Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-bio > arXiv:2412.00405

帮助 | 高级搜索

定量生物学 > 种群与进化

arXiv:2412.00405 (q-bio)
[提交于 2024年11月30日 (v1) ,最后修订 2025年1月30日 (此版本, v2)]

标题: 随机动力学与具有环境噪声的广义流行病模型的概率分析

标题: Stochastic Dynamics and Probability Analysis for a Generalized Epidemic Model with Environmental Noise

Authors:Brahim Boukanjime, Mohamed Maama
摘要: 本文我们考虑一个具有广义传染率函数的随机SEIQR(易感-暴露-感染-隔离-恢复)流行病模型。 利用Lyapunov方法,我们建立了该模型全局正解的存在性和唯一性,确保其随时间保持定义良好。 通过应用Young不等式和切比雪夫不等式,我们证明了随机最终有界性和随机持久性的概念,提供了在随机扰动下流行病动态长期行为的见解。 此外,我们推导了随机灭绝的条件,描述了流行病可能最终消失的情况,以及V-几何遍历性,表明系统状态收敛到平衡点的速度。 最后,我们进行了数值模拟以验证我们的理论结果,并评估不同参数下模型的行为。
摘要: In this paper we consider a stochastic SEIQR (susceptible-exposed-infected-quarantined-recovered) epidemic model with a generalized incidence function. Using the Lyapunov method, we establish the existence and uniqueness of a global positive solution to the model, ensuring that it remains well-defined over time. Through the application of Young's inequality and Chebyshev's inequality, we demonstrate the concepts of stochastic ultimate boundedness and stochastic permanence, providing insights into the long-term behavior of the epidemic dynamics under random perturbations. Furthermore, we derive conditions for stochastic extinction, which describe scenarios where the epidemic may eventually die out, and V-geometric ergodicity, which indicates the rate at which the system's state converges to its equilibrium. Finally, we perform numerical simulations to verify our theoretical results and assess the model's behavior under different parameters.
主题: 种群与进化 (q-bio.PE) ; 动力系统 (math.DS); 数据分析、统计与概率 (physics.data-an); 神经与认知 (q-bio.NC)
引用方式: arXiv:2412.00405 [q-bio.PE]
  (或者 arXiv:2412.00405v2 [q-bio.PE] 对于此版本)
  https://doi.org/10.48550/arXiv.2412.00405
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Mohamed Maama Dr. [查看电子邮件]
[v1] 星期六, 2024 年 11 月 30 日 09:10:47 UTC (2,911 KB)
[v2] 星期四, 2025 年 1 月 30 日 07:13:55 UTC (2,825 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
math
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-12
切换浏览方式为:
math.DS
physics
physics.data-an
q-bio
q-bio.NC
q-bio.PE

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号