行残差分析,得结果如下: 图7 易感染者( ) s t 残差图8 潜伏者( ) h t 残差图9 感染者( ) i t 残差图 10 自愈者( ) r t 残差 8 图 11 死亡者( ) l t 残差由5幅残差图可以看出,除部分异常点外,其余数据的残差离零点均较近,且残差的置信区间均包含零点。由此说明 SHIRL 模型预测的正确性。 5.5 模型的评价与推广 5.5.1 模型的优点 1. SHIRL 模型是对具有一般性经典模型 SIR 模型的改进,对虚拟疫情群体的分类考虑较为全面,微分方程的建立及其参数的求解都与虚拟种群较为相符,为后期疫情的传播预测奠定了良好的基础; 2. 模型检验中引入的残差分析直观评价了 SHIRL 模型预测的正确性和可行性,通过其趋势预测能够为疫情研究者提供合理的建议,为疫情的控制提供科学依据。 5.5.2 模型的缺点 1. 为使得问题简化,本模型中各参数均设定为恒定的数值,然而在虚拟群体中接触率?、?,日治愈率?,死亡率?,发病率?都由多种因素共同影响难以恒定。 2. SHIRL 模型未考虑埃博拉病毒在传播过程中自身的变异以及传播群体内部个体的差异性; 5.5.3 模型的推广 1. SHIRL 模型适用于多种流行病的传播预测,例如 1 1 H N 、 SARS 病毒; 2. 金融业的蓬勃发展促使了资金的快速流转,但同时也带来破坏力极强的金融危机,对此 SHIRL 模型能推广到银行、股市的危机控制当中,适当变换运用解决相应问题; 3. 互联网的快速发展使得信息、资源的传播极为便利,在社交网络普遍运用的今天,其高速多途径的社交网络信息传播能够适用 SHIRL 模型来预测、控制、解决相关问题。六、问题二 6.1 单向 SHIRL 模型[4]的建立在问题一的基础上,该问加入了埃博拉病毒还会从猩猩向人群传播这一限制条件, 对此可得传播流程图如下:
全文预览
