多延迟微分方程的稳定性分析使用Elzaki变换方法及其在帕金森病模型中的应用

《Next Materials》：Stability analysis of multi delay differential equation using Elzaki transform method with application of Parkinsons disease model

　　

在本研究中，研究人员使用结合历史函数和幂函数的Elzaki积分变换（ET）来研究多延迟微分方程（MDDEs）。采用帕金森病（PD）模型来探究MDDEs的动力学行为。此外，通过图形和定性观察探索了延迟模型的稳定性。研究人员求解了MDDEs的稳定性分析，旨在理解时间延迟对动态行为的影响。延迟的神经反馈定义了帕金森病，尤其是在影响运动控制和稳定性的多巴胺能传递中。这项工作建立了一个帕金森病的多延迟微分方程模型，以评估时间延迟对系统行为及正负反馈效应稳定性的影响。尽管当前大多数研究使用数值技术解决类似问题，但本研究采用了Elzaki变换方法。该研究提供了一个理论框架来评估时间延迟如何影响与帕金森病相关的生物机制。研究结果显示，当边际稳定性引起振荡时，症状抑制源于稳定系统。此外，振荡的缓慢衰减意味着正反馈延长了暂时的不稳定性，从而延长了系统稳定所需的时间。这项工作为稳定性分析提供了另一种视角，并展示了延迟效应在生物医学系统中的相关性，从而为理解帕金森病模型中的稳定性提供了一种新方法。

**论文解读：基于Elzaki变换的多延迟微分方程稳定性分析及其在帕金森病模型中的应用**

**研究背景与问题**
延迟微分方程（DDEs）自20世纪初被学者发现以来，在控制论、流行病学、生理系统等领域广泛应用，其核心在于描述时间延迟对动态系统行为的影响。与常微分方程（ODEs）不同，DDEs的解依赖于初始条件及过去时间段内的函数，这使得数学分析更为复杂。在生物医学系统中，延迟常体现为疾病潜伏期、生理反馈回路的内生滞后等。帕金森病（PD）作为一种进行性神经退行性疾病，其特征包括运动迟缓、肌肉僵硬和静止性震颤，其病理机制与多巴胺能传递的延迟神经反馈密切相关。现有研究多采用数值方法求解类似问题，但缺乏对延迟效应的理论分析框架。因此，本研究旨在利用Elzaki变换（ET）方法，建立多延迟微分方程（MDDEs）模型，以探究时间延迟对PD系统行为的影响，特别是正负反馈对稳定性的作用。

**研究内容与结论**
研究人员通过Elzaki变换方法，将MDDEs转化为代数方程，推导出含历史函数和幂函数的显式解，并基于图形和定性观察分析了PD模型的稳定性。研究结果表明：该系统在负反馈主导时趋于稳定，抑制症状波动；而正反馈则导致振荡持续，延缓系统稳定。边际稳定性引发持续振荡，这对应于PD患者观察到的震颤与运动波动。该研究为生物医学系统中的延迟效应分析提供了新视角，强调负反馈机制在症状控制中的关键作用。论文发表在《Next Materials》。

**主要关键技术方法**
本研究采用Elzaki变换（ET）方法，其核心是将含时间延迟的微分方程转化为代数方程，通过定义历史函数（如幂函数）和延迟算子，直接处理延迟项。具体技术包括：推导ET对延迟函数的显式公式（定理3.1-3.6），利用历史函数?(t)的幂次形式求解ET逆变换，并通过图形分析（图1-4）观察延迟参数对稳定性的影响。本研究未涉及样本队列，仅基于理论模型。

**研究结果**
在应用部分，研究人员通过四个案例分析了PD模型（式4.2）在正负反馈组合下的稳定性：

- **Case 1: 负反馈a=-10，正反馈b=3，延迟τ₁=0.2, τ₂=0.3**
通过图形观察（图1），系统表现为渐近稳定（稳定状态）。振荡随延迟而衰减，表明负反馈机制抑制了症状波动，系统最终趋于稳定，这意味着疾病症状随时间减轻。

- **Case 2: 正反馈a=3，负反馈b=-5，延迟τ₁=0.1, τ₂=0.34**
图形显示（图2），系统稳定但振荡衰减非常缓慢（慢衰减）。正反馈导致不稳定延长，需要更长时间才能稳定，这对应于PD患者症状的长期波动。

- **Case 3: 负反馈a=-3，b=-5，延迟τ₁=0.2, τ₂=0.3**
图3显示系统稳定，但阻尼效应较弱，振荡衰减时间较长。相比之下，强负反馈（如Case 1）对症状控制更有效。

- **Case 4: 负反馈a=-7，正反馈b=3，延迟τ₁=π/20, τ₂=3π/20**
图4显示系统为边际稳定，振荡不会完全衰减，形成动态平衡，这意味着症状波动持续存在，需要进一步干预以实现完全稳定。

**讨论与结论**
研究讨论部分指出，本研究的局限性在于未建立正式的稳定性判据（如特征根实部条件），而是通过图形和定性观察来确定稳定性。此外，临床关联性需要多巴胺水平数据来验证相关性。但研究明确了参数对稳定性的影响：增加负反馈a可稳定系统，而正反馈导致非一致解。阻尼比和振荡频率随延迟变化。

研究结论部分翻译如下：
本研究简要探讨了非线性多延迟模型，但未进行深入分析。Elzaki变换需要非线性项和数值反演的通式。因此，本研究从理论角度处理了线性多延迟微分方程，并计算分析了帕金森病模型中这些线性多延迟微分方程的稳定性。研究结果表明，系统稳定性与帕金森病症状管理直接相关。系统稳定时，症状变化有限，有利于疾病进展的控制；边际稳定性则导致症状行为显著波动，表明大脑反馈通路存在慢性不稳定。本研究的核心发现是正负反馈在系统方法中的重要性：正反馈导致不稳定，引起振荡解的延迟衰减，这与帕金森病患者观察到的症状变异性一致。Elzaki变换是经典拉普拉斯变换方法的一种有力替代，用于理解生物系统中的延迟微分方程。本研究旨在提高对帕金森病中延迟效应的理解，并推进生物医学建模中稳定性分析领域的发展。