当下全球冠状病毒引起的肺炎疫情预测与传播

小数先来提前展示一下我们预测模拟得到的疫情传播路径结果，传播是如此的迅速。

1疫情情况恶劣谁也没有想到年底爆发的新冠肺炎病毒疫情会传播到如今这个地步！

截止北京时间年04月21日17时，全国累计确诊例，海外累计确诊例。其中美国更是高达例，而且其新增病例还在震荡增加，没有减弱的迹象。

重点地区新增确诊趋势

美国约翰斯·霍普金斯大学发布的实时统计数据显示，截至北京时间4月21日8时38分左右，全球累计确诊新冠肺炎病例超过万，达0410例，过去24个小时激增7万例。累计死亡刚刚突破17万例。

新型冠状病毒肺炎（CoronaVirusDisas，COVID-19），简称“新冠肺炎”，世界卫生组织命名为“冠状病毒病”，是指新型冠状病毒感染导致的肺炎。可千万不要闹出美国特朗普顾问的国际大笑话哦。

2基本的传染病模型传染病模型有着悠久的历史，一般认为始于年DanilBrnoulli在他的一篇论文中对接种预防天花的研究。真正的确定性传染病数学模型研究的前进步伐早在20世纪初就开始了，Hamr、Ross等人在建立传染病数学模型的研究中做出了大量的工作，直到年Krmack与McKndrick在研究流行于伦敦的黑死病时提出了的SIR仓室模型，并于年继而建立了SIS模型，在对这些模型的研究基础上提出了传染病动力学中的阈值理论。

传染病的基本数学模型主要是为了研究传染病的传播速度、空间范围、传播途径、动力学机理等问题，以指导对传染病的有效地预防和控制。常见的传染病模型按照传染病类型分为SI、SIR、SIRS、SEIR模型等，按照传播机理又分为基于常微分方程、偏微分方程、网络动力学的不同类型。

其中，SIR模型（易感者suscptibl、感染者infctious、痊愈者rcovrd），在流行病学中占据了中心位置。我们先简单介绍一下SIR模型，后续大家回复评论即可拿到python代码来求解SIR模型。

流行病传播的SIR模型（suscptibl-infctd-rmovd）主要模拟追踪了易感人群S的进化过程，感染者I，和治愈后移出感染系统的移出者R（含有免疫性一般不再被感染或者已死亡）。

其中，是感染率，是治愈率。与感染者的接触使一小部分易感人群以这种速度消失转变为感染者。同时有一小部分人以这种速度从感染者人群治愈成为免疫者。

首先可以将感染方程转化为：

可以发现当刚开始感染的时候，即感染速率为0。其中归一化的总数。因此

其中感染群体的动态变化参数可以用表示，也称为基本再生数。

SIR模型会产生一个临界点，就是所谓的R0，也就是感染率与治愈概率之比。在COVID-19的传播过程中，如果R0大于1，那么感染人群呈指数增长，这种传染病就可以传遍整个人群。而R0小于1的传染病则趋于消失。在这个模型中，病毒并不一定会传播到整个相关人群。能不能做到这一点取决于R0的值。因此，像疾病控制中心这样的政府机构必须依据对R0的估计来指导政策制定。

3基于约翰霍普金斯大学数据的全球新冠疫情的SIR模型基于之前的SIR模型分析，我们可以得到

我们可以将传染病的倍增时间与动态变化参数关联

我们从2月到3月份的中国和韩国疫情数据可以发现，治愈率大约为。

对于SIR模型，另一个很重要的参数是死亡率，这样被移出者主要由死亡群体和治愈群体组成。则

其中，代表死亡率，治愈的病人则被移出这个模拟系统，从目前的数据来看死亡率。

下面我们利用龙格-库塔算法求解微分方程，模型的时间尺度为感染时间，可以由感染率的倒数得到

疫情持续时间尺度可以由治愈率的倒数给出

因此代码(main)中的全局参数为

Univrsalparamtrs:

Rcovryrat=0.06

Dathrat=0.01

其中，代码（main）的数据来源为约翰霍普金斯大学（JohnsHopkinsdata）的数据,该数据的网址为：

转载请注明：http://www.gdnfw.com/fyyf/12183.html