
-
生物通官微
陪你抓住生命科技
跳动的脉搏
具有非线性发生率的SIRS模型的状态依赖脉冲系统的全局分析
《Journal of Biological Dynamics》:Global analyses of a state-dependent impulsive system for an SIRS model with a nonlinear incidence rate
【字体: 大 中 小 】 时间:2026年09月19日 来源:Journal of Biological Dynamics 2.7
编辑推荐:
本研究建立了一个基于非线性发生率SIRS模型的状态反馈控制系统,以探索传染病控制的调控机制。研究人员开发了一个状态依赖脉冲模型,当易感人群数量超过预定水平时,触发阈值依赖的疫苗接种和隔离干预措施。在研究了ODE子系统的基本性质后,研究人员定义了Poincaré
传染病由细菌、病毒等病原微生物引起,对人类健康和社会经济造成严重威胁。数学建模通过抽象和量化传播过程,成为分析传染病传播机制、预测疫情趋势和优化防控策略的核心工具。经典SIR模型采用双线性发生率βSI,但该形式忽略了社交网络异质性和接触饱和现象,也无法刻画人群因疫情严重程度而调整防护行为的动态过程。为此,研究人员引入非线性发生率f(I)S=βIpS/(1+αIq),其中βIp表征感染力度,1/(1+αIq)表征易感者因感染人数增加而减少接触的抑制效应。进一步考虑新生或迁入人口的稳定补充以及恢复者免疫力随时间消退的现实特征,建立了SIRS模型(易感-感染-恢复-易感)。在实际防控中,疫苗接种和隔离等干预措施并非持续实施,而是当易感者数量达到预设阈值时才触发,且干预持续时间远短于疾病传播特征时间尺度,因此可近似为瞬时状态跳变。这种状态依赖的阈值触发与时间尺度分离,使传统连续动力系统难以刻画,而状态依赖脉冲微分方程提供了自然建模框架。基于此,研究人员将状态反馈脉冲控制引入SIRS模型,构建了脉冲系统(3),并在总人口恒定的极限平面S+I+R=N0上将其简化为二维极限系统(5)。
研究人员首先总结ODE子系统的动力学性质。根据参数p,q和σ的取值,子系统始终存在边界平衡点E0;当0
*且全局渐近稳定;当p>1且σ>σ*时存在两个正平衡点E1*、E2*,其中E1*为鞍点,E2*可能为吸引子或与稳定极限环共存。在此基础上,研究人员定义了Poincaré映射PM,通过计算其一阶和二阶导数分析其定义域、值域、单调性和连续性,并利用Floquet乘子判据判定周期解的轨道渐近稳定性。
主要关键技术方法包括:状态依赖脉冲半动态系统理论、Poincaré映射及其导数分析、Floquet乘子判据、相平面等斜线与向量场定性分析。该研究为纯理论模型,未涉及实际样本队列。
研究结果分以下部分阐述。
**无病周期解(DFPS)**
当感染人数I(0)=0时,系统退化为关于R的脉冲子系统,解得无病周期解(I(t)=0, R(t)=(ξSv+N0-Sv)e-(d+v)(t-kT),周期T=1/(d+v)ln(1+ξSv/(N0-Sv))。通过计算Floquet乘子μ2=(1-η)((N0-Sv)/(ξSv+N0-Sv))(d+u)/(d+v),当p>1时,因f′(0)=0,有0<μ2<1,故无病周期解是渐近稳定的。
**正周期解**
当0
*。根据E*与脉冲曲线LM(触发线)和相位曲线LN(脉冲后映射线)的位置关系,分为三种情形(A1)-(A3)。研究人员证明了PM在相应定义域上的连续性和单调性,并给出正不动点(即一阶正周期解)的存在性条件。当PM在原点处的导数大于1且具备适当的凹凸性时,存在唯一渐近稳定的正周期解;若导数小于1且端点值大于起始值,则可能存在不稳定正周期解,从而导致无病周期解与地方病周期解之间的双稳态现象。
当p>1且σ>σ*时,子系统存在两个正平衡点。若E2*为吸引子,根据E1*、E2*与LM、LN的位置关系分为六种情形(B1)-(B6)。分析表明,在多数情形下PM没有正不动点,因而不存在正周期解;仅在特定条件(如LM与L1交于两点且PM凹凸性不定)下,可能存在正周期解,且通常不稳定。若E2*不稳定且存在稳定极限环Γ,则进一步按Γ与脉冲曲线的相交、相切等关系细分为情形(C1)-(C6)。此时PM可能出现不连续点,其定义域可能分为多个区间,轨迹可能经历多次脉冲,产生复杂的多脉冲动力学行为。
**讨论与结论**
理论分析表明:当p>1时,感染力度强,无论初始感染规模如何,无病周期解全局渐近稳定,有效隔离和疫苗接种能迅速切断传播、清除感染源,最终消灭疫情。当0