基于阶段式SIR-F模型的新冠肺炎疫情评估及预测
发布时间:2021-08-29 09:50
针对新冠肺炎疫情的发展呈现阶段性变化的特征,提出一种以阶段划分为基础,各阶段分别进行模型拟合的分析方法。在传统SIR(Susceptible-Infected-Recovered)模型的基础上考虑"未确诊感染者"、"治愈者"和"死亡者",构建阶段性SIR-F模型。结合增长态势识别、阶段划分、防控措施影响分析的方法,使用Python实现模拟仿真。实验证明,分阶段的拟合方法能比较准确地刻画疫情数据随时间的变化规律,以及防控措施产生的影响。
【文章来源】:计算机应用与软件. 2020,37(11)北大核心
【文章页数】:7 页
【图文】:
技术路线图
由于COVID-19疫情比较特殊,有一部分感染者在死亡前仍未正式确诊,将这类情况增加到经典的SIR模型中,构建SIR-F模型。SIR-F模型中从未感染者转变为感染者、治愈者、死亡者的过程如图 2 所示。图2中,S代表未感染者,S*代表未确诊的感染者,I代表感染者,R代表治愈者,F代表死亡者,α1为S*的死亡系数,α2为I的死亡系数,β为感染系数,γ为I的治愈系数。累计确诊数量C=I+R+F。
处于“爆发”增长态势的包括印度、俄国、爱沙尼亚、巴西、肯尼亚等53个国家。将这类国家的疫情数据聚合,增长趋势如图3所示。处于“停滞”增长态势的包括意大利、日本、利比亚、安哥拉、尼加拉瓜、越南等28个国家。将这类国家的确诊数据聚合,增长趋势如图4所示。
【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]新冠肺炎疫情传播建模分析与预测[J]. 盛华雄,吴琳,肖长亮. 系统仿真学报. 2020(05)
[4]基于引入隐形传播者的SEIR模型的COVID-19疫情分析和预测[J]. 林俊锋. 电子科技大学学报. 2020(03)
[5]新冠肺炎疫情极限IR实时预测模型[J]. 梅文娟,刘震,朱静怡,杜立. 电子科技大学学报. 2020(03)
[6]基于SIR模型的有限区域内新冠肺炎疫情传播仿真模拟[J]. 尹楠. 统计与决策. 2020(05)
本文编号:3370423
【文章来源】:计算机应用与软件. 2020,37(11)北大核心
【文章页数】:7 页
【图文】:
技术路线图
由于COVID-19疫情比较特殊,有一部分感染者在死亡前仍未正式确诊,将这类情况增加到经典的SIR模型中,构建SIR-F模型。SIR-F模型中从未感染者转变为感染者、治愈者、死亡者的过程如图 2 所示。图2中,S代表未感染者,S*代表未确诊的感染者,I代表感染者,R代表治愈者,F代表死亡者,α1为S*的死亡系数,α2为I的死亡系数,β为感染系数,γ为I的治愈系数。累计确诊数量C=I+R+F。
处于“爆发”增长态势的包括印度、俄国、爱沙尼亚、巴西、肯尼亚等53个国家。将这类国家的疫情数据聚合,增长趋势如图3所示。处于“停滞”增长态势的包括意大利、日本、利比亚、安哥拉、尼加拉瓜、越南等28个国家。将这类国家的确诊数据聚合,增长趋势如图4所示。
【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]新冠肺炎疫情传播建模分析与预测[J]. 盛华雄,吴琳,肖长亮. 系统仿真学报. 2020(05)
[4]基于引入隐形传播者的SEIR模型的COVID-19疫情分析和预测[J]. 林俊锋. 电子科技大学学报. 2020(03)
[5]新冠肺炎疫情极限IR实时预测模型[J]. 梅文娟,刘震,朱静怡,杜立. 电子科技大学学报. 2020(03)
[6]基于SIR模型的有限区域内新冠肺炎疫情传播仿真模拟[J]. 尹楠. 统计与决策. 2020(05)
本文编号:3370423
本文链接:https://www.wllwen.com/yixuelunwen/yufangyixuelunwen/3370423.html