基于改进SEIR模型的疫情预测与分析

发布时间：2021-09-21 23:37

　　在传统SEIR模型的基础上,引入了"无症状感染者"的概念。考虑无症状感染者的隐蔽性和传染性,通过改进传统的SEIR模型,建立了一种更加精确的SEIADR模型。运用该模型对湖北省新型冠状肺炎的疫情数据发展趋势进行预测分析,结果显示,引入无症状感染者的SEIADR模型具有更好的拟合效果和预测性能,更加接近真实数据。 

【文章来源】：河南工学院学报. 2020,28(05)

【文章页数】：5 页

【部分图文】：

SEIADR模型整体仿真结果

河南工学院学报2020年5期32较差，与实际数据有较大出入，而SEIADR模型能够有效地预测湖北省的真实情况，且模型显示3月中下旬累计死亡人数达到峰值，之后逐渐趋于平缓，接近湖北省公布的真实数据。图4和图5为两种模型分别在同一组确诊数据下的拟合情况。通过比较可以看出，由于SEIR模型没有考虑无症状感染者，所以只能预测疫情的大致走向，对疫情关键节点的预测存在不足[6]；而引入无症状感染者之后的SEIADR模型能够很好地拟合原数据。图6为SEIADR模型对疫情的总体仿真结果。从该图可以看出，疫情真正的拐点出现在疫情爆发后60天左右，也就是在2020年2月中旬左右，这与实际情况相吻合（实际拐点在2月18日左右）。当无症状感染者得到有效控制之后，疫情整体也就进入平缓下降期，同时这也是3月份有序复工复产的重要依据。图4两种模型确诊数据拟合对比图图5两种模型死亡数据拟合对比图图6SEIADR模型整体仿真结果

河南工学院学报2020年5期32较差，与实际数据有较大出入，而SEIADR模型能够有效地预测湖北省的真实情况，且模型显示3月中下旬累计死亡人数达到峰值，之后逐渐趋于平缓，接近湖北省公布的真实数据。图4和图5为两种模型分别在同一组确诊数据下的拟合情况。通过比较可以看出，由于SEIR模型没有考虑无症状感染者，所以只能预测疫情的大致走向，对疫情关键节点的预测存在不足[6]；而引入无症状感染者之后的SEIADR模型能够很好地拟合原数据。图6为SEIADR模型对疫情的总体仿真结果。从该图可以看出，疫情真正的拐点出现在疫情爆发后60天左右，也就是在2020年2月中旬左右，这与实际情况相吻合（实际拐点在2月18日左右）。当无症状感染者得到有效控制之后，疫情整体也就进入平缓下降期，同时这也是3月份有序复工复产的重要依据。图4两种模型确诊数据拟合对比图图5两种模型死亡数据拟合对比图图6SEIADR模型整体仿真结果

【参考文献】：
期刊论文
[1]2019新型冠状病毒SEIR模型求解及MATLAB软件实现[J]. 王众,汪和松.  数字技术与应用. 2020(02)
[2]新型冠状病毒肺炎（COVID-19）研究现状[J]. 丁玉曦,邓存良.  西南医科大学学报. 2020(01)
[3]2019年新型冠状病毒肺炎的研究现状与进展[J]. 杨欣颖,缪从良,晋梦迪,周丹丹,庄金强,洪江.  中华危重病急救医学. 2020(02)
[4]SARS流行病的SEIR动力学模型及其参数辨识[J]. 徐恭贤,冯恩民,王宗涛,谭欣欣,修志龙.  黑龙江大学自然科学学报. 2005(04)



本文编号：3402715