SIR模型模拟COVID-19传播的简化动态

① 本范例通过GeoGebra的数值求解功能，动态演示了简化SIR模型（易感-感染-恢复）在COVID-19疫情传播中的曲线变化，直观展示三类人群随时间演化的趋势。② 核心数学概念包括常微分方程组、人口动力学、指数增长与饱和效应，以及参数敏感性分析；涉及S、I、R三个状态变量的相互转化率（传播率与恢复率）。③ 作图要点：使用NSolveODE命令对微分方程组进行数值积分，定义初始值N、Istart、Sstart、Rstart以及参数transm（传播率）、recov（恢复率）和模拟时长maxT，生成S'、I'、R'的导数表达式，并绘制S、I、R随时间变化的函数图像。④ 适合高中至大学阶段的数学建模、生物数学或流行病学入门课程，可用于理解传染病传播的数学原理和参数调节对疫情曲线的影响。