基于时变参数-SIR模型的COVID-19疫情评估和预测

发布时间：2021-12-18 23:02

　　该文基于COVID-19疫情发展到2020年2月1日所呈现的特点,对SIR模型进行了修正,使用易感再生数、当日感染率和潜伏感染率来求解病毒演化动力学方程,研究了感染人数的变化趋势,并分析了政府防控措施对趋势变化产生的影响。结果表明,从2020年1月24日后,政府的防控措施有效降低了病毒蔓延趋势。与1月24日之前呈现的趋势相比,截至2020年2月1日,实际感染人数较原趋势预估人数下降了超1/2。易感再生数、当日再生数和潜伏再生数都大幅度降低。基于目前的趋势,对易感再生数、当日感染率、潜伏感染率随时间的变化进行了分析,利用时变参数对疫情发展进行了预测。结果表明在2020年2月9日左右,疫情发展会达到高峰,随后确诊人数将出现下降。 

【文章来源】：电子科技大学学报. 2020,49(03)北大核心EICSCD

【文章页数】：5 页

【部分图文】：

Jan.24th时间段的拟合效果图

Jan.28th时间段的拟合效果图

Jan.31th时间段的拟合效果图

【参考文献】：
期刊论文
[1]自适应网络中的流行病传播动力学研究综述[J]. 杨慧,唐明,许伯铭.  复杂系统与复杂性科学. 2012(04)
[2]考虑感染时延的局域世界复杂网络上疾病传播行为[J]. 夏承遗,孙世温,刘忠信,陈增强,袁著祉.  辽宁工程技术大学学报(自然科学版). 2009(04)
[3]复杂网络上SIRS类疾病传播行为分析[J]. 李光正,史定华.  自然科学进展. 2006(04)



本文编号：3543323