随机切换SIRS传染病模型的渐近行为

来源 :哈尔滨工业大学 | 被引量 : 0次 | 上传用户:wgp121554715
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
流感等高感染性呼吸道疾病传播规律与防控机理的研究是公共卫生领域研究的重要问题,SIRS型微分动力模型被广泛应用于研究该类型传染病传播与防控的动态行为。然而,经典的确定性SIRS型微分动力模型忽略了系统外部环境随机波动对呼吸道传染病传播速率的影响。本文将环境的随机波动因素嵌入到一个经典确定性SIRS传染病模型中,分别建立了带有Markov切换和半Markov切换的SIRS传染病模型:应用随机微分方程理论、Markov过程的稳定性理论和Markov算子半群的渐近稳定性理论,研究相应随机SIRS传染病模型的疾病传播阈值动态行为和遍历性性质,并结合普通流感的实际参数值分析环境的随机性波动对普通流感在亚热带区域爆发风险的影响。本文的研究工作分为以下三个部分:首先,通过在经典确定性SIRS传染病模型的疾病传播速率上嵌入一个连续时间Markov链,建立了一个具有Markov切换的逐段确定SIRS传染病模型。定义了模型的基本再生数,并且证明该基本再生数刚好为决定疾病灭绝与持久的阈值参数。当疾病持久存在时,证明了不变概率测度的存在性,并且在较弱条件下得到了系统解的?-极限集的全局吸引性;利用Markov过程稳定性的理论,证明了瞬时转移概率测度以总变差范数收敛于这个不变概率测度,并且给出了不变概率测度的支撑集。其次,基于前面所建立的具有Markov切换的逐段确定SIRS传染病模型,建立一个同时带有Markov切换和退化白噪声扩散项的随机SIRS传染病模型。通过分析疾病的灭绝与持久性得到了决定疾病灭绝与持久的阈值参数。在疾病持久的情况下,利用Markov算子半群的渐近稳定性理论,证明了系统所对应的Fokker-Planck方程的解生成的Markov半群是渐近稳定的,并且给出了不变概率密度函数的支撑集。运用实际数据对结果进行了仿真和验证,仿真结果进一步表明:这些环境噪声的存在都不利于普通流感在亚热带区域的传播;若忽略这些噪声的影响,则对染病者数量的预测将很可能被高估;人们应当提防,在这些环境噪声存在时即使流感病毒的抗原漂移突变偶尔也会导致疾病的严重爆发。最后,建立并研究了具有两个环境状态的半Markov链驱动的SIRS随机传染病模型。在概率分布逼近意义下,我们允许半Markov过程的条件持续停留时间分布可以是在[0,+∞)上定义的任意概率分布。推导出了模型的基本再生数并且证明其刚好为决定疾病灭绝与持久的阈值参数。同时,在疾病持久的情况下,我们将前面具有Markov切换的逐段确定SIRS传染病模型所得到的有关遍历性结果进行了推广。
其他文献
党的意识形态认同作为意识形态研究及意识形态实践的理论热点与现实问题,中国共产党建设与夯实意识形态认同的能力决定着党能否正确识别与化解意识形态领域存在的重大风险,能
中国人的信任是一种基于血缘关系的特殊信任,这被视作理性经济组织难以在中国社会健康发展的重要影响因素。本文对特殊信任与合作经济组织发展之间的否定关系提出质疑,通过案
为实现电力资源的优化与合理配置,我国已经形成了“西电东送、北电南送”大规模交直流混联的输电通道结构。近年来,随着输电规模的不断扩大,交直流混联输电通道的线损管理成
<正>在学校实践中我们发现,校长、教师虽然对教师专业发展的意义有了较为明确的认识,但促进教师专业发展的学习策略不够丰富和完善。为了提高教师的专业素质,学校或是经常性
<正>近几年,随着城镇园林绿化力度的加大,随之而来的是大量的树种调入,同时也带来了大量的病虫害,在淮北地区蚧壳虫的危害大量发生,种类也越来越多,如日本纽绵蚧(学名:Takaha
邻里关系是一种在日常生活中由于居住位置相邻而形成的社会关系。诸如“远亲不如近邻”“邻里相扶,守望相助”“千金买宅,万金买邻”等俗语,反映了邻里关系在人们的日常生活中起
报纸
<正> 全文共分四章。第一章是绪论.首先指出了“情报服务社会化”所面临的社会背景。继之,探讨了情报服务社会化的定义、意义及在我国现阶段(二十世纪的最后十年中)逐步实现
马克思主义是我们的指导思想,是确保中国特色社会主义现代化国家如期顺利建成的重要保障。大学生群体,是未来建设中国特色社会主义现代化国家的重要主体力量。作为重要的主体
针对太阳辐射能存在密度低、间歇性和空间分布不均匀等特征,如何有效地收集和利用太阳能成为塔式太阳能发电中的首要问题。通过研究镜场各种工作状态,研制出镜场跟踪控制装置
针对半潜式钻井平台上燃烧臂锁定位置相对于风向形成对平台热辐射最恶劣的情况进行分析,利用KFX软件进行燃烧热流体进行CFD模拟。在无水幕和设计水幕的情况下,对低、中、高风