【SIER】基于SIRV模型的新型冠状病毒疫情预测附MATLAB仿真

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

🍎个人主页:Matlab科研工作室

🍊个人信条:格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

⛄ 内容介绍

目的拟合并预测新型冠状病毒肺炎(COVID-19)疫情的发展趋势,为疫情防控提供科学依据。方法基于SIRV动力学模型,考虑COVID-19的传播机制、感染谱、隔离措施等,建立SIRV传播动力学模型。基于官方公布的每日确诊病例数进行建模,利用2020年1月20日至2月7日的报告疫情数据进行拟合。采用2月8-12日的数据评估预测效果,并进行疫情预测。结果该模型对加拿大的累计确诊病例数的过去10日拟合偏差<5%;

⛄ 部分代码

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% MATLAB Code for the fitting of the SIRV model proposed

% in the following work:

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%% Load data

clear all;clc;close all

population='Canada';

data = xlsread('COVID19-Data-Canada',population);

N=data(1,1);

I=data(:,2);

R=data(:,3);

D=data(:,4);

S=N*ones(size(I))-R-I;

startDate= datenum('17-Jul-2020'); %start day of the data

endDate=datenum('08-Jan-2021'); %end day of the data

tmonths=startDate:30:(endDate);

%% Fitting R0;

clear x y

yS=log(S/S(1)); 

yS=yS(1:end);

xS=R(1:end)-R(1)*ones(size(R(1:end)));

R0=-(xS\yS)*N;

%% Fitting for gamma

idx=1;

for t=2:length(I)

   

    xR(idx)=trapz(1:t,I(1:t));

    yR(idx)=R(t)-R(1);

    idx=idx+1;

end

gamma=xR'\yR';

beta=gamma*R0;

%% Fitting for mu

xD=R(1:end)-R(1);

yD=D(1:end)-D(1);

mu=xD\yD;

yDfit=mu*xD;

%% Simulate the identified model

dt=1/24;

T=length(I)-1+dt;

[par,rms]=fminsearch(@(par)RMS_SIRV(par,I(1:end)/N,R(1:end)/N,T,dt),[beta gamma]);

beta=par(1);

gamma=par(2);

R0=beta/gamma;

[~,x2,x3,~] = SIRV_model(0,beta,gamma,I(1)/N,R(1)/N,0,T,dt,zeros(1,T/dt));

Dfit=mu*(x3-x3(1))*N+D(1);

t=startDate:dt:endDate;

% Plot the figures

figure(4)

plot(t,x2*N,'LineWidth',1.5);grid on; hold on; box on;

stem(startDate:endDate,I(1:end),'o')

ylabel('Infected $I(t)$','Interpreter','latex','fontsize',15)

title(population,'Interpreter','latex','fontsize',15)

legend({'Fitted Model','Real Data'},'Interpreter','latex','fontsize',15)

ax=gca;

ax.XTick=tmonths;

xtickangle(90)

datetick('x','mmm-yy')

set(gca,'TickLabelInterpreter','latex','fontsize',15)

xlim([startDate endDate])

ax.YAxis.Exponent = 3;

ySfit = -R0*xS/N;

axes('position',[.25 .6 .25 .25])

hold on;grid on;box on

plot(xS+R(1),ySfit,'-.','LineWidth',2); 

scatter(xS+R(1),yS)

xlim([R(1) R(end)])

ylabel('$\log(S(t)/S(t_0))$','Interpreter','latex','fontsize',14)

xlabel('$R(t)$','Interpreter','latex','fontsize',14)

figure(5)

plot(t,x3*N,'LineWidth',1.5);grid on; hold on; box on;

stem(startDate:endDate,R(1:end),'o')

ylabel('Removed $R(t)$','Interpreter','latex','fontsize',15)

title(population,'Interpreter','latex','fontsize',15)

legend({'Fitted Model','Real Data'},'Interpreter','latex','fontsize',15)

ax=gca;

ax.XTick=tmonths;

xtickangle(90)

datetick('x','mmm-yy')

set(gca,'TickLabelInterpreter','latex','fontsize',15)

xlim([startDate endDate])

axes('position',[.25 .6 .25 .25])

hold on;grid on;box on

yRfit = gamma*xR;

plot(xR,yRfit+R(1),'-.','LineWidth',2); 

scatter(xR,yR+R(1))

ylabel('$R(t)$','Interpreter','latex','fontsize',14)

xlabel('$\int_{t_0}^tI(\tau)d\tau$','Interpreter','latex','fontsize',14)

figure(6)

plot(t,Dfit,'LineWidth',1.5);grid on; hold on; box on;

stem(startDate:endDate,D(1:end),'o')

ylabel('Deaths $D(t)$','Interpreter','latex','fontsize',15)

title(population,'Interpreter','latex','fontsize',15)

legend({'Fitted Model','Real Data'},'Interpreter','latex','fontsize',15)

ax=gca;

ax.YAxis.Exponent = 3;

ax.XTick=tmonths;

xtickangle(90)

datetick('x','mmm-yy')

set(gca,'TickLabelInterpreter','latex','fontsize',15)

xlim([startDate endDate])

axes('position',[.25 .6 .25 .25])

hold on;grid on;box on;

plot(xD+R(1),yDfit+D(1),'-.','LineWidth',2); 

scatter(xD+R(1),yD+D(1))

xlim([R(1) R(end)])

ylabel('$D(t)$','Interpreter','latex','fontsize',14)

xlabel('$R(t)$','Interpreter','latex','fontsize',14)

⛄ 运行结果

⛄ 参考文献

[1] 朱仁杰, 唐仕浩, 刘彤彤,等. 基于改进SIR模型的新型冠状病毒肺炎疫情预测及防控对疫情发展的影响[J]. 陕西师范大学学报:自然科学版, 2020, 48(3):6.

[2] 康观龙, 柳炳祥. 基于SIR模型的新型冠状病毒肺炎预测分析[J]. 中阿科技论坛(中英文), 2020, 000(006):P.151-153.

[3] 丁美丽, 彭润龙, 郭荣伟. 基于传染病模型的新冠肺炎传播问题研究[J]. 齐鲁工业大学学报, 2020, 34(6):9.

[4] 祁冬, 姜研, 姚传顺,等. 单能量技术结合ASIR-V算法在疑似新型冠状病毒肺炎患者行低剂量CT扫描中的应用价值[J]. 中国中西医结合影像学杂志, 2020, 018(005):453-457.

⛳️ 代码获取关注我

❤️部分理论引用网络文献,若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
SIER模型是一种比较复杂的传染病模型,主要用于描述疾病的传播过程。在使用MATLAB进行SIER模型拟合时,需要进行以下步骤: 1. 定义模型参数 SIER模型包含四个参数:感染率(β)、接触率(α)、恢复率(γ)和暴露率(σ)。这些参数可以通过历史传染病数据估计得到。 2. 构建ODE方程 根据SIER模型的定义,可以得到以下ODE方程: dS/dt = -βSI dE/dt = βSI - σE dI/dt = σE - αI dR/dt = γI 其中S、E、I和R分别表示易感人群、潜伏期人群、感染人群和康复人群的数量。 3. 拟合数据 使用MATLAB中的ode45函数求解ODE方程,得到模型预测值。将预测值与实际数据进行比较,并通过最小二乘法等方法调整模型参数,使得预测值与实际数据的差异最小化。 以下是一个简单的SIER模型拟合代码示例: ``` % 定义模型参数 beta = 0.05; alpha = 0.2; gamma = 0.1; sigma = 0.1; % 定义ODE方程 sier = @(t,y) [-beta*y(1)*y(3); beta*y(1)*y(3) - sigma*y(2); sigma*y(2) - alpha*y(3); gamma*y(3)]; % 设置初始条件和时间范围 y0 = [0.99; 0.01; 0; 0]; tspan = [0 100]; % 求解ODE方程 [t,y] = ode45(sier, tspan, y0); % 绘制拟合曲线 plot(t, y(:,3), 'r-', 'LineWidth', 2); hold on; plot(t, real_data, 'b-', 'LineWidth', 2); legend('Model prediction', 'Real data'); xlabel('Time'); ylabel('Infected population'); ``` 在实际应用中,需要根据具体的数据和模型特点进行参数调整和优化,以得到更准确的拟合结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值