2.当需要对某一地区进行疫情分析时，还需考虑到该地区相对于北京、广州、香港这 类人口密集，人员流动性大的城市之间的差异。地域因素会造成不同地区的K值不 同（如人口密度和人口流动大的城市若爆发传染病，初期的K值会比人口密度和人 口流动小的城市大，等等），而很难找到地域因素几乎相同的两城市。所以此作法

数学建模国家一等奖优秀论文

２01４高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参赛规则》(以下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛网站下载)。 我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师)研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛章程和参赛规则的，如果引用别人的成果或其他公开的资料(包括网上查到的资料),必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。如有违反竞赛章程和参赛规则的行为,我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示(包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等)。 我们参赛选择的题号是(从Ａ/B/C/Ｄ中选择一项填写)：B 我们的报名参赛队号为（8位数字组成的编号）: 所属学校（请填写完整的全名)： 参赛队员(打印并签名) :1. 2． 3．

指导教师或指导教师组负责人(打印并签名): ?（论文纸质版与电子版中的以上信息必须一致,只是电子版中无需签名。以上内容请仔细核对，提交后将不再允许做任何修改。如填写错误，论文可能被取消评奖资格。) 日期： 20１4 年 9 月15日 赛区评阅编号(由赛区组委会评阅前进行编号）:

２０14高教社杯全国大学生数学建模竞赛 编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）：赛区评阅记录(可供赛区评阅时使用）：

SARS传播的数学模型 数学建模全国赛优秀论文

SARS传播的数学模型 (轩辕杨杰整理) 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够的信息. 2.1早期模型简述 早期模型是一个SARS 疫情分析及疫情走势预测的模型， 该模型假定初始时刻的病例数为0N ， 平均每病人每天可传染K 个人（K 一般为小数），K 代表某种社会环境下一个病人传染他人的平均概率，与全社会的警觉程度、政府和公众采取的各种措施有关.整个模型的K 值从开始到高峰期间保持不变，高峰期后 10天的范围内K 值逐步被调整到比较小的值，然后又保持不变. 平均每个病人可以直接感染他人的时间为L 天.整个模型的L 一直被定为20.则在L 天之内，病例数目的增长随时间t (单位天)的关系是： t k N t N )1()(0+?= 考虑传染期限L 的作用后，变化将显著偏离指数律，增长速度会放慢.采用半模拟循环计算的办法，把到达L 天的病例从可以引发直接传染的基数中去掉. 2.2早期模型合理性评价 根据早期模型对北京疫情的分析与预测，其先将北京的病例起点定在3月1日，经过大约59天在4月29日左右达到高峰，然后通过拟合起点和4月20日以后的数据定出高峰期以前的K =0.13913.高峰期后的K 值按香港情况变化，即10天范围内K 值逐步被调整到0.0273.L 恒为20.由此画出北京3月1日至5月7日疫情发展趋势拟合图像以及5月7日以后的疫情发展趋势预测图像，如图1.

数学建模传染病模型剖析

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 d N(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。单位时间（一天）内一个病人能传播的人数是常数k ； 2) 在 所传染的人当中不考虑已治愈的人是否被再次被传播，治愈的人数占该地区的总人数是绝对的少数，治愈者不会再被传播并不影响疫情在该时间内的感染率常数k; 3) 病者在潜伏期传播可能性很小， 仍按健康人处理； 4) SARS 对不同的年龄组的感染率略有不同（相差不大），但我们只考虑它健康人的感染率是一样的；

SARS传播的数学模型

SARS传播的数学模型 摘要 通过对题目附件1的SARS模型进行分析和评价，加深了对SARS的认识和了解。根据传染病的传播特点，建立了关于SARS病人率和疑似病人率两个常微分方程模型。以所给数据为基本依据，用Matlab软件进行数值计算，与图形模拟方法求得模型中的有 关参数。当λ 1=1.5 和λ 2 =1时，理论图形与实际图形有良好的吻合，分别得到了SARS 病人率和疑似病人率比较符合实际数据的变化图，能正确地预测它们的发展趋势。他们对于模型中的参数有非常强的灵感性，λ 1 的值作微小的改变对于整个疫情的发展有很大的影响，所以政府采取对SARS疫情的有关措施是完全正确的。本文重点分析了关于SARS病人率的模型一，根据求得的参数，利用相轨线理论对结果加以分析并对整个疫情作出预测，并推论出SARS病人率关于t的表达式i(t),然后提出了对传染病的控制方案，同时列举了具体方法，并论证了方法的合理性和可行性，用其它地区的数据对模型进行检验，说明模型的参数有区域性。 关键词：SARS 微分方程曲线拟合数学模型相轨线 本文首先分析评价了附件1中SARS传播的数学模型，指出该模型可以对疫情走势进行预测,但同时也存在一定缺点，第一，混淆了累计病例数与累计确诊人数的概念；第二，对参数的确定缺乏根据；第三，预测时借助了其他地区的参数，偏差较大. 本文针对其缺点建立了一个比较完善的传播模型. 该传播模型按政府开始控制的时刻分为控制前与控制后两个模型，两个模型均以潜伏期5天为周期，以一个周期为整体建立差分方程模型. 再结合5月15日以前北京疫情的公开数据，配合不同的政府监控力度，对整个北京的SARS疫情状况进行了预测.预计政府的监控力度一直保持在5月10日－5月15日的水平上时，6月10日－6月15日北京将会无新增病例，最后累积病例数为2993.对卫生部门采取的措施进行了评价：若提前或延后5天采取严格的隔离措施最后累计病例数分别为1300多与5200左右. 进一步通过对人群的不同分类，建立了两个微分方程组，可分别预测出实际发病人数、不可控/可控带菌者人数与当天疑似病例数、累计确诊人数、不可控/可控带菌者人数及治愈、死亡人数，结合两者的信息就可以得到足够的信息量.但模型中的部分参数无法确定给模型求解带来困难.可以通过搜集更多的数据和资料加以解决. 本文同时就外国来京旅游人数受SARS的影响，建立了模型，估算出4、5、6、7四个月中北京地区入境旅游人数比往年同期减少了94.8万人，旅游经济损在4.74亿美元至9.48亿美元之间.并预测出在2003年10月上旬，旅游人数将恢复到正常水平. 最后给报纸写了一篇短文，说明了建立传染病数学模型的必要性与重要性. 一、问题的提出公元2003年春天，一种叫SARS的病毒从天而降，降到人类赖以生存的星球，降到中国人的头上.SARS究竟是什么，它为什么会代给人类这么多的伤

2003年A题全国数学建模优秀论文5

测控SARS流行趋势的优化模型 齐秋锋魏杰万晓晨 指导教师谭欣欣等 摘要 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。为了能定量的研究传染病的传播规律，人们建立了各类模型来预测、控制疾病的发生发展。 在本题中给出了一个早期指数模型，我们把它称为模型1，它在短期内有着计算参数简单等合理性与实用性，但却存在着用短期参数描述长期过程偏离实际的缺陷。基于此，我们考虑应该引进新的参数，建立更优的模型。 由于SARS是新发传染病，人们对其的有效防治手段主要还是以预防为主的隔离和检疫，所以我们引进一个预防效果指数k，来反映防控措施对SARS传播的影响；又由于SARS发病传染迅猛，为了描述这个特征，我们又引入了参数 r ，用来表示发病率。在假设所研究各地区人口为理想状态下的人群、对该病普遍易感等前提下，我们应用Logistic回归结合各地SARS发病的疫情资料，用Matlab软件模拟，得到了一个更为优化的Logistic SARS模型，它给出了SARS流行趋势以及控制措施有效性的定量评估。由于参数k的引进，更符合实际情况也符合医学解释，并且能够预测SARS高峰期的到来时间，可能累计最大发病数，在测控和拟合实际上优于模型1。同时，我们也通过Matlab语言对北京、山西等的计算值和实际数据进行了拟合，进而验证了这个模型的可靠性。 当然，要建立一个最优模型还需要考虑更多因素，在考虑了传播途径及易感人群等因素后，也可以建立一个最优的SEIRQ模型。但这样考虑就需要大量的数据采集整理工作，但在实际中这是不易实现的。 在对卫生部所采取部分措施的评析中，我们引入了小世界网络模型，对政府措施作出了定量评论，并用图形直观的表示出来。 最后，我们分析了Logistic SARS模型的特点，并对其改进与应用做出了展望。 一、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；不过，我们也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以及为预测和控制传染病蔓延创造条件的重要性。请对SARS 的传播建立数学模型，具体要求如下： （1）对附件1所提供的一个早期的模型，评价其合理性和实用性。 （2）建立自己的模型，说明此模型为什么优于附件1中的模型；特别地，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2提供

美国大学生数学建模竞赛优秀论文翻译

优化和评价的收费亭的数量 景区简介 由於公路出来的第一千九百三十，至今发展十分迅速在全世界逐渐成为骨架的运输系统，以其高速度，承载能力大，运输成本低，具有吸引力的旅游方便，减少交通堵塞。以下的快速传播的公路，相应的管理收费站设置支付和公路条件的改善公路和收费广场。 然而，随着越来越多的人口密度和产业基地，公路如花园州公园大道的经验严重交通挤塞收费广场在高峰时间。事实上，这是共同经历长时间的延误甚至在非赶这两小时收费广场。 在进入收费广场的车流量，球迷的较大的收费亭的数量，而当离开收费广场，川流不息的车辆需挤缩到的车道数的数量相等的车道收费广场前。因此，当交通繁忙时，拥堵现象发生在从收费广场。当交通非常拥挤，阻塞也会在进入收费广场因为所需要的时间为每个车辆付通行费。 因此，这是可取的，以尽量减少车辆烦恼限制数额收费广场引起的交通混乱。良好的设计，这些系统可以产生重大影响的有效利用的基础设施，并有助于提高居民的生活水平。通常，一个更大的收费亭的数量提供的数量比进入收费广场的道路。 事实上，高速公路收费广场和停车场出入口广场构成了一个独特的类型的运输系统，需要具体分析时，试图了解他们的工作和他们之间的互动与其他巷道组成部分。一方面，这些设施是一个最有效的手段收集用户收费或者停车服务或对道路，桥梁，隧道。另一方面，收费广场产生不利影响的吞吐量或设施的服务能力。收费广场的不利影响是特别明显时，通常是重交通。 其目标模式是保证收费广场可以处理交通流没有任何问题。车辆安全通行费广场也是一个重要的问题，如无障碍的收费广场。封锁交通流应尽量避免。 模型的目标是确定最优的收费亭的数量的基础上进行合理的优化准则。 主要原因是拥挤的

SARS传播的数学模型

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够的信息. 2.1早期模型简述 早期模型是一个SARS 疫情分析及疫情走势预测的模型， 该模型假定初始时刻的病例数为0N ， 平均每病人每天可传染K 个人（K 一般为小数），K 代表某种社会环境下一个病人传染他人的平均概率，与全社会的警觉程度、政府和公众采取的各种措施有关.整个模型的K 值从开始到高峰期间保持不变，高峰期后 10天的范围内K 值逐步被调整到比较小的值，然后又保持不变. 平均每个病人可以直接感染他人的时间为L 天.整个模型的L 一直被定为20.则在L 天之内，病例数目的增长随时间t (单位天)的关系是： t k N t N )1()(0+?= 考虑传染期限L 的作用后，变化将显著偏离指数律，增长速度会放慢.采用半模拟循环计算的办法，把到达L 天的病例从可以引发直接传染的基数中去掉. 2.2早期模型合理性评价 根据早期模型对北京疫情的分析与预测，其先将北京的病例起点定在3月1日，经过大约59天在4月29日左右达到高峰，然后通过拟合起点和4月20日以后的数据定出高峰期以前的K =0.13913.高峰期后的K 值按香港情况变化，即10天范围内K 值逐步被调整到0.0273.L 恒为20.由此画出北京3月1日至5月7日疫情发展趋势拟合图像以及5月7日以后的疫情发展趋势预测图像，如图1.

数学建模—传染病模型

传染病模型 摘要 当今社会，人们开始意识到通过定量地研究传染病的传播规律，建立传染病的传播模型，可以为预测和控制传染病提供可靠、足够的信息。本文利用微分方程稳定性理论对传统传染病动力学建模方式进行综述，且针对甲流，SARS等新生传染病模型进行建模和分析。 不同类型的传染病的传播过程有其各自不同的特点，我们不是从医学的角度一一分析各种传染病的传播，而是从一般的传播机理分析建立各种模型，如简单模型，SI模型，SIS模型，SIR模型等。本文中，我们应用传染病动力学模型来描述疾病发展变化的过程和传播规律，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。然后，通过借助Matlab程序拟合出与实际较为符合的曲线并进行了疫情预测，评估各种控制措施的效果，从而不断完善文中的模型。 本文由简到难、全面地评价了该模型的合理性与实用性，而后对模型和数据也做了较为扼要的分析，进一步改进了模型的不妥之处。同时，在对问题进行较为全面评价的基础上又引入更为全面合理的假设，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，做好模型的完善与优化工作。 关键词：传染病模型,简单模型，SI，SIS,SIR，微分方程，Matlab。

一、问题重述 有一种传染病（如SARS、甲型H1N1）正在流行，现在希望建立适当的数学模型，利用已经掌握的一些数据资料对该传染病进行有效地研究，以期对其传播蔓延进行必要的控制，减少人民生命财产的损失。考虑如下的几个问题，建立适当的数学模型，并进行一定的比较分析和评价展望。 1、不考虑环境的限制，设单位时间内感染人数的增长率是常数，建立模型求t 时刻的感染人数。 2、假设单位时间内感染人数的增长率是感染人数的线性函数，最大感染时的增长率为零。建立模型求t时刻的感染人数。 3、假设总人口可分为传染病患者和易感染者，易感染者因与患病者接触而得病，而患病者会因治愈而减少且对该传染病具有很强的免疫功能，建立模型分析t 时刻患病者与易感染者的关系，并对传染情况（如流行趋势，是否最终消灭）进行预测。 二、问题分析 1、这是一个涉及传染病传播情况的实际问题，其中涉及传染病感染人数随时间的变化情况及一些初始资料，可通过建立相应的微分方程模型加以解决。 2、问题表述中已给出了各子问题的一些相应的假设。 3、在实际中，感染人数是离散变量，不具有连续可微性，不利于建立微分方程模型。但由于短时间内改变的是少数人口，这种变化与整体人口相比是微小的。 因此，为了利用数学工具建立微分方程模型，我们还需要一个基本假设：感染人数是时间的连续可微函数。

2011年全国数学建模大赛A题获奖论文

城市表层土壤重金属污染分析 摘要 本文旨在对城市土壤地质环境的重金属污染状况进行分析，建立模型对金属污染物的分布特点、污染程度、传播特征以及污染源的确定进行有效的描述、评价和定位。 对于重金属空间分布问题，首先基于克里金插值法，应用Surfer 8软件对各数据点的分布情况进行模拟，得到了直观的重金属污染空间分布图形；随后，分别用内梅罗综合污染指数以及模糊评价标准和模型对城区内不同区域重金属的污染程度进行了评判。 对于金属污染的主要原因分析问题，基于因子分析法、问题一的结果和对各个金属污染物的来源分析等因素，判断出金属污染的主要原因有：工业生产、汽车尾气排放、石油加工并推测该区域是镍矿富集区。随后讨论了污染源之间的相互关系和不同金属的污染贡献率。 针对污染源位置确定问题，我们建立了两个模型：模型一以流程图的形式出现，基于污染传播的一般规律建立模型，求取污染源范围，模型作用更倾向于确定污染源的位置；模型二基于最小二乘法原理，建立了拟合二次曲面方程，在有效确定污染源的同时也反映了其传播特征，模型更加清楚，理论性也更强。 在研究城市地质环境的演变模式问题中，我们对针对污染源位置确定问题所建模型的优缺点进行了评价，同时建立了考虑了时间，地域环境和传播媒介的污染物传播模型，从而反映了地质的演变。 综上所述，本文模型的特点是从简单的模型建立起，强更准确的数学模型发展，逐步达到目标期望。 关键词：重金属污染，克里金插值最小二乘法因子分析流程图

一、问题重述 1.1问题背景 随着城市经济的快速发展和城市人口的不断增加，人类活动对城市环境质量的影响日显突出。对城市土壤地质环境异常的查证，以及如何应用查证获得的海量数据资料开展城市环境质量评价，研究人类活动影响下城市地质环境的演变模式，日益成为人们关注的焦点。评价和研究城市土壤重金属污染程度，讨论土壤中重金属的空间分布，研究城市土壤重金属污染特征、污染来源以及在环境中迁移、转化机理，并对城市环境污染治理和城市进一步的发展规划提出科学建议，不仅有利于城市生态环境良性发展，有利于人类与自然和谐，也有利于人类社会 健康和城市可持续发展[1] 。按照功能划分，城区一般可分为生活区、工业区、山区、主干道路区及公园绿地区等，不同的区域环境受人类活动影响的程度不同。 现对某城市城区土壤地质环境进行调查。为此，将所考察的城区划分为间距1公里左右的网格子区域，按照每平方公里1个采样点对表层土（0~10 厘米深度）进行取样、编号，并用GPS 记录采样点的位置。应用专门仪器测试分析，获得了每个样本所含的多种化学元素的浓度数据。另一方面，按照2公里的间距在那些远离人群及工业活动的自然区取样，将其作为该城区表层土壤中元素的背景值。 1.2 目标任务 (1) 给出8种主要重金属元素在该城区的空间分布，并分析该城区内不同区域重金属的污染程度。 (2) 通过数据分析，说明重金属污染的主要原因。 (3) 分析重金属污染物的传播特征，由此建立模型，确定污染源的位置。 (4) 分析所建立模型的优缺点，为更好地研究城市地质环境的演变模式，分析还应收集的信息，并进一步探索怎样利用收集的信息建立模型及解决问题。 二、 模型假设 1）忽略地下矿源对污染物浓度的影响； 2）认为海拔对污染物的分布较小，故只在少数模型中讨论其作用； 3）认为题目中的采样方式是科学的，能够客观反映污染源的分布。 三、 符号说明 3.1第一问中的符号说明 i p ——污染物i 的环境污染指数 i C ——污染物i 的实测值 i S ——污染物i 的背景值 m ax (/)i i C S ——土壤污染指数的最大值 (/)i i avg C S ——土壤污染指数的平均值

2014年数学建模国家一等奖优秀论文设计

2014高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参 赛规则》（以下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛下载）。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括、电子、网上咨询等） 与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛章程和参赛规则的，如果引用别人的成果或 其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文 引用处和参考文献中明确列出。 我们重承诺，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。如有违 反竞赛章程和参赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展 示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： B 我们的报名参赛队号为（8位数字组成的编号）： 所属学校（请填写完整的全名）： 参赛队员 (打印并签名) ：1. 2. 3.

指导教师或指导教师组负责人 (打印并签名)： （论文纸质版与电子版中的以上信息必须一致，只是电子版中无需签名。以上容请仔细核对，提交后将不再允许做任何修改。如填写错误，论文可能被取消评奖资格。） 日期： 2014 年 9 月 15日赛区评阅编号（由赛区组委会评阅前进行编号）：

2014高教社杯全国大学生数学建模竞赛 编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）：赛区评阅记录（可供赛区评阅时使用）：