宋修朝李建全楊亞莉

(1-空軍工程大學(xué)理學(xué)院，西安 710051;2-陜西師范大學(xué)數(shù)學(xué)與信息科學(xué)學(xué)院，西安 710062)

1 引言

由Kermack和Mckendrick在1927年提出的倉室模型[1]是迄今為止研究傳染病動力學(xué)的最基本的模型.目前，大多數(shù)模型仍假設(shè)發(fā)生率為雙線性型的或標(biāo)準(zhǔn)型的[1-3].鑒于很多傳染病的傳播機(jī)制并沒有完全為人所知，所以近年來具有非線性發(fā)生率的傳染病模型越來越受到重視[4-10]，其中文獻(xiàn)[4–7]考慮了非線性發(fā)生率為(q和p是正數(shù))的傳染病模型，文獻(xiàn)[8–10]考慮了非線性發(fā)生率為g(I)S的傳染病模型.Korobeinikov和Maini[11]研究了非線性發(fā)生率為f(S,I,N)的傳染病模型，函數(shù)f(S,I,N)滿足如下條件：

1)

2)對于所有的S,I＞0;

3)對所有的S,I＞0.

該文在一定條件下，證明了模型的全局穩(wěn)定性.

文獻(xiàn)[9]考慮了非線性發(fā)生率為g(I)S的時滯的SEIR傳染病模型，其中β表示一個染病者的傳染能力，1/(1+εI)表示當(dāng)染病者I數(shù)目增加時其對發(fā)生率的影響.文獻(xiàn)[10]考慮了非線性發(fā)生率也為g(I)S的SIRS傳染病模型，其中(H是正數(shù)).顯然，g(I)都滿足

所以，我們將考慮一類具有形式為f(S)g(I)的非線性發(fā)生率的SEIR傳染病模型，其中函數(shù)f(S)和g(I)滿足如下條件：

本文考慮的模型是對文獻(xiàn)[9]中所考慮模型的發(fā)生率的推廣，也是對文獻(xiàn)[10]中所考慮模型的推廣，并且得到了模型全局穩(wěn)定性的充要條件.在文獻(xiàn)[12]中，作者提出了證明具有雙線性發(fā)生率的傳染病模型的全局穩(wěn)定性的一種代數(shù)方法.我們將利用此代數(shù)方法證明本文的主要結(jié)論.

2 模型及平衡點的存在性

考慮如下傳染病模型

在模型(1)中，總?cè)丝诜譃樗膫€倉室：易感者S(t)、潛伏者E(t)、傳染者I(t)和恢復(fù)者R(t).μA是總?cè)丝诘某?shù)輸入；μ是自然死亡率；q是潛伏者向傳染者的轉(zhuǎn)換率；γ是傳染者的恢復(fù)率；α是因病死亡率.函數(shù)f(S)和g(I)滿足條件(i),(ii)和(iii).

模型(1)中前三個方程與R無關(guān)，因此，考慮如下子系統(tǒng)

由于

所以系統(tǒng)(2)的初值在R3+中的解的非負(fù)性得到了保證.將系統(tǒng)(2)的三個方程相加可得

則

因此，集合是系統(tǒng)(2)的一個正不變集.

顯然系統(tǒng)(2)總存在一個無病平衡點P0(A,0,0).利用再生矩陣[13]可求得系統(tǒng)(2)的基本再生數(shù)

系統(tǒng)(2)的地方病平衡點由方程組

確定.由(3)的最后一個方程可得

將(3)的前兩個方程相加得

所以

為了保證S＞0，只需

當(dāng)I/=0時，由(3)的第二個方程和(4)可知

將(5)代入(6)，得

令

因為f′(S)＞0，所以當(dāng)

時，函數(shù)F(I)是遞減的，并且

由條件(ii)和(iii)可知：函數(shù)G(I)是遞增的，并且

所以當(dāng)R0＞1，即

時，方程(7)存在唯一的正根I?，且

當(dāng)R0≤1時，方程(7)不存在正根.此時，系統(tǒng)(2)不存在地方病平衡點.所以我們有如下結(jié)論：

定理1系統(tǒng)(2)總存在一個無病平衡點當(dāng)除了外，系統(tǒng)(2)還存在唯一的一個地方病平衡點其中

I?是方程(7)在區(qū)間內(nèi)的正根.

3 平衡點的全局穩(wěn)定性

在本節(jié)中，我們將證明系統(tǒng)(2)的平衡點的全局穩(wěn)定性.第一個結(jié)論是：

定理2當(dāng)R0≤1時，系統(tǒng)(2)的無病平衡點P0(A,0,0)是全局穩(wěn)定的；當(dāng)R0＞1時，P0是不穩(wěn)定的.

證明 構(gòu)造如下Lyapunov函數(shù)

計算L1沿系統(tǒng)(2)解的全導(dǎo)數(shù)得

由條件(ii)和(iii)知

所以

因為對于任意的S＞0，都有所以當(dāng)S＞0時，

成立.故當(dāng)時，又因為

所以系統(tǒng)(2)在集合上的最大不變集是單點集

因此，由LaSalle不變性原理[14]可知：當(dāng)R0≤1時，無病平衡點P0(A,0,0)在集合?上是全局穩(wěn)定的.

系統(tǒng)(2)在P0處的雅可比矩陣為

顯然，?μ是矩陣J(P0)的一個負(fù)特征根，它的另外兩個特征根分別是如下矩陣的特征根

而trA＜0.當(dāng)R0＞1時，detA＜0，所以矩陣A存在一個正特征值，故當(dāng)R0＞1時，P0是不穩(wěn)定的.

本節(jié)的第二個結(jié)論是：

定理3當(dāng)R0＞1時，系統(tǒng)(2)唯一的地方病平衡點在?的內(nèi)部是全局穩(wěn)定的.

證明 構(gòu)造如下Lyapunov函數(shù)

計算L2沿系統(tǒng)(2)解的全導(dǎo)數(shù)得

利用(3)可得到

為了書寫簡單，記

則

再次利用等式可得

由條件(ii)，可知以下兩個式子成立

即

我們知道若干個正數(shù)的算術(shù)平均數(shù)大于或等于它們的幾何平均數(shù)，所以

成立.由上可知是負(fù)定的，利用李雅普諾夫直接方法[15]可知：當(dāng)R0＞1時，系統(tǒng)(2)唯一的地方病平衡點在?的內(nèi)部是全局穩(wěn)定的.

4 討論

考慮了一類具有非線性發(fā)生率的SEIR傳染病模型.利用再生矩陣的方法得到了基本再生數(shù)，直接計算得到了平衡點的存在性.通過構(gòu)造恰當(dāng)?shù)腖yapunov函數(shù)，理論上證明了當(dāng)R0≤1時，無病平衡點是全局穩(wěn)定的；當(dāng)R0＞1時，地方病平衡點是全局穩(wěn)定的.

為了更直觀的描述系統(tǒng)(2)的平衡點的穩(wěn)定性，應(yīng)用Matlab軟件對系統(tǒng)(2)進(jìn)行數(shù)值模擬.不妨取

易證f(S),g(I)滿足條件(i),(ii)和(iii)，進(jìn)一步，選取各參數(shù)分別為

則R0=0.26＜1，此時以三組初值分別為(0.6,0.4,0.3),(0.4,0.5,0.1)和進(jìn)行數(shù)值模擬，如圖1(a).可見當(dāng)時，三條軌線都趨于同時我們也對應(yīng)給出了傳染者I(t)的變化曲線，如圖1(b).此時傳染者即疾病最終滅亡.當(dāng)β值取為0.2，其他參數(shù)值和初值不變，則相應(yīng)的基本再生數(shù)再進(jìn)行數(shù)值模擬，如圖2(a).在這種情形下當(dāng)時，三條軌線都趨于地方病平衡點.同樣，我們也對應(yīng)給出了傳染者I(t)的變化曲線，如圖2(b).此時傳染者，即形成地方病.這與本文所得定性分析結(jié)果一致.這里所用的發(fā)生率是已有文獻(xiàn)中不曾見到的.

本文所考慮的非線性發(fā)生率是通過對文獻(xiàn)[8–10]中的發(fā)生率的歸納、總結(jié)、推廣而得到的，具有較好的一般性.我們采用了文獻(xiàn)[12]提出的代數(shù)方法成功證明了地方病平衡點的全局穩(wěn)定性，所以說本文將文獻(xiàn)[12]提出的證明具有雙線性發(fā)生率的傳染病模型全局穩(wěn)定性的代數(shù)方法推廣到了更一般地具有非線性發(fā)生率的傳染病模型中.

此外，在文獻(xiàn)[16]中，作者假設(shè)，顯然，此時條件不再成立.受此啟發(fā)，我們將在以后的工作中考慮在沒有條件下，系統(tǒng)(2)的全局穩(wěn)定性.

圖1:R0＜1時無病平衡點的全局穩(wěn)定性

圖2:R0＞1時地方病平衡點的全局穩(wěn)定性

參考文獻(xiàn)：

[1]Kermack W O,Mckendrick A G.Contributions to the mathematical theory of epidemics,Part I[J].Proceeding of Royal Society of London,1927,A(115):700-721

[2]Anderson R M,May R M.Infectious Diseases in Humans:Dynamics and Control[M].Oxford:Oxford University Press,1991

[3]Min L,Su Y,Kuang Y.Mathematical analysis of a basic virus infection model with application to HVB infection[J].Rocky Mountain Journal of Mathematics,2008,38(5):1573-1585

[4]Li M Y,Muldowney J S.Global stability for the SEIR model in epidemiology[J].Mathematical Bioscience,1995,125(2):155-164

[5]Hethcote H W,Lewis M A,van den Driessche P.An epidemiological model with a delay and a nonlinear incidence rate[J].Journal of Mathematical Biology,1989,27(1):49-64

[6]Liu W M,Hethcote H W,Levin S A.Dynamical behaviour of epidemiological models with nonlinear incidence rates[J].Journal of Mathematical Biology,1987,25(4):359-380

[7]Liu W M,Levin S A,Iwasa Y.Influence of nonlinear incidence rates upon the behaviour of SIRS epidemiological models[J].Journal of Mathematical Biology,1986,23(2):187-204

[8]Li M Y,Muldowney J S,van den Driessche P.Global stability of SEIRS models in epidemiology[J].Canadian Applied Math Quarterly,1999,7(4):409-425

[9]Beretta E,Breda D.An SEIR epidemic model with constant latency time and infectious period[J].Mathematical Biosciences and Engineering,2011,8(4):931-952

[10]李建全，王拉娣，楊友社.兩類含非線性傳染率的傳染病模型的定性分析[J].空軍工程大學(xué)學(xué)報，2004,5(1):84-88 Li J Q,Wang L D,Yang Y S.Qualitative analysis of nonlinear incidence rate for two epidemic models[J].Journal of Air Force Engineering University,2004,5(1):84-88

[11]Korobeinkov A,Maini P K.Nonlinear incidence and stability of infectious disease models[J].Mathematical Medicine and Biology,2005,22(2):113-128

[12]Li J Q,Xiao Y N,Zhang F Q,et al.An algebraic approach to proving the global stability of a class of epidemic models[J].Nonlinear Analysis:Real World Applications,2012,13(5):2006-2016

[13]van den Driessche P,Watmough J.Reproduction numbers and subthreshold endemic equilibria for compartmental models of disease transmission[J].Mathematical Biosciences,2002,180(1):29-48

[14]LaSalle J P.The Stability of Dynamical Systems[M].New Jersey:Hamilton Press,1976

[15]Verhulst F.Nonlinear Differential Equations and Dynamical Systems[M].Berlin:Springer-Verlag,1996

[16]Kar T K,Batabyal A.Modeling and analysis of an epidemic model with nonmonotonic incidence rate under treatment[J].Journal of Mathematical Research,2010,2(1):103-115