HBV动力学模型的辨识与仿真

发布时间：2021-10-21 13:17

　　本文在总结研究国内外HBV数学模型研究和参数辨识技术的基础上,基于改进的乙肝病毒、肝细胞和免疫系统相互作用机理的HBV动力学模型,对乙型肝炎各种临床典型症状进行了仿真,验证了改进HBV动力学模型的有效性。同时,在改进的HBV动力学模型的基础上,引进了参数辨识技术,以临床乙肝患者的临床检查数据为样本,辨识出HBV动力学模型中与乙肝患者密切相关的HBV感染复制能力参数和T细胞治愈杀伤能力参数数值大小,仿真重现患者病情的发展情况以及发展趋势,包括患者体内健康肝细胞、感染肝细胞、肝细胞总量、HBV DNA含量、CTL含量以及丙氨酸转氨酶（ALT）含量的发展变化过程,为临床医生对乙肝患者的诊断和疗效评价提供一种新的方法和辅助手段。在针对HBV动力学模型参数辨识技术的研究和运用方面,本文采用了两种不同的辨识方法,分别为多向单纯形法和BP神经网络方法,介绍了两种方法的特点。通过对实际乙肝患者的临床检测数据的辨识仿真的结果比较,分析了这两种辨识方法的优劣性和对HBV动力学模型的适应性,讨论了HBV动力学模型参数辨识的特点和辨识误差存在的原因。最后,本文针对改进的HBV动力学模型,分析了目前存在缺陷和不... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

HBV动力学模型原理图

‐5BP神经网络辨识模型图

间与样本采样时间的不一致，我们采用一位插值函数interp1，得到患者的临床HBVDNA的检测数据在各采样点的近似值。病人甲的BP网络辨识结果如图4-6所示：图 4‐6 病人甲的 BP 网络参数辨识结果 通过BP网络得到病人甲的所对应的HBV动力学模型中的四个关键参数的辨识结果为：1b = 0.0532，51k = 3.23 × 10，42k = 1.04 × 10，3k = 31.218，误差为56.3982。

【参考文献】：
期刊论文
[1]阿德福韦抗乙肝病毒感染治疗动力学模型[J]. 苏永美,闵乐泉,卓新建.  北京科技大学学报. 2007(06)
[2]BP人工神经网络隐层结构设计的研究进展[J]. 范佳妮,王振雷,钱锋.  控制工程. 2005(S1)
[3]非线性系统辨识方法的新进展[J]. 李秀英,韩志刚.  自动化技术与应用. 2004(10)
[4]基于自适应神经网络的不确定非线性系统的模糊跟踪控制[J]. 刘亚,胡寿松.  控制理论与应用. 2004(05)
[5]非线性规划单纯形算法的改进算法[J]. 沈飞.  测绘信息与工程. 2004(04)
[6]基于脉冲响应的输出误差模型的辨识[J]. 黄祖毅,陈建清.  控制理论与应用. 2003(05)
[7]RBF网络在线辨识算法与应用研究[J]. 宫赤坤,华泽钊.  甘肃工业大学学报. 2002(03)
[8]Hopfield网络在优化计算中的应用[J]. 郭鹏,韩璞.  计算机仿真. 2002(03)
[9]神经网络综述[J]. 巫影,陈定方,唐小兵,朱石坚,黄映云,李庆.  科技进步与对策. 2002(06)
[10]一种求解非线性函数优化问题的混合遗传算法[J]. 邓建军,徐立鸿,吴启迪.  同济大学学报(自然科学版). 2001(11)

博士论文
[1]乙型肝炎免疫模型与仿真[D]. 龙长江.华中科技大学 2007



本文编号：3449057