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:2508.02928

帮助 | 高级搜索

定量生物学 > 定量方法

arXiv:2508.02928 (q-bio)
[提交于 2025年8月4日 (v1) ,最后修订 2025年8月26日 (此版本, v3)]

标题: 一种用于SEIQR流行病学PDE模型的非标准有限差分格式

标题: A Nonstandard Finite Difference Scheme for an SEIQR Epidemiological PDE Model

Authors:Achraf Zinihi, Matthias Ehrhardt, Moulay Rchid Sidi Ammi
摘要: 本文介绍了一种非标准有限差分(NSFD)方法,用于反应扩散SEIQR流行病学模型,该模型捕捉传染病传播的时空动力学。 作为半线性抛物型偏微分方程(PDEs)系统构建的模型,通过引入空间扩散来考虑人口流动和空间异质性,扩展了经典的分 compartment 模型。 所提出的NSFD离散化方法旨在保持连续模型的基本定性特征,如正性、有界性和稳定性,这些特性通常会被标准有限差分方法破坏。 我们严格分析了模型的适定性,为PDE系统构建了一个结构保持的NSFD方案,并研究了其收敛性和局部截断误差。 数值模拟验证了理论结果,并展示了该方案在保持生物上一致动力学方面的有效性。
摘要: This paper introduces a nonstandard finite difference (NSFD) approach to a reaction-diffusion SEIQR epidemiological model, which captures the spatiotemporal dynamics of infectious disease transmission. Formulated as a system of semilinear parabolic partial differential equations (PDEs), the model extends classical compartmental models by incorporating spatial diffusion to account for population movement and spatial heterogeneity. The proposed NSFD discretization is designed to preserve the continuous model's essential qualitative features, such as positivity, boundedness, and stability, which are often compromised by standard finite difference methods. We rigorously analyze the model's well-posedness, construct a structure-preserving NSFD scheme for the PDE system, and study its convergence and local truncation error. Numerical simulations validate the theoretical findings and demonstrate the scheme's effectiveness in preserving biologically consistent dynamics.
主题: 定量方法 (q-bio.QM) ; 动力系统 (math.DS); 数值分析 (math.NA)
MSC 类: 92D30, 65M06, 35K57, 37N30
引用方式: arXiv:2508.02928 [q-bio.QM]
  (或者 arXiv:2508.02928v3 [q-bio.QM] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.02928
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Achraf Zinihi [查看电子邮件]
[v1] 星期一, 2025 年 8 月 4 日 22:02:36 UTC (559 KB)
[v2] 星期三, 2025 年 8 月 6 日 10:44:40 UTC (559 KB)
[v3] 星期二, 2025 年 8 月 26 日 07:59:42 UTC (559 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
许可图标 查看许可
当前浏览上下文:
cs.NA
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
math
math.DS
math.NA
q-bio
q-bio.QM

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