新冠病毒传播预测

代码如下:

import ode_7 as ode  
import numpy as np  
import matplotlib.pyplot as plt  
# 采用matplotlib作图时默认设置下是无法显示中文的,凡是汉字都会显示成方块。  
# 实际上,matplotlib是支持unicode编码的,不能正常显示汉字主要是没有找到合适的中文字体。  
from pylab import mpl  
mpl.rcParams['font.sans-serif']= ['SimHei']  
# 解决负号显示问题  
import matplotlib  
matplotlib.rcParams['axes.unicode_minus']=False
'''  
根据传染病传播的SIR模型,微分方程组可以转换为向量运算:  
y = [S, I, R]  
f(t, y) = [-beta*y[0]*y[1], beta*y[0]*y[1]-gamma*y[1], gamma*y[1]]  
前向欧拉公式:  
    y[k+1] = y[k] + dt * f(t[k], y[k])  
后向欧拉公式(两步迭代):  
    y_p = y[k] + dt * f(t[k], y[k])  
    y[k+1] = y[k] + dt * f(x[k+1], y_p)  
改进的欧拉法:  
    y_p = y[k] + dt * f(t[k], y[k])  
    y_c = y[k] + dt * f(t[k+1], y_p)  
    y[k+1] = 1/2 * (y_p + y_c)  
'''  
class SIR(ode.ODE):  
    def f(self, 
  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
疫情统计与预测系统 1.基本要求: [1]编写一个肺炎疫情统计与预测系统,实现对不同国家不同城市的疫情情况的管理,并根据前若干天的增病例数及现存病例,预测当天的增病例数。 [2]城市疫情信息包括:国家名称、城市名称、疫情数据(增病例数、现有病例数、累计病例数、治愈病例数、死亡病例)以及增病例的预测结果,疫情预测模型的辨识以及疫情的预测通过成员函数实现。 2.基本管理功能: [1]城市添加:增加一个城市,并输入(或从文件中读入)这个城市的所属国家及疫情数据。 [2]国家(城市)修改:修改已经选择的国家(城市)。 [3]国家(城市)删除:删除已经选择的国家(城市)。 [4]疫情预测预测已选城市的增病例数。 [5]打印功能:以表格形式打印全部城市疫情信息。 [6]统计功能:所有城市疫情数据可以分别按照增病例数、现有病例数、累计病例数、治愈病例数、死亡病例数从高到低排序并打印,并可通过选择不同国家来查看该国家的所有城市累计疫情数据 增病例数、现有病例数、累计病例数、治愈病例数、死亡病例)。 [7]信息保存:将全部城市疫情信息保存到不同的文件中(数据库文件或普通文本文件)。 3.其他要求及说明: [1]要求系统至少包含3个国家,每个国家至少包含10个城市,每个城市至少保存30天的数据,疫情信息可以上网查,也可自己输入合理数据。 [2]当日增病例数采用时间序列方法预测,即根据前面n天的平均增病例数x1, x2, …, xn预测当天的增病例数y,即采用如下的预测模型: y = a0 + a1·x1 + a2·x2 + … + an·xn 其中系数a0, a1, a2, …, an需要根据历史数据,编写算法求得(可采用最小二乘法)。模型中的参数n要求大于10,可以设为固定值,也可以由用户自己设定。 [3]鼓励大家自己采用其他的预测模型。 [4]鼓励大家设计更多的系统功能。

“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