You need to enable JavaScript to run this app. 使用deSolve包ODE实现离散年龄步进的真实年龄结构模型咨询
优惠活动
大模型
产品
解决方案
定价
更多

使用deSolve包ODE实现离散年龄步进的真实年龄结构模型咨询

问题核心原因

你原来的代码错误地将离散的年龄组移位逻辑放到了ODE微分求解函数中,s_model 函数的作用仅为返回各状态变量的瞬时变化率,函数内对S、I的直接修改不会生效,也不能用来实现离散时间点的状态跳变。
要实现「每个时间步先连续求解传染过程、时间步结束后统一做年龄组跳转」的逻辑,可以用以下两种实现方案:


方案1:逐时间步迭代求解(易理解)

直接按你提出的两步思路循环实现,每轮仅求解1单位时间的ODE,拿到结果后手动执行年龄组移位,再将移位后的状态作为下一轮的初始值:

library(deSolve)

n_agecat <- 4
total_time <- 100
# 接触率参数
si_parameters <- c(beta = 0.01)

# 仅保留传染过程微分计算逻辑的模型函数
s_model <- function(time, state, parameters) {
  with(as.list(c(state, parameters)), {
    S <- state[1:n_agecat]
    I <- state[(n_agecat+1):(2*n_agecat)]
    N <- S + I
    # 全人群随机 mixing 的力 of 感染,如需年龄别接触率可自行修改计算逻辑
    lambda <- beta * sum(I) / sum(N)
    dS <- -lambda * S
    dI <- lambda * S
    return(list(c(dS, dI)))
  })
}

# 初始化状态
S_0 = c(999, rep(0, n_agecat-1))
I_0 = c(1, rep(0, n_agecat-1))
current_state <- c(S = S_0, I = I_0)
# 初始化结果存储表
output <- data.frame(time = 0, t(current_state))

# 逐时间步迭代求解
for (t in 1:total_time) {
  # 第一步:求解当前时间步1单位时间的传染过程
  ode_res <- ode(y = current_state, 
                 times = c(t-1, t), 
                 func = s_model, 
                 parms = si_parameters)
  # 提取当前时间步结束、未做年龄跳转的状态值
  end_state <- ode_res[2, -1]
  S_end <- end_state[1:n_agecat]
  I_end <- end_state[(n_agecat+1):(2*n_agecat)]
  
  # 第二步:执行年龄组统一跳转
  S_new <- c(0, S_end[-n_agecat]) # 首位置0,如有新生人口入组可替换为对应数值
  I_new <- c(0, I_end[-n_agecat])
  
  # 更新下一轮初始状态,存入结果
  current_state <- c(S = S_new, I = I_new)
  output <- rbind(output, data.frame(time = t, t(current_state)))
}

如果需要扩展人口出生、死亡、年龄别接触率等逻辑,只需在lambda计算、年龄跳转的首组赋值位置对应修改即可。


方案2:使用deSolve内置events机制(更规范)

如果你的模型后续要添加更多离散事件(如疫苗接种、封控干预等),可以用deSolve原生的事件机制实现离散年龄跳转,避免手动循环:

library(deSolve)

n_agecat <- 4
times <- seq(0, 100, 1)
si_parameters <- c(beta = 0.01)
S_0 = c(999, rep(0, n_agecat-1))
I_0 = c(1, rep(0, n_agecat-1))
initial_state <- c(S = S_0, I = I_0)

# 微分模型函数,仅计算传染过程
s_model <- function(time, state, parameters) {
  with(as.list(c(state, parameters)), {
    S <- state[1:n_agecat]
    I <- state[(n_agecat+1):(2*n_agecat)]
    lambda <- beta * sum(I) / sum(S+I)
    dS <- -lambda * S
    dI <- lambda * S
    return(list(c(dS, dI)))
  })
}

# 定义离散事件函数:年龄组跳转
age_shift_event <- function(time, state, parameters) {
  S <- state[1:n_agecat]
  I <- state[(n_agecat+1):(2*n_agecat)]
  S_new <- c(0, S[-n_agecat])
  I_new <- c(0, I[-n_agecat])
  return(c(S_new, I_new))
}

# 求解时指定事件发生在每个整数时间点
output <- as.data.frame(ode(y = initial_state,
                            times = times,
                            func = s_model,
                            parms = si_parameters,
                            events = list(func = age_shift_event, time = times)))

内容的提问来源于stack exchange,提问作者Andyga

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.11 23:18:02