数学 > 数值分析
[提交于 2023年7月26日
]
标题: 保持域和强收敛的随机SIS流行病模型显式格式
标题: Domain preserving and strongly converging explicit scheme for the stochastic SIS epidemic model
摘要: 在本文中,我们通过使用半离散方法对适当的转换过程,构建了一个随机版本的易感感染易感(SIS)流行病模型的数值方法,该模型由适当的随机微分方程(SDE)表示。 我们证明了所提出方法的强收敛性,收敛阶为$1,$,并对其稳定性特性进行了研究。 由于SDE通常缺乏解析解,因此常采用数值技术。 因此,研究将通过构建合适的数值方案并与其他方案进行比较,寻求现有随机模型的数值解。 研究目标是实现一种定性和高效的方法来求解这些方程。 此外,对于尚未使用SDE进行随机建模的模型,研究将适当表述这些模型,进行模型特性的理论分析,并随后求解相应的SDE。
文献和引用工具
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
推荐器和搜索工具
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.