其控制趋势散点图为: 由散点趋势图我们可以看出其控制天数与接触传染率λ几乎是成线形增长。 我们模拟给出的λ=0.2,控制时间在99天,3个月左右,与实际情况是十分吻合的。 4.关于SARS治愈率 由于治愈率的对控制天数的影响是非线形的,且要看出具体的影响,我们采用4的初值 为0.001,步长为0.001,逐步增加下去,其最终的影响趋势图为 可以看出μ值在[0.001,0.07]区间之内对控制天数的影响相当大,而在之后的区间中对控 制天数的影响逐渐趋于平缓。 模型三:基于神经网络的系统模型 人工神经网络能模拟人脑神经组织的运行机制,因此具有较强的信息处理能力,对复杂问 题具有自适应和自学习的能力,可以很好的协调多种输入信息的关系。对SARS的传播这一复 杂而庞大的非线性系统,其传播、控制、防范本身就具有很多的随机因素,而神经网络因其自 身的自适应,自学习性,高效性,具有可逼近任意非线性系统的能力而成为系统辩识及预测的 有力工具 我们将SARS的传播看作一非线性的输入输出系统: y()=f(V(-1),…,y(t-n,),(t-1)…,a(t-nn); 其中v()为影响整个系统的控制因素,y(t-1)…y(-n,)为系统前n,次输出对系统新的输出 的反馈影响。我们采用并联识别模型的离散时间的动态神经网络来识别此非线性系统,并做出相12 其控制趋势散点图为： 0.2 0.4 0.6 0.8 1 50 100 150 200 250 300 350 400 由散点趋势图我们可以看出其控制天数与接触传染率λ 几乎是成线形增长。 我们模拟给出的λ = 0.2 ，控制时间在 99 天，3 个月左右，与实际情况是十分吻合的。 4． 关于 SARS 治愈率µ ： 由于治愈率µ 的对控制天数的影响是非线形的，且要看出具体的影响，我们采用µ 的初值 为 0.001,步长为 0.001,逐步增加下去，其最终的影响趋势图为： 0.05 0.1 0.15 0.2 40 50 60 70 80 90 100 可以看出µ 值在[0.001,0.07]区间之内对控制天数的影响相当大，而在之后的区间中对控 制天数的影响逐渐趋于平缓。 模型三：基于神经网络的系统模型 人工神经网络能模拟人脑神经组织的运行机制，因此具有较强的信息处理能力，对复杂问 题具有自适应和自学习的能力，可以很好的协调多种输入信息的关系。对 SARS 的传播这一复 杂而庞大的非线性系统，其传播、控制、防范本身就具有很多的随机因素，而神经网络因其自 身的自适应，自学习性，高效性，具有可逼近任意非线性系统的能力而成为系统辩识及预测的 有力工具。 我们将 SARS 的传播看作一非线性的输入输出系统： y(t) = ( ( 1), , ( ), ( 1), , ( )) y nu f y t − L y t − n u t − L u t − ； 其中u(t)为影响整个系统的控制因素， ( 1), ( ) ny y t − Ly t − 为系统前ny 次输出对系统新的输出 的反馈影响。我们采用并联识别模型的离散时间的动态神经网络来识别此非线性系统，并做出相