流行病模型
在接下来的两个例子中,将使用另一个模型——经典的流行病模型SIR,即易感性感染性恢复的模型(“流行病学中的区隔模型”)。
1、流行病模型——校准
模拟传染病在人群中的传播,每个人都是易感者,在被感染后,可以将疾病传播给其他个体。疾病的持续时间是有限的,在康复后,个体会变得免疫。该模型有两个参数(重点关注):
1、传染性——受感染的个体与易感个体接触时疾病传播的概率
2、平均寿命(AverageILLnessDuration)——个体被感染后保持感染性的平均时间
这些参数在现实世界中无法直接测量(至少在合理的努力下),与总人口(假设已经知道)和接触率(假设可以测量)相反。在使用这个模型之前,需要找出不可测量的参数的值。一种方法是校准模型——使用类似案例的历史数据,调整参数值,使模型的输出尽可能地再现历史数据。
为了校准模型,我们将使用 AnyLogic 内置的 OptQuest 优化器,它将迭代运行模型,将其输出与历史曲线进行比较,改变参数值,进行另一次运行,等等,直到它觉得它已经做到最好(或达到迭代极限)。
2、创建SD模型
创建 SIR 模型,如图所示
3、添加三个 Stock
拖三个 Stock 进 Main 编辑页面
分别命名为
Susceptible
Infectious
Recovered
并设置一下 Stock 颜色,调整一下 Stock 大小
另外两个也是同样操作