没有合适的资源?快使用搜索试试~ 我知道了~
2019-2021数学中国网络挑战赛优秀论文-2019-2021数学中国网络挑战赛优秀论文汇总-特等奖33154C.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 89 浏览量
2024-03-22
21:16:21
上传
评论
收藏 3.75MB PDF 举报
温馨提示
试读
32页
数学中国网络挑战赛(认证杯),论文,历届,内容丰富,大学生数学,数学竞赛,参考资料
资源推荐
资源详情
资源评论
参赛队号:#33154
3
2020 年第十三届“认证杯”数学中国
数学建模网络挑战赛第一阶段论文
题 目 流行病级别划分、传播预测及措施制定
摘 要
新型冠状病毒肺炎 2019-nCoV 给中国乃至全世界都带来了深重的灾难,对世界经济
也造成了不可逆的影响。该病毒传染性强、危害较大,需要我们高度警惕。国内目前疫
情基本得到控制,但是为避免无症状感染者导致疫情反扑,我们有必要利用相关数学算
法,结合大数据背景,开展相关分析,并提出应对措施。
首先我们对附件给出的数据进行分类以及预处理,包括数据的完整性、冗杂性以及
相关性分析,这是后续建模的基础。
针对问题一,我们选取了 16 种较为著名的流行病,并考虑了 14 种评价指标。首先,
我们选用了 R 型聚类法对指标进行降维处理;接着,借助流行病学对传染病的分类,选
用了 Q 型聚类法将 16 种疾病分成了四大类:散发,暴发、流行和大流行,实现各级别
之间的定量化识别。最后,我们根据主成分分析法对不同类别传染病进行综合评价,合
理量化了“流行”和“大流行”病的界限。
针对问题二,根据问题一中的聚类分析结果以及建立的主成分评价模型对不同地区
的感染程度进行分级,然后根据分级结果给出相应的抽检对策。在对无症状感染者进行
预测时,以湖北省为例,分别从统计学和流行病学两个方面展开分析。统计学方法,我
们选用了响应面预测模型,得到了四种因素对无症状感染数的敏感性强弱满足:基本传
染数 R
0
>治愈率 R
c
>患病人数 P>潜伏期 T;流行病学方面,选用了修正 SEIR 模型,
预测结果表明:继续执行管控措施,大约到 5 月中下旬,日新增无症状感染者人数降为
0。该结论与响应面预测结果基本一致,说明了预测模型合理,预测结果准确性较高。
最后,我们向世卫组织写了一封建议信,阐述了我们对该病毒的认识并给出了相关
对策。
关 键 词: 聚类分析;主成分分析;响应面预测;修正 SEIR 模型;2019-nCoV
参赛队号:#33154
4
Abstract
The new coronavirus pneumonia 2019-nCoV has brought profound disasters to China
and the whole world, and has also caused an irreversible impact on the world economy. The
virus is highly contagious and harmful, and requires us to be highly vigilant. The current
epidemic situation in China is basically under control, but in order to avoid asymptomatic
infections causing the epidemic to counterattack, it is necessary for us to use relevant
mathematical algorithms, combined with the background of big data, to carry out relevant
analysis and propose countermeasures.
First, we classify and preprocess the data given in the attachment, including data integrity,
redundancy, and correlation analysis, which is the basis of subsequent modeling.
In response to question 1, we selected 16 relatively famous epidemics and considered 14
evaluation indicators. First, we selected the R-type clustering method to reduce the
dimensionality of the indicators; then, based on the epidemiological classification of the
epidemic, the Q-type clustering method was used to divide the 16 diseases into four categories:
sporadic, outbreak, popularity and pandemic, to achieve quantitative identification between all
levels. Finally, we conducted a comprehensive evaluation of different types of epidemics
according to the principal component analysis method, and reasonably quantified the
boundaries between "epidemic" and "pandemic" diseases.
For problem two, according to the cluster analysis results in problem one and the
established principal component evaluation model, the infection degree in different regions is
graded, and then the corresponding sampling countermeasures are given according to the
classification results. In the prediction of asymptomatic infections, taking Hubei Province as
an example, the analysis is carried out from two aspects of statistics and epidemiology.
Statistical methods, we chose the response surface prediction model, and obtained the
sensitivity of four factors to the number of asymptomatic infections: basic infection number
R0> cure rate Rc> number of patients P> latent period T; epidemiology The revised SEIR
model was selected, and the prediction results indicated that the control measures will
continue to be implemented, and the number of newly-increased asymptomatic infections will
drop to zero around mid to late May. This is basically consistent with the previous response
surface prediction results, indicating that the prediction model is reasonable and the prediction
results are of higher accuracy.
Finally, we wrote a letter of recommendation to WHO, explaining our understanding of
the virus and giving relevant countermeasures.
Key words: Cluster analysis; Principal component analysis; Response surface prediction;
Modified SEIR model; 2019-nCoV
参赛队号:#33154
1
目 录
一、问题重述 .................................................................................................................... 2
1.1 问题背景 ............................................................................................................. 2
1.2 问题分析 ............................................................................................................. 2
二、模型假设 .................................................................................................................... 2
三、符号说明 .................................................................................................................... 3
四、技术路线 .................................................................................................................... 3
五、数据分析与预处理 .................................................................................................... 4
六、问题一模型建立与求解 ............................................................................................ 6
6.1 问题一分析 ......................................................................................................... 6
6.2 聚类模型建立与求解 ......................................................................................... 7
6.2.1 R 型聚类模型建立 ................................................................................... 7
6.2.2 R 型聚类模型求解与分析 ....................................................................... 9
6.2.3 Q 型聚类模型建立 ................................................................................. 10
6.2.4 Q 型聚类模型求解与分析 ..................................................................... 11
6.3 综合评价模型建立与求解 ............................................................................... 12
6.3.1 综合评价模型建立 ................................................................................ 12
6.3.2 综合评价模型求解与分析 .................................................................... 14
6.4 问题一小结 ....................................................................................................... 15
七、问题二模型建立与求解 .......................................................................................... 15
7.1 问题二分析 ....................................................................................................... 15
7.2 病毒抽检对策 ................................................................................................... 16
7.3 预测模型建立与求解 ....................................................................................... 16
7.3.1 响应面预测模型建立 ............................................................................ 16
7.3.2 响应面预测模型求解与分析 ................................................................ 17
7.3.3 修正 SEIR 预测模型建立 ..................................................................... 21
7.3.3 修正 SEIR 预测模型求解与分析 ......................................................... 22
7.4 问题二小结 ....................................................................................................... 23
7.5 模型敏感性分析 ............................................................................................... 23
八、给世卫组织(WHO)的一封信 ................................................................................. 24
九、模型评价与推广 ...................................................................................................... 25
9.1 模型评价 ........................................................................................................... 25
9.2 模型改进 ........................................................................................................... 25
参考文献 .......................................................................................................................... 26
附录 .................................................................................................................................. 27
参赛队号:#33154
2
一、问题重述
1.1 问题背景
新型冠状病毒肺炎 2019-nCoV 给中国乃至全世界都带来了深重的灾难,对世界经济
也造成了不可逆的影响。该病毒传染性强、危害较大,且目前并没有特效药治疗,需要
我们高度警惕。在中国政府、全国人民的积极应对下,中国国内疫情已得到基本控制,
但是全球整体情况却不容乐观。目前,在全球已有超过 200 个国家/地区报告了病毒感染
病例,累计确诊超过 200 万,这一数字值得我们重视。
2019-nCoV 病毒潜伏期较长,且存在无症状感染者,即指无临床症状、但呼吸道等
标本新冠病毒病原学检测呈阳性者。相关报道指出,一名感染者从未出现症状,但所释
放的病毒量与出现症状的人相当。因此,一部分科学家猜测:一些感染者“在症状轻微
或无症状时具有高度传染性”。张文宏团队预测,以目前部分研究为例,感染新冠病毒
的人群中,无症状感染者的比例大约为 18%~31%,这一结论告诉我们需要重视无症状
感染者这一患病群体。因此,为避免无症状感染者导致疫情反扑,我们有必要利用相关
数学算法,结合大数据背景,分析预测无症状感染者未来发展趋势,从而提出针对性的
应对措施
[1][2]
。
1.2 问题分析
问题一要求我们给出合理的界定“流行” (Epidemic) 和“大流行”(Pandemic) 病
的定量条件。由于目前针对流行病分级还是以定性分析为主,因此,为定量分析“流行”
与“大流行”,我们需要对传统的分级进行一定的数学处理。通过查阅相关资料,在流
行病学上,疾病的传播强度可以简单分为四级,分别是散发(sporadic),暴发(outbreak)、
流行(epidemic)和大流行(pandemic)
[3-7]
。这一分类对流行病进行了定量的划分,基
于此类别,我们可参考历年重大流行病的传播强度,以若干评价指标展开聚类分析,将
流行病分成对应的 4 类。然后再根据分类结果,利用主成分分析,对各个类别展开综合
打分。最后,根据打分结果,获取各级别流行病所在区间,从而定量的区分“流行”
(Epidemic)和“大流行”(Pandemic)。
问题二要求我们针对某地区,给出切实可行的病毒检测抽样方案,并给出无症状感
染者分布预测模型和针对相应预测结果的应对方案。我们可借助问题一中聚类分析提取
的指标,利用主成分评价模型对该地区患病严重程度进行综合打分,根据打分结果的高
低制定具有针对性的监测和隔离措施。为实现对无症状感染者的分布与预测,可考虑两
种方法,第一种是统计学方法:首先,我们以无症状感染人数为因变量,根据 R 型聚类
结果选取 4 种典型指标(这里选取患病人数、基本传染数、潜伏期、治愈率四个指标),
建立因变量与自变量的数学表达式。第二种方法选择考虑了病毒潜伏期的传播模型
SEIR,对后期无症状感染者进行预测。最后对比分析两种方法的预测结果,并给出应对
方案。
二、模型假设
1.假设题目所给的数据真实可靠;
2.假设短期内无特效药出现;
3.假设短期内不存在大量的输入病例。
参赛队号:#33154
3
三、符号说明
符号
符号说明
备注
C
i
第 i 个变量数据完整率
%
P
暴发地综合人口数
万人
I
感染人数
人
D
病死人数
人
R
治愈人数
人
T
疫情持续时间
天
N
感染国家数量
个
r
增长率
%
R
0
基本传染数
/
R
d
病死率
%
D
p
暴发地人口密度
人/平方千米
Z
主成分分析模型综合得分值
/
t
潜伏期时间
天
R
w
无症状感染者比例
%
四、技术路线
剩余31页未读,继续阅读
资源评论
阿拉伯梳子
- 粉丝: 1486
- 资源: 5503
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功