基于matlab模拟干预条件下的传染病SIER模型

✅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

2019年12月在武汉市发现有人感染了一种新型冠状病毒肺炎，这种病毒被命名为2019-nCov，这种新型肺炎也被称为“武汉肺炎”。随后的几十天内，该肺炎迅速蔓延至全国其它省份及全球其它国家。截至2020年1月29日，全球已经确诊近6,140例，其中中国大陆占6,051例，死亡132例[1]。

一周内网络出现了大量研究新型冠状病毒传播的数学模型 [3–6]，大模头参考了这些模型，针对武汉新型冠状病毒，分别构建了回溯传播模型、SIR 模型、SEIR 模型和元胞自动机模型。模型和模拟结果表明：

• 如果不加控制，武汉市疫情在 3 月上旬左右达到高峰，4 月中旬接近尾声，最终死亡人数将超过 32 万人。

• 以当前政府的管控力度，预计武汉累计感染人数将控制在 25000 人以内，累计死亡人数将控制在 720 人以内。

• 新型冠狀病毒基本传染数约为 3.6，大于非典和埃博拉。

以上结论是大模头基于有限的数据和理想的模型得到的，不代表真实情况，请各位模友自行判断可信性

⛄ 部分代码

​​% 以 2019 年 12 月 8 日为第 0 天，起始感染者为 1 人%% 政府官方公布的数据t = [0, 42, 43, 44, 45, 46]';      % 时间I = [1,198,218,320,478,639]';      % 感染人数​%% 回溯传播模型估算的数据% t = [0,  36,   42]';               % 时间% I = [1,1182, 2758]';               % 感染人数​ft = fittype('exp((5*b-1/14)*x)'); % k = 5; D = 14; f = fit(t,I,ft, 'Startpoint', 0.1)plot(f,t,I, 'o')​

⛄ 运行结果

回溯传播模型结果表明，武汉在 2020 年 1 月 18 日感染人数可能就已经超过 2700 人，报道出来的确诊案例只占实际的 5 %。

• SIR 模型表明，如果不加控制武汉市疫情在 1 月 20 日左右爆发，3 月上旬左右达到高峰，4 月中旬接近尾声，最终死亡人数将超过 32 万人。

• 考虑到目前政府的管控，预计武汉累计感染人数将控制在 25000 人以内，累计死亡人数将控制在 720 人以内。如果政府有进一步的措施，比如研制新药、疫苗等，实际感染和死亡人数可能比模型预测少。

• 根据数据拟合，新型冠狀病毒基本传染数约为 3.6，大于非典和埃博拉。

⛄ 参考文献

[1] Wikipedia contributors. 2019–20 wuhan coronavirus outbreak — Wikipedia, the free encyclopedia, 2020.[2] Walter Stanish. 2019 wuhan coronavirus data (2019-ncov), 2020.

​[3] Natsuko Imai, Ilaria Dorigatti, Anne Cori, Steven Riley, and Neil M Ferguson.Estimating the potential total number of novel coronavirus cases in wuhan city,china. 2020.

[4] Jonathan M Read, Jessica RE Bridgen, Derek AT Cummings, Antonia Ho, and Chris P Jewell. Novel coronavirus 2019-ncov: early estimation of epidemiological parameters and epidemic predictions. medRxiv, 2020.

[5] 吴翔. 2019-ncov 疫情传播模型

⛳️ 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

🍅 仿真咨询

1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面

卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

4 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

5 无线传感器定位及布局方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

6 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长

9 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合