基于引入隐形传播者的SEIR模型的COVID-19疫情分析和预测

发布时间：2024-05-11 03:16

　　在传统SEIR模型基础上,引入了"隐形传播者"的概念,并利用2020年1月25日至2月22日的COVID-19疫情数据进行模型拟合,并对结果进行分析。同时,利用拟合好的模型对2020年2月22日之后的演化情况进行仿真。结果显示,引入隐形传播者的SEIR模型在拟合和预测性能上有显著提升,降低了50%～70%的拟合误差;拟合系数表明,在疫情前期和后期携带病毒人群占潜伏者的比例分别为30%和5%,被确诊的概率由7%上升为40%,核酸检测技术趋于成熟;隐形传播者初期人数约为70 000,在国家有效管控下,目前控制在2 500名附近;预测3月中旬为"拐点",4月底居民可恢复正常生活,最终累计确诊数在100 000左右。

【文章页数】：8 页

【部分图文】：

图1传统SEIR模型示意图

图1显示了传统SEIR模型的示意图，但其中存在许多可修改的空间，大部分研究是结合实际情况在传统SEIR模型上进行修改，以更贴合现实传播规律。例如，考虑时变传播率[3]，引入更多类型的人群[15]等。在这场COVID-19的疫情防控战中，一般从两个方面来划分不同类型的人群并做出不同....

图2引入隐形传播者的SEIR模型示意图

修改后引入隐形传播者的SEIR模型示意图如图2所示。6)忽略带病毒潜伏者在医学观察期內始终未有明显症状的情况。目前，大部分携带病毒的医学观察和隔离人群会在14天内发病，出现明显症状而被送往医院，仅极少数带病毒者在14天内始终没有症状。为简化模型，本文不考虑这种发生概率极低的情况。

图3实际治愈率与拟合效果图

治愈率和死亡率随时间变化的关系可利用疫情数据拟合，pC,t和pD,t分别为当天新增出院人数和新增死亡人数除以上一天感染者的比率，结果分别如图3、图4所示。图4实际死亡率与拟合效果图

图4实际死亡率与拟合效果图

图3实际治愈率与拟合效果图pC,t和pD,t随时间推移分别表现出明显的增长和下降趋势，本文使用幂函数对此进行拟合，并去除波动较大值后得到拟合方程如表1所示，拟合效果较好。

本文编号：3969443