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
相关产品推荐

