肺炎疫情python数学模型预测

最新推荐文章于 2022-09-22 01:20:18 发布

剑心211

最新推荐文章于 2022-09-22 01:20:18 发布

阅读量3.5k

点赞数 1

本文链接：https://blog.csdn.net/qq_42680814/article/details/104509661

版权

python讨论qq群：996113038

导语：

现在大家都只能宅在家里了，实在是无聊。更惨的是我们根本不知道怎样才能出门。于是，今天我就给大家讲一下如何用数学模型来预测肺炎疫情的走势，看一看这个肺炎疫情什么时候能控制下来。什么时候，我们能够战胜疫情。

代码及相关资源获取：

关注“python趣味爱好者”公众号，回复“肺炎数学模型”获取源代码以及相关数据

公众号：aa27388473332

开发工具：

Python3.6.4。

需要安装的模块：

scipy

matplotlib

numpy

pandas

效果演示：

结果是得到了肺炎疫情发展图：疑似病例是绿线，红线是感染病例，

紫线是康复人数。

基本原理：

首先我们需要建立相应的传染病模型。需要把人数分为几类：感染人数，康复人数，疑似病例人数。这三种数据之间相互影响。可以用微分方程模拟出来。

代码如下：

# 模型的差分方程
def diff_eqs(INP, t):
  Y = np.zeros((3))
  V = INP
  print(V)
  Y[0] = -beta * V[0] * V[1]
  Y[1] = beta * V[0] * V[1] - gamma * V[1]
  Y[2] = gamma * V[1]
  return Y

我们将目前已经公布的数据导入我们的程序，然后输入到我们的微分方程模型中，就可以得到各种结果的数据。

部分代码：

核心代码是上面的微分方程代码，这里面包含着复杂的数学分析。建立数学模型是最重要的工作。其他的程序主要就是画出一些图像，实现可视化。

  pl.plot(RES[:, 1], "-r", label = "Infectious")
  pl.plot(RES[:, 0], "-g", label = "Susceptibles")
  pl.plot(RES[:, 2], "-k", label = "Recovereds")
  pl.legend(loc = 0)
  pl.title("SIR model")
  pl.xlabel("Time")
  pl.ylabel("Infectious Susceptibles")
  pl.savefig("result.png")

最后说一句：武汉加油，中国加油。

感谢大家观看，有钱的老板可以打赏一下小编哦！

扫描下方二维码，关注公众号