模型假设
1、总人数N不变。人群分为健康者、病人和移出者三类。t时刻三类人数量分别记为s(t),i(t)和r(t)。
2、病人的日接触率为，日治愈率为
。
3、移出者康复后只有暂时免疫力，单位时间内将有的移出者丧失免疫而可能再次被感染。
模型构成
由假设1显然有
（1-1）
建立关于s(t),i(t)和r(t)的三个方程
（1-2）
记初始时刻的健康人、病人和移出者人的比例分别是，
和
，则SIRS模型的方程可以写作
（1-3）
方程（1-3）中无法求出s(t),i(t)和r(t)的解析解，我们先作稳定性分析。
稳定性分析
由于s(t)+i(t)+r(t)=N是一个常数，所以令r=N-s-i,则式(1-3)可以降阶为
（1-4）
引理1 令，则
为方程（1-4）的正向不变集。
定义阈值,可以得到如下关于平衡点稳定性的结论：
定理1 如果，则方程（1-4）只有疾病消除平衡点
，并且是全局渐进稳定的。
定理2 如果，则方程（1-4）存在唯一的，且全局渐进稳定的地方平衡点
，其中
，
。
模型优化
根据阈值的定义和以上2个定理，就某一地区而言，当所研究的传染病的传染力不是很强，即传染率满足
时，由疾病消除平衡点的全局稳定性可知传染病最终会在该地区消除的；而当所研究的传染病的传染力较强，即传染率
满足
时，由正平衡点的全局稳定性可知传染病会在该地区蔓延下去，成为地方病。希望通过采取人为的措施，即对传染病的动力系统进行有效的控制，使
时系统的疾病消除平衡点
具有很好的全局性态，这样疾病将最终消除，为此考虑如下的方程：
（1-5）
其中为控制项。
如果只考虑对染病者施加控制，在医学上一般采用的方法有2种：一种是用有效的药物对染病者进行治疗；另一种是将染病者隔离起来以避免染病者与易感者的接触。令和
分别表示隔离率和治愈率，考虑如下形式的控制器：
。
定理4对于方程（1-5），如果，施加控制
，且
，
满足
，
，则
全局渐近稳定。
数值计算
例 在方程（1-4）中，假设N=100, ，
，则得到如下系统：
（1-6）
现分别在=0.001，
=0.01时讨论其平衡点的稳定性：
当=0.001时，
，方程（1-6）只有疾病消除平衡点
，由定理1可知
是全局渐近稳定的。
当=0.01时，
，由定理2可知方程（1-6）有唯一的、全局渐近稳定的地方病平衡点
，其中
，
假定3 个不同的初值：（30，70），（50，50），（80，20）。
当=0.001时，得到如图1的相空间曲线，由图可以看到，无论初值如何，最终都趋于
。
%%子程序
function y=ill(t,x)
N=100;a=0.001;b=0.1;c=0.05;
y=[-a*x(1)*x(2)+5-c*x(1)-c*x(2),a*x(1)*x(2)-b*x(2)]';
%%运行的程序
[t,x]=ode45('ill',[0,100],[30,70]);
plot(x(:,1),x(:,2));
hold on
[t,x]=ode45('ill',[0,100],[50,50]);
plot(x(:,1),x(:,2));
hold on
[t,x]=ode45('ill',[0,100],[80,20]);
plot(x(:,1),x(:,2));
xlabel('s(t)');ylabel('i(t)')
legend('(30,70)','(50,50)','(80,20)')当=0.01时，得到如图2的相空间曲线，由图可以看到，无论初值如何，最终都趋于
。在这种情况下疾病不能最终被消除，成为该地区的地方病，为此考虑疾病的控制问题。
%%子程序
function y=ill(t,x)
N=100;a=0.01;b=0.1;c=0.05;
y=[-a*x(1)*x(2)+5-c*x(1)-c*x(2),a*x(1)*x(2)-b*x(2)]';
%%运行的程序
[t,x]=ode45('ill',[0,100],[30,70]);
plot(x(:,1),x(:,2));
hold on
[t,x]=ode45('ill',[0,100],[50,50]);
plot(x(:,1),x(:,2));
hold on
[t,x]=ode45('ill',[0,100],[80,20]);
plot(x(:,1),x(:,2));
xlabel('s(t)');ylabel('i(t)')
legend('(30,70)','(50,50)','(80,20)')当=0.01时，为使疾病消除平衡点
全局渐近稳定，需要对病人施加有效的控制，考虑如下的系统：
（1-7）
由定理3，取，并令隔离率
，治愈率
，仿真得到如图3的相空间曲线。由图3可知，方程（1-7）的平衡点( 100，0) 全局渐近稳定，也就是说，当
=0.01时，控制
使方程（1-7）的疾病消除平衡点
全局渐近稳定。
%%子程序
function y=ill(t,x)
N=100;a=0.01;b=0.1;c=0.05;k1=0.9;k2=0.01;
y=[-a*x(1)*x(2)+5-c*x(1)-c*x(2),a*x(1)*x(2)-b*x(2)-k1*a*x(1)*x(2)-k2*x(2)]';
%%运行的程序
[t,x]=ode45('ill',[0,100],[30,70]);
plot(x(:,1),x(:,2));
hold on
[t,x]=ode45('ill',[0,100],[50,50]);
plot(x(:,1),x(:,2));
hold on
[t,x]=ode45('ill',[0,100],[80,20]);
plot(x(:,1),x(:,2));
xlabel('s(t)');ylabel('i(t)')
legend('(30,70)','(50,50)','(80,20)')参考文献
[1]姜启源，谢金星，叶 俊．数学模型（第四版）．北京：高等教育出版社，2011
[2]陈 鑫，徐赫屿．一类具有线性传染力的 SIRS 传染病动力系统的分析与控制［J］．沈阳师范大学学报:自然科学版，2012，30( 2) :28－30．
[3]廖晓昕．稳定性的数学理论及应用［M］．武汉:华中师范大学出版社，2001:140－161．