tdqtf?? max ))( max( max )( 321???, 其中 321,,qqq 依次为)(td ,)(tb ,)(t?对疫情指标的相对影响权重,且考虑到人们对三类新增人数的敏感程度,不妨取 2.0,4.0,4.0 321???qqq 。由于实际统计数据知,?? tf 的取值是离散的,为此采用最小二乘法拟合方法, 可以得到?? tf 的近似表达式。另一方面,从离散的数据点可以看出,其规律大致呈韦伯分布,故可取韦伯分布密度函数????)(10 x tmetx mtf ???????由参数估计可得 3530 .14 ,1578 .1,3449 .2 0????xm?如图 10—4所示 8 图 10—4疫情指标的拟合曲线与实际数据比较(2) 卫生部门措施力度 g(t) 的确定。在控后阶段,卫生部门的预防措施力度 g(t) 在控制疫情的过程中起到了重要的作用,与下列因素有关: ○ 1 卫生部门关注的疫情来自于最近几天的疫情,不妨取最近三天的疫情)(tf 。○ 2当tt 0?时, g(t) 有一个初始值,即为潜在的卫生部门预防措施力度 k 0 (0<k 0<1)。③g(t) 随疫情的增强而增加,前期增加较为缓慢,因为卫生部门对前期疫情的重视不够,但疫情发展到一定程度后,卫生部门对疫情的蔓延变得敏感起来, 后期卫生部门的预防力度加大,随之疫情指标的增长速度变慢. ④当疫情最严重时, g(t) 最大趋向于 1. 综上所述,可以给出 g(t) 随疫情变化的曲线,其形态如图 10-5 所示(横坐标为疫情,纵坐标为 g(t) ),其表达式为 g(t)=k 0+k 1(1-e f(t)2 /? 1) 其中 k 0+k 1=1. 根据北京的实际数据,令 k 0=0.2 ,k 1=0.8 ,当 f(t 0)=0.58 时, 取 g(t 0)=0.7 ,得参数估计? 1=0.1803.
全文预览
