Logistic与SEIR结合模型预测新型冠状病毒肺炎传播规律

发布时间：2021-08-23 18:28

　　研究新型冠状病毒肺炎（COVID-19）传播方式规律及趋势有助于有效遏制其蔓延.介绍了一些常用的传染病预测模型,提出了Logistic_SEIR模型,既克服了Logistic模型不能预测现有确诊人数的缺点又克服了SEIR模型调参太多的缺点,并通过实验证明了所提出模型的实现和预测的优越性.同时进一步研究了Logistic_SEIR模型需要调试的参数取不同的初始值对预测结果的影响,并通过加权误差来量化分析预测效果.最后指出未来进一步的研究方向. 

【文章来源】：厦门大学学报(自然科学版). 2020,59(06)北大核心CSCD

【文章页数】：6 页

【部分图文】：

SEIR模型示意图

从预测曲线和加权误差两个角度分析不同初始健康人数S0对预测结果的影响．预测曲线如图3所示，加权误差如表2所示．从图3可以直观地看出，时间越长各种初始值的曲线预测结果越相近，最后都重叠在一起．因此如果预测COVID-19发生2个月以后的现有确诊人数，则S0的初始值对预测效果影响不大，故Logistic＿SEIR模型需要调试的S0参数可以比较容易地调试，这从另一方面证明了本文提出模型的优越性．

从预测曲线和加权误差两个角度，研究由潜伏者转化为感染者的转化率α取不同初始值对曲线预测效果的影响．预测曲线如图4所示，加权误差如表3所示．为了更准确地衡量哪个值最好，本文根据表3的加权误差来定量分析，可以看出潜伏者转阳变为感染者转化率α=1/4时加权误差最小，为1 816.42，预测效果最好．

【参考文献】：
期刊论文
[1]基于时变参数-SIR模型的COVID-19疫情评估和预测[J]. 喻孜,张贵清,刘庆珍,吕忠全.  电子科技大学学报. 2020(03)
[2]基于SEIR的新冠肺炎传播模型及拐点预测分析[J]. 范如国,王奕博,罗明,张应青,朱超平.  电子科技大学学报. 2020(03)
[3]修正SEIR传染病动力学模型应用于湖北省2019冠状病毒病（COVID-19）疫情预测和评估[J]. 曹盛力,冯沛华,时朋朋.  浙江大学学报(医学版). 2020(02)
[4]基于SIS模型的禽流感传染模型[J]. 韩翔,夏苏徽.  现代商贸工业. 2018(22)
[5]Logistic回归模型在人口问题中的应用[J]. 赵旭,陈立萍,程维虎.  应用概率统计. 2015(06)
[6]基于SIR模型对埃博拉病毒蔓延趋势的预测[J]. 王香阁,于红斌,王飘飘,吴笑笑,王琼琼.  福建电脑. 2015(02)
[7]SARS传播动力学模型及其多智能体模拟研究[J]. 龚建华,周洁萍,徐珊,王卫红.  遥感学报. 2006(06)
[8]SARS疫情控制的模拟分析[J]. 龚建华,孙战利,李小文,曹春香,李小英,钱贞国,周洁萍.  遥感学报. 2003(04)
[9]具有阶段结构的SI传染病模型[J]. 原存德,胡宝安.  应用数学学报. 2002(02)



本文编号：3358375