第37卷第11期 计算机应用与软件
Vol 37No.11
2020年1
1月 ComputerApplicationsandSoftware
eltNov.2020
基于阶段式SIR F模型的新冠肺炎疫情评估及预测
凡友荣1 杨 涛1 孔华锋2
1
(公安部第三研究所 上海201204)2
(武汉商学院 湖北武汉430056)
收稿日期:
2020-06-02。国家重点研发计划项目(2018YFC0806903);公安部科技强警基础工作专项项目(2019GABJC20)。凡友荣,助理研究员,主研领域:数据分析与挖掘。杨涛,研究员。孔华锋,教授。
摘 要 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S
国际汉语教师资格证考试IR(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。关键词 新型冠状病毒肺炎 疫情分析 预测 防控措施 SIR模型
中图分类号 TP391.9 文献标志码 A DOI:10.3969/j.issn.1000 386x.2020.11.009
ASSESSMENTANDPREDICTIONOFCOVID 19BASEDONSTAGEDSIR FMODEL
FanYourong1 YangTao1 KongHuafeng
2
1
音乐艺术(ThirdResearchInstituteofMinistryofPublicSecurity,Shanghai201204,China)
2
(WuhanBusinessUniversity,Wuhan430056,Hubei,China)
Abstract AccordingtothecharacteristicsofthedevelopmentoftheCOVID 19epidemic,thispaperproposesananalysismethodofmodelfittingbasedonthedivisionofthestages.BasedontheclassicSIRmodel,thestagedSIR Fmodelwhichconsidersthe“undiagnosedinfected”,“recovered”and“fatal”wasbuilt.Themodelwascombinedwiththeepidemicgrowthidenti
fication,stagedivision,impactanalysisofpreventionandcontrolmeasures,usingPythontoachievesimulation.Thesimulationexperimentsprovethestagedfittingmethodcanmoreaccuratelydescribethechangesofepidemicdataovertimeandtheimpactofpreventionandcontrolmeasures.
Keywords COVID 19 Epidemicassessment Prediction Preventionandcontrolmeasures SIRmode
0 引 言
根据世界卫生组织公布的数据,截至2020年5月27日,全球新冠肺炎确诊病例已达548万,超过10万确诊人数的国家包括美国、巴西、俄罗斯、英国、意大利、法国、德国、土耳其、印度、伊朗、秘鲁。其中美国、巴西目前的每日新增确诊数超过1万人;
意大利、法国等国家的疫情趋缓。由于印度存在人口密集、医疗条件差等问题,世界卫生组织表示,人类对抗新冠疫情能否取得决定性胜利,未来很大程度上取决于印度控制该病毒的能力。针对全球各国不同的疫情状况,分别进行现状分析及防控措施的影响研究至关重要。
SIR模型、SEIR(Susceptible Exposed Infected Re
covered)模型是传染病动力学研究的经典模型,目前已有多项基于SIR、SEIR模型的新冠疫情研究。尹
楠[1]
基于SIR模型进行了有限区域内新冠病毒传播的模拟分析。梅文娟等[2]将极限学习机与SIR模型相结合构建了极限I
R实时预测模型。盛华雄等[3]
将SIR模型与Logistic模型相结合,对不同防控措施进行了模
拟和对比。喻孜等[4]
把你的名字写在烟上吸进肺里是什么歌使用基于时变参数的SIR模型预测得到了疫情拐点和最大确诊数。Zhou等[5]基于SEIR模型计算得到了COVID 19的再生数。林俊锋[
yuandan6]在SEIR模型的基础上增加了“隐形传播者”,对隐形
传播者的数量进行了预测。范如国等[7]基于SEIR模
型对3种不同潜伏期下的疫情进行了拐点预测。
邮件图标
版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198,我们将在24小时内删除。
发表评论