新冠病毒的SEIR模型仿真---matlab

原创

已于 2022-05-26 10:24:41 修改 · 3.6w 阅读

635

标签

#matlab #概率论 #算法

收录于

于 2020-07-03 16:13:10 首次发布

本文介绍了一个基于SEIR模型的COVID-19疫情预测方法，通过分阶段调整参数来提高预测精度，模型预测的患病人数与国内疫情实际数据接近。

SEIR模型

关于什么是SEIR模型我这里也不做过多解释了，我也看到过很多关于它的文章，都写的很好。我这里主要讲一下分阶段模型的建立，这个需要根据疫情防控的不同阶段来进行各个参数的设置，使模型的预测值更接近真实值，具体参考大家可以看这篇论文《多阶段动态时滞动力学模型的COVID⁃19 传播分析》。
下面上代码

%SEIR模型
clear;clc;
%参数设置
[data,~]=xlsread('data.xls');%读入实际疫情数据可以和预测的画图做比较
I=41;%1月14号初始传染者
R=7;%康复者
D=1;%死亡患者数量
E=0;%潜伏者
N=1400000000;%全国人口
N1=10890000;%武汉市人口
S=N1-I;%易感染者
r1=12;%开始发病初期，接触病患的人数
r2=8;%疫情发生后还没采取更严格的措施接触病患的人数
r3=1.5;%疫情强制管控
r4=1;
a=0.125;%潜伏者患病概率
B=0.6;%感染概率
%B2=0.05;%感染概率
y1=0.23;%医疗物资缺乏时康复概率
y2=0.95;%医疗物资等充足时康复概率
k1=0.065373;%疫情前期病死率
k2=0.05373;%武汉基本病死率
k3=0.035373;%湖北省病死率
k4=0.0173;%全国病死率
t_1=2;
T=1:75;
%% 时间
t0=datetime(2020,01,14);%武汉
data1=[];
for i=1:length(T)
    data1=[data1,t0+caldays(i)];        
    % caldays自增，获取数组内的日期格式数据，便于绘图，下同
end
%% 
for idx =1:length(T)-1
    if idx<14%第一阶段
        S(idx+1)=S(idx)-r1*B*