消灭埃博拉
摘要
埃博拉出血热是由埃博拉病毒引起的一种急性出血性传染病。因其极高的致死率而
被世界卫生组织列为对人类危害最严重的烈性传染病之一。由于埃博拉病毒在 Guinea,
Liberia, Sierra Leone 的感染情况最严重,本文就埃博拉病毒在这三个国家为例,探
讨了埃博拉病毒的传播和药物运输系统以及药物生产的需求和速度。
本文引入了经典的 Susceptibles Infectives Recovered(SIR)模型来描述埃博拉
病毒的传播问题,预测埃博拉病毒随时间变化的传播规律;并对一系列收集数据进行了
数值模拟,得到了 SIR 模型中日接触率和日治愈率的时间t 的多项式函数;进一步,
根据其拟合的和,得到感染病人数的时间t 的函数关系式,进行了统计检验,其准
确度较高。
关于药品的运输系统问题,选取了 America,England,Belgium,Canada 四个国家
为生产地,Conakry International Airport ( 1a ),Nzérékoré Airport ( 2a ),Lungi International
Airport ( 1b ),Kenema Airport ( 2b ),Roberts International Airport ( 1c ), James Spriggs Payne
Airport( 2c )六个机场为分配地,采用了度量法对六个分配地进行中心仓库选取,将药品
运输分为两地足够供应和供应不足两种情况分别进行讨论:制定了抗击埃博拉病毒的药
品运输系统,为药品的分发以及药品生产地的选择提供了良好的方案,并分别得到了紧
急配送方案(如下两图)。
两地足够供应的交通运输网络
两地供应不足的交通运输网络
并且优化运输系统,得到了最优药物运输路线(如下图),使制药产地可以更高效率运输
到各个疫情高发区。
根据 World Health Organization (WHO)提供的药品需求量的测算公式,得出药品
优化交通运输网络
需求量与患病人数之间的函数关系式,从而算得药品生产速度与时间的关系式,给出最
优生产速度,求得最短生产时间。进一步,根据最短生产时间与最短运输时间求得消灭
病毒所需最短时间。
总之,本文针对埃博拉的传播建立了 SIR 模型,对所述药物的所需要的数量,可能
可行递送系统,递送位置,制造药物和其它关键因素都给出了解答,并提供了一些建设
性的建议用于世界医学协会。
关键词: SIR,数值模拟,度量法选址,网络优化
一、 问题重述
埃博拉出血热是由埃博拉病毒引起的一种急性出血性传染病,有着极高的致死率。
目前非洲的大部分国家都受其毒害并且已经蔓延到其他国家。而且但一旦发病,发展十
分迅速,重症患者发病两三天后就可能导致死亡。世界医学组织已经宣布其新药物治疗
可以阻止埃博拉并治愈非晚期病人。为了消灭埃博拉病毒,或者减小当前埃博拉病毒的
压力,我们需要解决以下问题:
1. 建立疾病的传播模型;
2. 构建一个可行的运输系统和运送地点;
3. 分析求得药物数量、生产疫苗或药物的速度以及其他因素的影响;
4. 为世界医学组织准备一份 1-2 页非技术信函,以用于他们的宣告。
二、 模型假设
1. 由于国家人口基数较大,假设人口总数不变,不考虑人口的出生率和自然死亡率,
即为常数 N ;
2. 将埃博拉的传播途径视为与病人的有效接触,每个健康人变成病人的途径只能是有
效接触,而不是突然变异;
3. 不考虑气候条件对埃博拉传播的影响;
4. 假设埃博拉爆发有个初始时间;
5. 疫苗和药品都可用于消灭埃博拉。
N
( )s t
( )
i t
( )r t
I
a
b
Z
v
三、符号说明
总人口数
健康人口所占比例
患病人口所占比例
免疫人口所占比例
患病人口总数
传染期接触数
为药品用量
为缓冲百分比
药物需求量
药品生产速度
四、问题分析
由于问题要求建立疾病的传播模型,设立一个运输系统和运送的地点,以及求出药
物 的 需 求 量 和 药 物 生 产 速 度 。 对 于 疾 病 的 传 播 , 可 以 采 用 经 典 的 Susceptibles
Infectives Recovered(SIR)模型,建立出新增病人与时间的关系。最后可以对模型
进行检验,看其是否准确。对于运输系统的建立,我们可以找到制药产到疫情高发区作
为出发地和目的地,根据其距离和各个节点赋予其权重,利用度量法评分得到最优的交
通网络图。对于药品需求量可以根据患病人数求得,对于制药速度,可以先求出消灭病
毒所需要的时间,然后根据时间和病人之间的关系算得其药品生产速度。
五、模型求解
根据维基百科中的患病人数 [1] 可得折线图 1
5.1 疾病传播模型
5.1.1 模型的建立
图 1:患病人数折线图
对于疾病的传播,根据维基百科中的患病人数 [1] 可看出,埃博拉病毒在潜伏期传染
性极低,所以我们采用经典的 SIR 模型初步建立微分方程
人群分为易感染者,病人和病人免疫的移除者
s( )t ,i( )t , ( )r t 分别三类人在总人数 N 的比例, ( )s t 健康人口所占比例, ( )
i t 为患病人
口所占比例, ( )r t 免疫人口所占比例。
( )
s t
( )
i t
( ) 1
r t
(1)
图 2:病毒发展流程图
记初始时刻易感染人数和患病人口的比例分别为 0s 和 0i ( 0
r 所
s
i ,,均为常数,其中病人的日接触率为,日治愈率为,传染期接触
)此时 0
00,
i
0
0
0
1
s
以 0
数为
建立 SIR 传染模型如下:
。
i
si
di
dt
ds
dt
(0)
i
(0)
s
si
i
0
s
0
(2)
利用差分法处理数据以求得和,由(2)可得:
/ds dt
si
ds dt di dt
/
/
i
(3)
(4)
s 和i 分别为易感染人数占总数的比例和患病人数占总数的比例;
Ns 和 Ni 表示易感人群数和患病人口数;
dsN
dt
由于无法求出 ( )s t 和 ( )
表示相邻两天 Ns 和 Ni 各自增加的人数。
和 diN
dt
i t 的解析式,我们将模型消去 dt 并注意到的定义,可得:
(5)
i
i
0
容易求出(5)的解为,
i
(
s
0
i
0
从而可以求得患病人数 I 为:
di
ds
)
s
1
1,
s
1
ln s
s
0
s s
0
。
I N
s
0
+
+i -s
0
1
s
ln
s
0
(6)
5.1.2 模型的求解
对维基百科中所查得艾埃博拉病毒在非洲的传染情况 [2] 进行整理,得到了由 2014
年 3 月 22 日到 2015 年 1 月 25 日患病总人数以及三个国家分别的患病总人数。
表 1:患病总人数统计表
Sum
t
0
3
4
5
9
10
11
16
19
26
30
32
39
44
53
62
66
72
Ns
20,452,970
20,452,910
20,452,882
20,452,859
20,452,844
20,452,816
20,452,805
20,452,763
20,452,751
20,452,690
20,452,677
20,452,665
20,452,642
20,452,623
20,452,619
20,452,577
20,452,519
20,452,466
Ni
29
59
86
103
114
130
135
163
169
209
215
220
233
243
245
270
309
354
diN
dt
29
30
27
17
11
16
5
28
6
40
6
5
13
10
2
25
39
45
Ne
29
59
60
66
70
82
88
102
108
129
136
143
153
162
164
181
200
208
dsN
dt
-58
-60
-28
-23
-15
-28
-11
-42
-12
-61
-13
-12
-23
-19
-4
-42
-58
-53
75
80
88
94
102
108
109
114
117
119
122
126
129
131
134
136
139
141
143
146
148
150
156
161
164
168
171
175
178
182
184
186
189
192
196
198
203
208
210
215
221
20,452,359
20,452,302
20,452,163
20,452,091
20,451,802
20,451,666
20,451,601
20,451,461
20,451,348
20,451,275
20,451,155
20,450,976
20,450,762
20,450,538
20,450,385
20,450,288
20,450,167
20,449,984
20,449,756
20,449,559
20,449,205
20,448,986
20,448,407
20,447,473
20,446,938
20,446,485
20,445,807
20,445,103
20,444,520
20,443,865
20,443,411
20,443,061
20,442,550
20,442,097
20,441,130
20,440,654
20,439,546
20,438,524
20,438,187
20,436,134
20,435,294
438
474
528
599
759
844
888
964
1,048
1,093
1,201
1,323
1,440
1,603
1,711
1,779
1,848
1,975
2,127
2,240
2,473
2,615
3,069
3,707
4,001
4,366
4,846
5,339
5,762
6,263
6,574
6,808
7,192
7,492
8,033
8,386
8,997
9,693
9,964
11,868
12,647
84
36
54
71
160
85
44
76
84
45
108
122
117
163
108
68
69
127
152
113
233
142
454
638
294
365
480
493
423
501
311
234
384
300
541
353
611
696
271
1,904
779
231
252
337
338
467
518
539
603
632
660
672
729
826
887
932
961
1,013
1,069
1,145
1,229
1,350
1,427
1,552
1,848
2,089
2,177
2,375
2,586
2,746
2,900
3,043
3,159
3,286
3,439
3,865
3,988
4,485
4,811
4,877
5,026
5,087
-107
-57
-139
-72
-289
-136
-65
-140
-113
-73
-120
-179
-214
-224
-153
-97
-121
-183
-228
-197
-354
-219
-579
-934
-535
-453
-678
-704
-583
-655
-454
-350
-511
-453
-967
-476
-1,108
-1,022
-337
-2,053
-840
224
226
231
233
238
240
245
252
259
266
273
280
287
294
301
308
20,434,796
20,434,800
20,433,770
20,433,438
20,432,463
20,432,218
20,431,404
20,429,813
20,428,698
20,427,510
20,425,943
20,424,917
20,424,046
20,423,303
20,422,663
20,422,126
13,041
13,268
14,098
14,413
15,145
15,351
15,935
17,145
17,942
18,603
19,497
20,206
20,747
21,296
21,724
22,092
394
227
830
315
732
206
584
1,210
797
661
894
709
541
549
428
368
5,191
4,960
5,160
5,177
5,420
5,459
5,689
6,070
6,388
6,915
7,588
7,905
8,235
8,429
8,641
8,810
-498
4
-1,030
-332
-975
-245
-814
-1,591
-1,115
-1,188
-1,567
-1,026
-871
-743
-640
-537
其中,表 1 中每列分量除以总数 N ,即可得到 s 和i 以及 ds
dt
和 di
的离散值。
dt
和 di
于是对和的计算,就转化为利用第t 天的 s 和i 以及 ds
dt
dt
天对应的和的离散值,同理我们可求得其他三个国家的和的离散值(具体表格
见附录)。
的离散值计算出当
表 2:和的离散值
2.000000
1.016949
0.325581
0.223301
0.131579
0.215385
0.081481
0.257669
0.071006
0.291866
0.060465
0.054545
0.098712
0.078189
1.000000
0.508475
0.01162
0.058252
0.035088
0.092308
0.044444
0.085890
0.035503
0.100478
0.032558
0.031818
0.042918
0.03703
Sum
t
148
150
156
161
164
168
171
175
178
182
184
186
189
192
t
0
3
4
5
9
10
11
16
19
26
30
32
39
44
0.143146
0.083748
0.188661
0.251956
0.133717
0.103756
0.139909
0.131860
0.101180
0.104582
0.069060
0.051410
0.071051
0.060464
0.048928
0.029446
0.040730
0.079849
0.060235
0.020156
0.040858
0.039521
0.027768
0.024589
0.021752
0.017039
0.017659
0.020422
53
62
66
72
75
80
88
94
102
108
109
114
117
119
122
126
129
131
134
136
139
141
143
146
0.016327
0.155556
0.187702
0.149718
0.244292
0.12025
0.26325
0.120200
0.380764
0.161137
0.073198
0.145228
0.107824
0.066789
0.099917
0.135299
0.148611
0.13973
0.08942
0.054525
0.065476
0.092658
0.107193
0.087946
0.008163
0.062963
0.06148
0.022599
0.05251
0.044304
0.160985
0.001669
0.169960
0.06042
0.023649
0.066390
0.027672
0.025618
0.009992
0.04308
0.067361
0.038054
0.026300
0.016301
0.02813
0.028354
0.035731
0.037500
196
198
203
208
210
215
221
224
226
231
233
238
240
245
252
259
266
273
280
287
294
301
308
0.120378
0.056761
0.123152
0.105437
0.033822
0.172986
0.066419
0.038187
-0.000301
0.073060
0.023035
0.064378
0.015960
0.051083
0.092797
0.062145
0.063861
0.080371
0.050777
0.041982
0.034889
0.029461
0.024307
0.053031
0.014667
0.055241
0.033633
0.006624
0.012555
0.004823
0.007975
-0.017410
0.014186
0.001179
0.016045
0.002541
0.014434
0.022222
0.017724
0.028329
0.034518
0.015688
0.015906
0.009110
0.009759
0.007650
在已经得到了和关于t 的离散点后 ,查找三个国家的人口数量 [3][4][5] ,可以得
知几内亚人口总数为 10057975 人,利比里亚的人口总数为 3955000,塞拉利昂的人口总
数为 6440053 人。算得三个国家总人数 N =20453028 人。
根据数据我们用 MATLAB 拟合,得到三个国家以及它们总的的拟合图(分别为 Sum,
Guinea, Liberia, Sierra Leone):