丧尸入侵计算器

丧尸入侵虽然纯属虚构，但用于模拟它的数学模型直接借鉴了真实的流行病学与种群动力学。本计算器采用经典的SIR（易感者—感染者—康复者）框架，并针对丧尸与人类的互动进行调整，用来预测假想疫情随时间的发展。 在标准SIR模型中，人口被划分为三类：可能被感染的易感者、传播疾病的感染者，以及不再具有传染性的康复者（或移出者）。在丧尸情景中，人类是易感群体，丧尸是感染传播者。它与经典流行病学的主要区别在于，丧尸不会自行康复，而会持续存在，直到被治愈或消灭。因此，标准感染模型之上又增加了捕食者与猎物的互动关系。 感染率参数（β）表示一次丧尸与人类接触导致新增丧尸的概率。数值为0.1意味着10 %的接触会导致感染，反映出有效的遏制措施。数值为0.8则代表极强的传播性，接触后几乎必然感染。治愈率（γ）反映医疗干预、免疫措施或丧尸清除的效果：数值越高，丧尸数量减少得越快。人类死亡率（μ）用于计入疫情期间与丧尸无关的死亡。 地理扩散系数根据人口密度与空间分布调整接触频率。人口密集的城市环境中，单位时间内丧尸与人类的接触次数多于人口稀疏的乡村。系数高于1.0会加剧感染传播，低于1.0则会抑制传播。 资源消耗用于模拟幸存人类的后勤负担。每个活着的人都需要食物、水、药品与住所。随着人类数量下降、丧尸压力上升，资源短缺会进一步加重生存挑战。资源总量提供模拟期间所需物资的数量级估算。 尽管应用场景带有幻想色彩，这类建模在现实中有严肃的对应用途。流行病学家使用相同的数学框架模拟流感大流行、埃博拉疫情与COVID-19传播。用于预测丧尸占据主导的方程，也能量化疫苗接种计划、隔离措施及医疗承载能力对真实传染病的影响。即使在趣味情景中研究这些模型，也能帮助你直观理解疫情动态、早期干预的重要性，以及再生数在决定疫情消退还是暴发时的关键作用。