传染病模型数学建模？在传染病研究的数学模型领域，有三个经典模型犹如舞台上的三重奏，分别为SI、SIS和SIR，它们分别描绘了疾病传播的不同阶段和特性。SI模型：易感与感染的碰撞在SI模型中，那么，传染病模型数学建模？一起来了解一下吧。
建模流程：选研究课题，对问题分析，选出因变量和找出影响问题结果的参量，建立基本方程。模型求解，分析评价。一篇完整的论文包括摘要，符号说明，模型假设，建立模型，模型求解，模型分析（结果分析，误差分析，灵敏度，可行性。），模型评价（优缺点），改进方向。
对于传染病问题，一般有微分方程模型，差分方程模型，概率统计模型是常见的。如果你只是拿这个问题练手还行，要想获奖就需要提出新的有创造性的方法或结论，因为这个问题很多人很多年前就研究过了。
推荐你阅读数学建模类的书，有大学的师兄师姐可以让他们帮你在图书馆借，相关论文也可以让他们在图书馆下载下来的。虽然高中知识不太够，只要你自己学起来就行。希望你能在建模上越走越好。
甲模型
52=a+b+c
61=4a+2b+c
68=9a+3b+c
解得：a= -1，b=12，c=41
y=-x^2+12x+41
四月份：y=73
五月份：y=76
六月份：y=77
乙模型
52=pq+r
61=pq^2+r
68=pq^3+r
解得：q=7/9，p= -729/14，r=92.5
y=（ -729/14）（7/9）^x+92.5
四月份：y=661/9≈73
五月份：y=6292/81≈78
六月份：y=59029/729≈81
选乙模型
据题目意思，这是一个传染性病毒随着时间演变的过程，我们要分析、预测、研究它就得建立动态模型，在此我们选用微分方程。因题目中把人群分为五类：确诊患者、疑似患者、治愈者、死亡和正常人，所以我们采用SIR模型。模型中我们找出单位时间内这五类人群人数的变化来建立微分方程，得出模型。再利用matlab画出图形，加以分析，达到得出应对措施的目的。
把考察范围内的人群分为以下种类：
1、健康人群，即易感染（Susceptibles）人群。记其数量为S(t),表示t时刻未感染病但有可能感染该疾病的人数；
2、潜伏期人群，即被感染（Infection）该疾病的人群，记其数量为I(t) 表示t时刻可能感染该疾病的但又不是疑似病患的人数；
3、疑似病患，记其数量为E(t) 表示示t时刻感染该疾病的并是疑似病患的人数；
4、确诊病患,记其数量为Q(t) 表示示t感染该疾病并确诊为患者的人数；
5、恢复人群（Recovered）,记其数量为R(t)，表示t时刻已从感染病者中移出的人数（这部分人数既不是已感染者，也不是非感染者，不具有传染性，也不会再次被感染，他们已经推出了传染系统）。
基于以上的假设，健康人群从潜伏期到移出传染系统的过程图如下：
三、 模型假设
1. 假设易感人数的变化率与当时的易感人数和感染人数的乘积成正比;
2. 假设从感染数中移除个体的速率与当时的感染人数成正比;
3. 假设考察地区内疾病传播期间忽略人口的出生，死亡，流动等种群动力因素对总人数的影响。
模型假设：
1） 人数N不变，健康人、病人和移出者比例分别为s(t),i(t),r(t)
2） 病人的日接触率为λ，日治愈率为�0�8 ，传染期接触数为σ=λ/�0�8
模型建立：
s(t)+i(t)+r(t)=1
di/dt=λsi-�0�8i
ds/dt=-λsi
i(0)=i0;s(0)=s0
揭示疾病的动态进程：传染病模型的魅力
在传染病研究的数学模型领域，有三个经典模型犹如舞台上的三重奏，分别为SI、SIS和SIR，它们分别描绘了疾病传播的不同阶段和特性。
SI模型：易感与感染的碰撞
在SI模型中，社会被简化为两个角色——易感者（Susceptible）和感染者（Infectious）。这是一种零免疫状态的模型，如流感，疾病一旦传播，易感者就成了下一个目标。通过微分方程，我们观察到感染者数量与易感者之间微妙的互动，感染的速率决定了疾病的扩散速度。
SIS模型：循环的感染与恢复
SIS模型在SI的基础上加入了恢复环节，感染者可以转化为易感者，如感冒的反复发作。这个模型强调了疾病的持续性和周期性，易感者与感染者之间形成动态平衡。通过微分方程，我们看到感染者、易感者之间的互动，以及恢复过程如何影响疾病的总体态势。
SIR模型：免疫记忆的诞生
SIR模型则引入了康复者（Recovered）这一角色，感染者经过感染和康复后，获得了免疫能力。如麻疹或天花，感染一次后通常能带来长期保护。
以上就是传染病模型数学建模的全部内容，对于传染病问题，一般有微分方程模型，差分方程模型，概率统计模型是常见的。如果你只是拿这个问题练手还行，要想获奖就需要提出新的有创造性的方法或结论，因为这个问题很多人很多年前就研究过了。推荐你阅读数学建模类的书。
