Практическая работа № 9
«Моделирование эпидемии»
Файлы-заготовки для выполнения этой практической работы
Для выполнения работы откройте файл-заготовку Эпидемия.xls.
При эпидемии гриппа число больных N изменяется по формуле
где — Zi количество заболевших в i-й день, а Vi — количество выздоровевших в тот же день. Число заболевших рассчитывается согласно модели ограниченного роста:
где L — общая численность жителей, K — коэффициент роста и Wi — число переболевших (тех, кто уже переболел и выздоровел, и поэтому больше не заболеет):
Считается, что в начале эпидемии заболел 1 человек, все заболевшие выздоравливают через 7 дней и больше не болеют.
Выполните моделирование развития эпидемии при L = 1000 и K = 0,5 до того момента, когда количество больных станет равно нулю. Постройте график изменения количества больных.
Ответьте на следующие вопросы:
1. Когда закончится эпидемия?
2. Сколько человек переболеет, а сколько вообще не заболеет гриппом?
3. Каково максимальное число больных в один день?
4. Изменяя коэффициент K, определите, при каких значениях K модель явно перестает быть адекватной.
5. *Сравните модель, использованную в этой работе, со следующей моделью:
Анализируя результаты моделирования, докажите, что эта модель неадекватна. Какие допущения, на ваш взгляд, были сделаны неверно при разработке этой модели?
Сравните поведение двух моделей при K = 0, K = 0,3 и K = 1. Сделайте выводы.
Моделирование в электронной таблице (компьютерная модель)
При сделанных нами предположениях ход эпидемии зависит от трех величин:
- коэффициент k
- количество учеников в классе n
- число носителей инфекции в первый день эпидемии b
Эти три величины будем рассматривать в качестве управляющих параметров.
Заметим, что во 2-ой, 3-ий, 4-ый, 5-ый, 6-ой день выздоровевших учеников не будет, поэтому до 7-го дня характер эпидемии определяется теми же формулами, которые соответствуют 2-му дню.
Начиная с 7-го дня, учащиеся начинают выздоравливать, поэтому необходимо внести поправки в формулы в ячейках Е11 и F11.
Проведение компьютерного эксперимента
1. Провести тестовый расчет модели по данным, приведенным в таблице 2.
a. Заполнить столько строк расчетной таблицы, пока количество больных и носителей не станет равно 0.
b. Представить в виде графика зависимость числа учеников в классе от дня эпидемии.
2. Используя график, проанализируйте ход эпидемии при различных значениях коэффициента заболеваемости k, общем числе учеников в классе n и числе инфицированных p. Опишите динамику эпидемии в тетради по следующему плану:
Таблица 2
· в какой день в классе присутствует наименьшее число учеников;
· за сколько дней эпидемия полностью прекращается.
· Исследуйте, как изменяется ход эпидемии при росте коэффициента заболеваемости k от 0.05 до 0.6, при неизменных численности класса и начального значения b — числа инфицированных учащихся.
· Как изменяется длительность эпидемии?
· Как изменяется количество переболевших гриппом?
- Исследуйте, как изменяется ход эпидемии при росте изначально инфицированных учащихся от 1 до 20, при неизменных численности класса и коэффициенте заболеваемости k.
· Как изменяется длительность эпидемии?
· Как изменяется количество учащихся, переболевших гриппом?
- Будем считать, что эпидемия не развивается, если в классе каждый день присутствует не менее 90% учащихся. Установите, при каких значениях коэффициента k эпидемия не развивается, если в первый день в класс приходит один заболевший ученик. Найдите (с точностью до сотых) наибольшее такое значение.
- Будем называть нормальной эпидемию, при которой в «пик» заболеваемости болеет примерно половина учащихся. Пусть в первый день заражены примерно 10% учащихся. Определите значение k для нормальной эпидемии в классе и школе (c 600 учащимися).
Простейшая модель эпидемии
За многие годы существования человечества огромное число людей погибло от разных эпидемий. Для того чтобы уметь бороться с эпидемиями, т. е. своевременно проводить тот или иной комплекс мероприятий (прививки, вакцины, карантин и т.д.), необходимо уметь оценить эффективность каждого такого комплекса и выбрать наиболее оптимальный для данного вида эпидемии (холера, чума, грипп, СПИД и т.д.). Оценка эффективности базируется, как правило, на прогнозе о протекании эпидемии. Отсюда вытекает задача построения модели, которая могла бы служить целям прогноза. Самой простой моделью является описание естественного хода эпидемии без применения каких-либо профилактических мероприятий.
Итак, пусть имеется N здоровых людей, и в момент времени t = 0 в эту группу попадает один заболевший человек (источник инфекции). Предположим, что удаления заболевших из группы не происходит и человек становится источником инфекции сразу же, как заразился сам.
Обозначим через x(t) число источников инфекции в момент времени t, а через y(t) — число еще не заболевших (часть из них, естественно, может заболеть с течением времени). Очевидно, что х(t) + y(t) = N +1 в любой момент времени t, причем при t = 0 выполняется условие х(0) = 1. Рассмотрим интервал времени t, t +∆ t, где ∆ t достаточно мало. Естественно, что число больных ∆х, появившихся за этот интервал, пропорционально ∆t(∆x≈∆t). Естественно также предположить, что это число пропорционально числу контактов между больными и здоровыми, т.е. произведению x(t)y(t). Таким образом, ∆x≈αx(t)y(t)dt, где α — коэффициент пропорциональности. Устремляя ∆t к нулю из последнего соотношения, получим дифференциальное уравнение
=αx(t)(N+1-x(t)), (9.14)
которое вместе с начальным условием
х(0)=1 (9.15)
определяет функцию x(t). Уравнение (9.14) по виду является логистическим, оно рассмотрено в предыдущем параграфе. Поэтому сразу можно записать решение x(t) задачи Коши (9.14), (9.15) в удобном виде
, t 0. (9.16)
Итак, число заболевших — функция времени. Проанализируем эту функцию. Из уравнения (9.16) вытекает, что с течением времени число заболевших может только увеличиваться, а все здоровые люди заболеют, так как
=N+1. Конечно, это грубая модель, не учитывающая естественного иммунитета у здоровых людей к данному заболеванию.
Интересно выяснить, как меняется скорость увеличения числа больных, т. е. величина
, t 0 (9.17)
Для решения этого вопроса нужно изучить величину .
Дифференцируя уравнение (9.17), получаем
, t 0. (9.18)
Из этого уравнения вытекает, что при > 0 при t и
Для сравнения приведем результаты использования более сложных моделей развития гриппозной эпидемии в Москве [22], где население составляет 8,5 млн человек. Это позволит нам также определить численные значения параметров N и α, при которых наша модель более реалистична.
Началу эпидемии соответствует число заболевших 79,1 тыс. человек, откуда N = 8,5 млн./79,1 тыс. ≈1100 человек. Пик заболеваемости приходится на 46-й день, т. е. 46
, откуда . По формуле (9.16) находим число больных . По отношению к 1100 чел. это составляет 11%, что согласуется с экспериментальными данными [22], где число больных равно 981 тыс. человек и составляет 11,5%. Конечно, применение соответствующих профилактических мер дает значительный положительный эффект, пик числа больных снижается с 981тыс. до 122 тыс. человек, однако создание соответствующей математической модели — существенно более трудная задача.
Матричные модели
Матричную модель можно рассматривать как конечно-разностный аналог динамической модели. Один из ранних вариантов матричной модели был разработан Льюисом и Лесли [30] как детерминистская модель, предсказывающая будущую возрастную структуру популяции самок по известной структуре в настоящий момент времени и гипотетическим коэффициентам выживания и плодовитости. Популяцию разбивают на n+1 возрастную группу (т. е. 0, 1, 2. п, причем каждая группа состоит из особей одного возраста), так что самая старшая группа, или группа, в которой все доживающие до данного возраста животные вымирают, имеет номер п. Обозначая через xn число особей в каждой возрастной группе, получаем вектор
представляющий возрастную структуру в момент времени t.
Модель описывается матричным уравнением
(9.19)
которое запишем в развернутом виде:
где величины fi,(i=0,1. n) представляют число самок, производимых самкой i-го возраста,
р, (i = 0,1. п -1) — вероятность того, что самка i-го возраста доживет до возраста i+1.
Покажем, что поведение модели можно предсказать, анализируя некоторые формальные свойства матрицы А. Во-первых, последовательно умножая уравнение (9.19) на матрицу А, легко получить более общие уравнения для численности возрастных групп к моменту времени
(9.21)
Во-вторых, поскольку матрица А квадратная с (n+1) строками и столбцами, она имеет n+1 собственных чисел (с учетом кратности) и (n+1) собственных (и присоединенных) векторов. Элементы А являются либо положительными числами, либо нулями, поэтому наибольшее (по абсолютной величине) собственное число и координаты отвечающего ему собственного вектора положительны и при этом имеют определенный экологический смысл. Проиллюстрируем это на одной из простейших моделей, предложенных Уильямсоном [54].
Исходная популяция имеет вектор, представляющий возрастную структуру а = (0,0,1), т. е. популяция состоит из одной самки старшего возраста. Матрица А имеет вид:
По прошествии одного временного интервала имеем
т. е. a1 = (12, 0, 0) и в популяции уже будет 12 самок младшего возраста. Повторное применение модели дает следующие результаты:
Главное собственное число и собственный вектор матрицы А можно найти известными методами, имея
(9.22)
или полагая
— систему линейных алгебраических уравнений
Следовательно, главное собственное число λ1= 2 и собственный вектор в силу (9.23) имеет вид
= (24, 4,1). Остальные собственные числа в силу (9.24) имеют вид λ2=-1, λ3=-1. В силу (9.23) собственный вектор имеет вид = (6,-2,1). Так как собственное число -1 двукратно, то для нахождения вектора (называемого присоединенным), решаем систему уравнений (A- λ2) = :
Нетрудно проверить, что система (9.25) допускает решение
= (0, — 2, 2). Привлекая геометрические соображения, заключаем, что возрастная структура популяции представляется вектором в трехмерном пространстве, в котором векторы = (24,4, 2), = (6, — 2,1) и = (0, — 2, 2) — базисные, т. е.
(9.26)
где α, β, γ — некоторые положительные числа (например, если
= (258, 30, 17), то α=10, β=3, γ=2).
Тогда уравнение (9.21) примет вид:
(9.27)
Так как
→ 0, k → ∞, то при t=+k → ∞популяция возрастает по экспоненциальному закону
(9.28)
Главное собственное число λ1 дает скорость, с которой возрастает размер популяции (в нашем примере за каждый временной интервал популяция удваивается), а собственный вектор
определяет устойчивую возрастную структуру популяции, т. е. отношение численностей особей разных возрастных групп остается постоянным и равным 24:4:1. Нетрудно видеть, что если мы в конце каждого временного интервала будем изымать половину популяции и использовать на корм, то размер ее станет равным исходному .
Матричные модели очень удобны для расчета на ЭВМ и находят все более широкое применение, например, для анализа круговорота питательных веществ в экосистемах, в различных стохастических моделях [54] (в марковских моделях и т.д.).
1. Показать, что график логистического уравнения имеет единственную точку перегиба. Найти ее и дать биологическую интерпретацию.
2. Рассмотреть систему Вольтерра в случае
. Найти отношения .
3. Построить и исследовать модель эпидемии в городе с 300-тысячным населением.
4. Исходная популяция имеет следующую возрастную структуру a = (0,6,12) и матрица Лесли А — следующий вид:
Найти (приближенно) численность популяции через достаточно большое число п лет и ее устойчивую возрастную структуру.
Методическая разработка практического занятия «Моделирование эпидемии гриппа в Excel»
Методическая разработка практического занятия «Моделирование эпидемии гриппа в Excel».
Смоделировать развитие эпидемии гриппа и проанализировать полученные расчётные данные можно, используя технологию обработки числовой информации электронные таблицы Excel. После выполнения практической работы в Excel, на которой изучались вопросы работы с формулами в Excel, относительные и абсолютные ссылки, построение графиков, предлагается продемонстрировать применение полученных знаний и навыков, а также возможностей Excel для рассмотрения конкретной задачи. Закрепление навыков работы на компьютере, применяя методику выполнения конкретных задач с использованием медицинской направленности, позволяет развить у студентов интеллектуальные умения и самостоятельную мыслительную деятельность при работе с информацией.
Моделирование задачи состоит из нескольких этапов: чёткая формулировка задачи, выявления исходных данных для её решения, разработка математической модели решаемой задачи, выбор метода решения, выполнение задачи и анализ полученных результатов.
В городе, населённостью 1 млн. человек, начинается эпидемия гриппа. Требуется отследить «развитие» эпидемии, для этого сформировать таблицу, в которой отражены данные на каждый день эпидемии о:
— количестве заболевших на каждый день,
— количестве нетрудоспособных в связи с болезнью, если допустить, что заболевание длится 10 дней,
— количестве обращений к врачу, если считать, что больной обращается дважды к врачу: в начале заболевания и в конце,
— количестве обращений к врачу,
— количестве врачей для обслуживания больных, если на одного врача допускается двадцать посещений больных.
Построить графики, иллюстрирующие развитие эпидемии гриппа: рост числа заболевших, количество нетрудоспособных в связи с болезнью, число обращений к врачу, зависимость количества врачей, необходимых для обслуживания больных.
— население города 1 млн. человек,
— допустим, в город приехали 20 человек, которые являются переносчиками гриппа.
Для вычисления количества заболевших в определенный день эпидемии используется уравнение:
а =0,000002- коэффициент, характеризующий степень заразности для гриппа,
К1- не перенесшие заболевание (без иммунитета),
К2- заболевшие вчера (они активно продуцируют возбудитель)
III. Практическая часть. Выполнение расчетов. Построение
Для решения поставленной задачи в Excel формируется следующая таблица:
Ещё не перенесли грипп
число обращений к врачу
Количество дней эпидемии целесообразно взять не более 36.
Для расчёта количества «заболевших сегодня» в ячейку С3 вводится формула на основании уравнения (1):
=ОКРУГЛ(0,000002*B2*C2;0); в этой формуле используется округление расчётных данных до целого значения.
Для расчёта «не перенесших гриппа» необходимо вычесть из количества не перенесших грипп в предыдущий день эпидемии количество заболевших сегодня, для этого в ячейку В3 вводится формула =B2-C3
Выделив ячейки В3 и С3, можно эти формулы скопировать эти формулы на все дни эпидемии. При таком копировании координаты ячеек в формуле будут относительными, т. е. меняться в зависимости от адреса ячеек, например, в ячейке С4: =ОКРУГЛ(0,000002*B3*C3;0) , а в ячейке В4: =B3-C4 и т. д. После расчёта таблица выглядит так:
Ещё не перенесли грипп
Число обращений к врачу
Таким образом, в каждый последующий день эпидемии расчёт числа заболевших производится относительно данных предыдущего дня эпидемии.
По таблице видно, что пик заболеваемости приходится на 16-ый день эпидемии, и уже к 28-му дню нет вновь заболевших гриппом.
Для расчёта на каждый день заболевших всего необходимо сложить заболевших сегодня и заболевших всего в предыдущий день, для этого в ячейку D3 вводится формула =C3+D2 и затем эта формула копируется в ячейки столбца D на все дни эпидемии. При этом координаты ячеек в формуле будут относительными.
Для вычисления количества нетрудоспособного населения на каждый день эпидемии в связи с болезнью надо учитывать, что заболевание длится 10 дней, поэтому в первые десять дней количество нетрудоспособных в каждый день эпидемии равно числу заболевших сегодня плюс число получивших больничный лист вчера; формула вводится в ячейку E3: =C3+E2 и затем копируется на первые десять дней эпидемии. На 11-ый день эпидемии для расчёта количества нетрудоспособных на каждый день эпидемии надо сложить число заболевших сегодня и число получивших больничный лист вчера, и из полученной суммы вычесть число заболевших в первый день эпидемии, т. к. они уже здоровы. В ячейке E12 вводится формула =C12+E11-C2 и затем копируется на остальные дни эпидемии.
Для расчёта числа обращений к врачу необходимо учесть, что больной обращается дважды к врачу: в начале заболевания и в конце заболевания — на десятый день болезни. Число обращений к врачу первые девять дней эпидемии очевидно равно количеству заболевших сегодня, а на десятый день эпидемии для расчёта числа обращений к врачу к количеству заболевших сегодня прибавляется число заболевших в первый день эпидемии. В ячейку F2 вводится формула =C2, и эта формула копируется на девять дней эпидемии, в ячейку F11 вводится формула =С11+С2 и затем эта формула копируется на все остальные дни эпидемии.
Последний расчёт — количество врачей для обслуживания больных вычисляется в столбике G и равен числу обращений к врачу делить на 20 (по условию задачи на одного врача допускается 20-ть посещений больных за один приём), для этого в ячейку G2 вводится формула =ОКРУГЛ(F2/20;0).
При эпидемии гриппа число больных изменяется по формуле
На чтение 5 мин. Обновлено 29 ноября, 2020
Практическая работа № 9
«Моделирование эпидемии»
Файлы-заготовки для выполнения этой практической работы
Для выполнения работы откройте файл-заготовку Эпидемия.xls.
При эпидемии гриппа число больных N изменяется по формуле
где — Zi количество заболевших в i-й день, а Vi — количество выздоровевших в тот же день. Число заболевших рассчитывается согласно модели ограниченного роста:
где L — общая численность жителей, K — коэффициент роста и Wi — число переболевших (тех, кто уже переболел и выздоровел, и поэтому больше не заболеет):
Считается, что в начале эпидемии заболел 1 человек, все заболевшие выздоравливают через 7 дней и больше не болеют.
Выполните моделирование развития эпидемии при L = 1000 и K = 0,5 до того момента, когда количество больных станет равно нулю. Постройте график изменения количества больных.
Ответьте на следующие вопросы:
1. Когда закончится эпидемия?
2. Сколько человек переболеет, а сколько вообще не заболеет гриппом?
3. Каково максимальное число больных в один день?
4. Изменяя коэффициент K, определите, при каких значениях K модель явно перестает быть адекватной.
5. *Сравните модель, использованную в этой работе, со следующей моделью:
Анализируя результаты моделирования, докажите, что эта модель неадекватна. Какие допущения, на ваш взгляд, были сделаны неверно при разработке этой модели?
Сравните поведение двух моделей при K = 0, K = 0,3 и K = 1. Сделайте выводы.
Источник
Содержание урока
Задачи
Задачи
1. Постройте графики изменения численности популяции для моделей ограниченного и неограниченного роста при А = 100, К = 0,5 и L = 1000. Определите, через сколько интервалов наблюдения модель неограниченного роста перестаёт быть адекватной (отклонение от модели ограниченного роста составляет более 10%).
2. Для предыдущей задачи выполните моделирование с учётом отлова (R = 40):
• определите количество животных в состоянии равновесия теоретически и по результатам моделирования; зависит ли оно от начальной численности?
• определите, на что влияет начальная численность животных;
• найдите максимальный отлов R, при котором популяция не вымирает.
*3. При эпидемии гриппа число больных N изменяется по формуле
где Zi — количество заболевших в i-й день, a Vi — количество выздоровевших в тот же день. Число заболевших рассчитывается согласно модели ограниченного роста:
где L — общая численность жителей, К — коэффициент роста и Wi — число переболевших (тех, кто уже переболел и выздоровел и поэтому больше не заболеет):
Считается, что все заболевшие выздоравливают через 7 дней и больше не болеют. Выполните моделирование при L = 1000 и К = 0,5, считая, что в начале эпидемии заболел 1 человек. Ответьте на следующие вопросы:
• Когда закончится эпидемия?
• Сколько человек переболеет, а сколько вообще не заболеет гриппом?
• Каково максимальное число больных в один день?
4. Выполните моделирование системы «хищник — жертва» при параметрах, указанных в тексте параграфа. Ответьте на следующие вопросы:
• Сколько карасей и щук живут в водоёме в состоянии равновесия?
• Что влияет на количество рыб в состоянии равновесия: начальная численность или значения коэффициентов модели?
• На что влияет начальная численность?
• При каких значениях коэффициентов модель становится неадекватна? В чём это выражается?
• При каких значениях коэффициентов щуки вымирают, а численность карасей достигает предельно возможного значения? Как вы можете объяснить это с точки зрения биологии?
5. Белки и бурундуки живут в одном лесу и едят примерно одно и то же (конкурируют за пищу). Модель, описывающая изменение численности двух популяций, имеет вид:
Здесь N и М — численность белок и бурундуков; LN и LM — их максимальные численности; KN и КM — коэффициенты прироста; DN и DM — коэффициенты взаимного влияния. Выполните моделирование при N = 10, М = 20, LN = 70, LM = 50, КN = КM = 0,7 и DN = DM = 0,1. Постройте графики изменения численности обоих видов. Ответьте на следующие вопросы:
• Является ли эта модель системной?
• Какова численность белок и бурундуков в состоянии равновесия?
• Что влияет на состояние равновесия?
• На что влияет начальная численность животных?
• При каком значении коэффициента Dm бурундуки вымрут через 25 лет?
• При каких значениях коэффициентов модель становится неадекватной?
• Какую аналогичную модель взаимного влияния трёх видов вы можете предложить?
Следующая страница
§10. Математические модели в биологии
Cкачать материалы урока
Источник
Моделирование. Моделирование Практические работы Моделирование эпидемии
Моделирование
Практические работы
Моделирование эпидемии
Для выполнения работы откройте файл-заготовку Эпидемия.xls.
При эпидемии гриппа число больных
изменяется по формуле
,
где
— количество заболевших в -й день, а — количество выздоровевших в тот же день. Число заболевших рассчитывается согласно модели ограниченного роста:
,
где
— общая численность жителей, — коэффициент роста и — число переболевших (тех, кто уже переболел и выздоровел, и поэтому больше не заболеет):
.
Считается, что в начале эпидемии заболел 1 человек, все заболевшие выздоравливают через 7 дней и больше не болеют.
Выполните моделирование развития эпидемии при
и до того момента, когда количество больных станет равно нулю. Постройте график изменения количества больных.
Ответьте на следующие вопросы:
Эпидемия закончится на 40 день
Сколько человек переболеет, а сколько вообще не заболеет гриппом?
Ответ:
Переболело 980 человека, не заболело 20 человек из 1000
Каково максимальное число больных в один день?
Ответ:
Анализируя результаты моделирования, докажите, что эта модель неадекватна. Какие допущения, на ваш взгляд, были сделаны неверно при разработке этой модели?
Сравните поведение двух моделей при
, и . Сделайте выводы.
Источник
- Ковнер, «Очерки истории M.».
- А.В. Ланцова, Е.В. Санарова, Н.А. Оборотова и др. Разработка технологии получения инъекционной лекарственной формы на основе отечественной субстанции производной индолокарбазола ЛХС-1208 // Российский биотерапевтический журнал. 2014. Т. 13. № 3. С. 25-32.
- Мустафин Р. И., Буховец А. В., Протасова А. А., Шайхрамова Р. Н., Ситенков А. Ю., Семина И. И. Сравнительное исследование поликомплексных систем для гастроретентивной доставки метформина. Разработка и регистрация лекарственных средств. 2015; 1(10): 48–50.
- https://xn--80agpkdlcbvkdfan2p.xn--p1ai/post/pri-epidemii-grippa-chislo-bolnyh-n-izmenyaetsya-po-formule-kak-delat.html.
- https://medical-peterburg.ru/pri-epidemii-grippa-chislo-bolnyh-izmenyaetsya-po-formule/.
- Patil H., Tiwari R. V., Repka M. A. Recent advancements in mucoadhesive floating drug delivery systems: A mini-review. Journal of Drug Delivery Science and Technology. 2016; 31: 65–71.DOI: 10.1016/j.jddst.2015.12.002.
- Moustafine R. I., Bukhovets A. V., Sitenkov A. Y., Kemenova V. A., Rombaut P., Van den Mooter G. Eudragit® E PO as a complementary material for designing oral drug delivery systems with controlled release properties: comparative evaluation of new interpolyelectrolyte complexes with countercharged Eudragit® L 100 copolymers. Molecular Pharmaceutics. 2013; 10(7): 2630–2641. DOI: 10.1021/mp4000635.