Epidemic and Clinic

最新推荐文章于 2022-08-11 18:31:47 发布
最新推荐文章于 2022-08-11 18:31:47 发布
阅读量539 收藏 4
点赞数
分类专栏： Anylogic 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45642410/article/details/116995889
版权

流行病和诊所


我们将创建一个简单的基于代理的流行病模型，并将其与一个简单的离散事件诊所模型联系起来。
当一个病人发现症状时，他将要求在能力有限的诊所接受治疗。我们将探讨诊所的能力如何影响疾病的动态发展。

第一阶段：创建代理群体

  1. 创建一个新的模型，将模型的时间单位设置为 minutes在这里插入图片描述
  2. 把 Agent Population 拖到 Main 的编辑器上
  3. 将 agent class name 改为 Patient
  4. 设置动画为 none
  5. 设置 initial number of agents(代理的初始数量)为 2000
  6. 设置 continue space 宽度为 650，高度为 200
  7. 选择应用随机布局
  8. 设置 network type为 distance based , 范围为 30
    在这里插入图片描述
  9. 在 main 的编辑器中，打开 patients 的属性页。在 Advanced 中选择 “Show presentation”在这里插入图片描述
  10. 在 " Patient "编辑器中，从 palette 中拖出一个 oval，设置半径为2。 把椭圆放在坐标原点附近在这里插入图片描述
  11. 运行模型，agents 随机地分布在矩形空间中，到目前为止，没有活动在这里插入图片描述

第二阶段：定义病人的行为

  1. 病人最初处于易感状态，他可以被感染。疾病的传播是由一个病人向另一个病人发送的 "感染 "信息来模拟的。
  2. 在收到这样的信息后，病人过渡到暴露状态，他已经被感染，但没有症状。
  3. 经过一个随机的潜伏期，病人发现了症状并进入感染状态。
  4. 之所以区分暴露状态和感染状态，是因为病人发现症状前后的接触行为不同：感染状态下的接触率为每天1次，而暴露状态下为5次。感染率为7%。
  5. 感染状态有两种可能的退出方式。病人可以在诊所接受治疗（然后，他被保证会康复），或者疾病可能在没有干预的情况下自然发展。
  6. 在后一种情况下，病人仍然可以在疾病期限（20天）内以较高的概率（90%）恢复，或者死亡。如果病人死亡，他将从模型中删除自己。治疗的完成是由发送给代理人的信息 "已治疗 "来模拟的。
  7. 康复的病人需要对疾病有暂时的免疫力（60天）。我们在模型中通过恢复状态来反映这一点，在这个状态下，病人对可能到来的 "感染 "信息没有反应。在免疫期结束时，过渡期 ImmunityLost 将病人带回易感状态。
    在这里插入图片描述
  8. 打开 patient 的编辑器，设置参数
ContactRate5
ContactRateInfected1
Infectivity0.07
IncubationPeriod3
IllnessDuration20
SurvivalProbability0.9
ImmunityDuration60

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  1. 创建状态图
    在这里插入图片描述
oval.setFillColor(yellow);

在这里插入图片描述

"Infection"

在这里插入图片描述

oval.setFillColor(darkOrange);

在这里插入图片描述

ContactRate * Infectivity

send( "Infection", RANDOM_CONNECTED );

在这里插入图片描述

IncubationPeriod*uniform(0.5,2)

在这里插入图片描述
Infected

oval.setFillColor(red);

在这里插入图片描述
transition1

ContactRateInfected * Infectivity
send( "Infection", RANDOM_CONNECTED );

在这里插入图片描述
Treated

"Treated"

在这里插入图片描述
NotTreated

IllnessDuration * uniform( 0.5, 2 )

在这里插入图片描述
Died
在这里插入图片描述
Survived

randomTrue( SurvivalProbability )

在这里插入图片描述
Recovered

oval.setFillColor( green );

在这里插入图片描述
ImmunityLost

ImmunityDuration * uniform( 0.5, 2 )

在这里插入图片描述

  1. 设置初始感染

打开 Main 的属性，在 On Startup 字段中输入以下代码

for( int i=0; i<5; i++ ) 
patients.random().receive( "Infection" );

在这里插入图片描述

  1. 运行模型
    在这里插入图片描述

收集统计资料和图表显示

打开 Main 的编辑器，选择 patients 并打开其属性中的统计页面(Statistics)
添加名为 NSusceptible 的统计数据，类型为 count ，条件为

item.statechart.isStateActive(item.Susceptible)

这将产生人口的 NSusceptible() 函数，它将计算并返回处于 Susceptible 状态的病人数量

分别为 Exposed, Infected, and Recovered 添加另外三个统计数据

item.statechart.isStateActive(item.Exposed)
item.statechart.isStateActive(item.Infected)
item.statechart.isStateActive(item.Recovered)

在这里插入图片描述
从 Analysis palette 中拖动 Time stack chart 到 Main 上，并把它放在 agents 所占区域的下面

在这里插入图片描述
将图表的 Time window 设置为 500，并 Display Up 最多 500 个最新样本
在这里插入图片描述
在图表中添加四个数据项，对应于你所创建的四个统计功能。例如，第一个项目的标题是 Infected，颜色为 orangeRed ，value 为 patients.NInfected()

Exposed

patients.NExposed()

Recovered

patients.NRecovered()

Susceptible

patients.NSusceptible()

在这里插入图片描述
在项目树中选择 Simulation experiment，并打开其属性中的 Model time
设置执行模式为 Real time with scale，规模为 25 , 这将使事情发生得更快
在这里插入图片描述

运行模型

在这里插入图片描述

第三阶段：增加诊所

诊所将通过一个非常简单的离散事件模型进行建模。等待治疗的病人的队列和实际治疗的延时模型。与纯离散事件模型不同，这个过程中的实体不是由 Source 产生的，而是由 agents 注入的。

一旦病人发现症状，就会创建一个实体（治疗请求）并添加到诊所流程中。一旦治疗完成，该实体将向病人发送一个 "已治疗 "的消息，病人将过渡到恢复状态。然而，如果病人被治愈（在 IllnessDuration 之后）或在治疗完成之前死亡，他将从诊所消失。

条件如下：
诊所的等候室有无限的容量
治疗需要七天时间
诊所里只有20张床
如果病人在等待治疗或治疗期间自行恢复或因病死亡，他就会从诊所中消失

创建新的实体类型 TreatmentRequest

右键单击项目树中的模型项目，并从上下文菜单中选择
新建 ——> Java class
在这里插入图片描述
在向导中，将该类命名为 TreatmentRequest，并将其 Superclass 设置为 Entity
在这里插入图片描述
点击 Next

在下一个向导页面中，添加一个字段，名称为 patient ，类型为 Patient
在这里插入图片描述
点击 Finish，并关闭打开的 Java 编辑器
在这里插入图片描述

在 Main 的编辑器中添加流程图

打开Main的编辑器，把流程图放在一起。使用 Enterprise library palette(old) 中的对象

拖动 Enter，Queue，Delay 和 Sink，分别命名为 requestTreatment，wait，treatment 和 finished
在这里插入图片描述
在这里插入图片描述
设置 wait 的容量为 infinite ，选择 TreatmentRequest 作为实体类
在这里插入图片描述
设置治疗的延迟时间为 7，容量为 20，选择 TreatmentRequest 作为实体类
在这里插入图片描述
finished

选择 TreatmentRequest 作为实体类，进入时向病人发送 “Treated” 信息
在这里插入图片描述

在 Main 的编辑器中创建 cancelTreatmentRequest 函数

函数 cancelTreatmentRequest()，它将被那些自行痊愈或在得到治疗机会前死亡的病人调用

for( int i=0; i<wait.size(); i++ ) {
	TreatmentRequest tr = wait.get( i );
	if( tr.patient == patient ) {
		wait.remove( tr );
		return;
	}
}
for( int i=0; i<treatment.size(); i++ ) {
	TreatmentRequest tr = treatment.get( i );
	if( tr.patient == patient ) {
		treatment.remove( tr );
		return;
	}
}
error( "Entity not found" );
return;

在这里插入图片描述

将诊所中的治疗纳入病人的行为

将行动添加到状态图的转换中

Symptoms

get_Main().requestTreatment.take( new TreatmentRequest( this ) );

NotTreated

get_Main().cancelTreatmentRequest( this );

在这里插入图片描述
在这里插入图片描述

在 Main 中增加感染按钮

patients.random().receive( "Infection" );

在这里插入图片描述

在 Main 中增加诊所容量控制滑块

在这里插入图片描述

运行模型

在这里插入图片描述

青柠小苍兰
关注
专栏目录
SAP ABAP COLLECT语句用法深入解析
matinal 當冬夜漸暖 。公众号：matinal
01-12 3690
更多内容关注公众号：SAP Technical 各位可以关注我的公众号：SAP Technical 我们都知道collect语句，主要用于报表数据的合并计算的，简单理解是：如果非数据字段值相等，那么数值字段值相加，其实这种描述不准确。 COLLECT 简单的用法： LOOPATt_data. COLLECTt_data INTOt_test. ENDLOOP . ...
Payment：支付宝支付配置文件设置教程
weixin_33768481的博客
03-09 793
终于把3.0版本做好了。从今天开始好好写文档，让大家做支付做的开心点。 项目GitHub地址：https://github.com/helei112g/... 从2016年6月payment做出来，到这一版本（3.0），坚持了快一年啦。感谢这期间给我支持（打赏与协作）的人。 Payment 主要针对支付宝支付、微信支付的接口进行了聚合。开...
China's Internet Addiction Clinic （标题如此） 2005.11.23
阿桂的游戏专栏 [Since 2005.11.21]
11-23 1145
转自：Slashdot.org http://slashdot.org/article.pl?sid=05/10/11/1410253&from=rssAn anonymous reader writes "China has decided that if you are spending too much time online, you must be an addict. Theyve
英语教学系列之雅思词汇篇V1.1（持续更新）
热门推荐
欢迎！欢迎来到17号城市！
06-23 16万+
按场景记忆是最高效的，这里给出的音标全部是英氏。 跟你没有相关性的表达你也要记下来， 不仅可以用在听力、阅读、写作， 还因为在雅思口语PART 3中可能会问一些分类讨论的话题， 不仅仅只说自己的情况。
CET4
NeverTh
05-28 1万+
Neon (霓虹) is to Hong Kong as red phone booths are to London and fog is to San Francisco. When night falls, red and blue and other colors cast a hazy (雾蒙蒙的) glow over a city lit up by tens of thousands...
大学英语三听说文本
weixin_30906185的博客
05-16 7604
网页表格 大学英语听说文本以及答案.rar--------------------说明--------------------------------假设光盘目录为F:// 听力的文本数据库目录:F:\lib\data.mdb打开方式:Access打开密码:natasha包含听力的全部文本,以及对应音频的名字音频所在目录:F:\snd文件名u05_2.1_1n.mp3u05_2.1_1s.mp3...
流利说 Level6 全文
怀素的专栏
05-22 5万+
Level 6 Unit 1 1/4 Listening Lesson 1 Harry’s Injury 1-2 Dialogue Lesson 3 Lovers’ Quarrel Reading Lesson 4 The Boy Who Cried Wolf Lesson 5 Survival in the Outback 2/4 Listening Lesson 1 T...
基于ssm的私人牙科诊所管理系统的设计与实现-计算机毕业设计
qq_375279829的博客
08-11 778
随着计算机网络的快速发展，人们很多的工作都交由计算机进行完成，通过计算机的应用程序能够提升人们工作的效率，提升数据处理的准确度和信息存储的完整性。而对于“雅乐”私人牙科诊所来说，也需要建立一套单独的系统，通过“雅乐”私人牙科诊所管理系统的搭建，可以保证用户通过在线进行医生、科室的查询，并且可以实现在线的预约挂号。本文先提出了开发”雅乐”私人牙科诊所管理系统的背景意义，然后通过功能性和非功能性分析阐述本系统的需求，然后从功能设计和数据库设计两方面进行系统的设计建模。最后进行了代码的编写，并说明了实现流程。..
David McCullough, Jr.为韦斯利高中毕业生演讲〈你并不特别〉
weixin_34368949的博客
12-02 258
Dr. Wong, Dr. Keough, Mrs.Novogroski, Ms. Curran, members of the board of education, familyand friends of the graduates, ladies and gentlemen of the WellesleyHigh School class of 2012, for the privile...
Stability and bifurcation of an SIS epidemic model with bilinear incidence rate and saturated treatment
12-29
传染病模型是数学模型在流行病学中的一种应用，用于研究传染病在人群中传播的规律和预测流行趋势。本文研究的SIS模型是一种简化的传染病模型，其中个体只有两种状态：易感者（Susceptible）和感染者（Infectious），...
Bifurcation Analysis and Chaos Control in a Discrete Epidemic System
02-10
Bifurcation Analysis and Chaos Control in a Discrete Epidemic System
Sensitivity Analysis
qq_45642410的博客
04-21 3509
敏感度分析 此实验类型是敏感性分析，我们将探索我们的模型对广告效果有多敏感。 我们将假设已经创建了具有两个数据集（ClientsDS和salesDS）的模型。 1、创建一个敏感性分析实验 右键单击项目树中的模型（顶层）项目，从上下文菜单中选择新建 Experiment 在向导的第一页，选择 Sensitivity Analysis 实验类型，然后点击 Next 在参数页面，选择 AdEffectiveness 参数，并指定它从 0 到 0.2 变化，步长为 0.01，点击 Next 在向导的图表页面中
Anylogic 创建一个简单的人口演变模型
qq_45642410的博客
03-23 3186
Anylogic 创建一个简单人口演变模型 在这个模型中，人们（男性和女性）出生、成长、结婚、生孩子、变老和死亡。我们将通过与其他代理的自定义链接（引用）来维护亲属关系。 1、效果图 2、创建一个新模型 设置模型名字，模型保存路径，将模型时间单位设置为 分钟 3、创建代理人群体和连续空间 在 Main 进行编辑，创建代理人群体 将Agent人口对象从Agent调色板拖到Main的编辑器中 设置代理类型名称为 Person，设置人口名称为 people 点击 Next 选择2D为动画
AnyLogic 建立谢林模型
qq_45642410的博客
03-16 2215
AnyLogic 建立谢林模型说明创建一个新模型创建代理人群体和离散空间双击 people 前的图标，编辑 Person设置 Agent 的形状（Person）在模型中启用离散时间，实现代理行为点击 Person，进行编辑点击运行按钮效果图 说明 我们将把 Schelling 的模型实现为一个基于离散空间/离散时间的代理模型。空间代表一个城市，每个单元格代表一个房子。 agent 是人，是两种颜色：黄色和红色。 最初，人是随机分布在城市中的。人比房子少，所以总是有一个人可能会移动。 这个模型中的 agent
ubuntu 20.04 安装 AnyLogic
qq_45642410的博客
04-05 854
下载 官网 AnyLogic模型开发环境 AnyLogic模型基于Java和Eclipse应用开发环境，已在ubunru平台上进行过测试： Ubuntu Linux 18 和 20, x64 （安装了GTK +，libwebkitgtk-1.0-0，libudev，libssl), Firefox 24+ sudo apt-get install libgtk-3-dev sudo apt install libwebkitgtk-1.0-0 ...
Epidemic路由原理
最新发布
05-27
Epidemic路由是一种基于广播的分散式路由算法，其原理如下： 1. 消息传播：当一个节点需要向目标节点发送消息时，该节点将消息广播到其邻居节点。邻居节点将接收到的消息存储在其本地缓存中，并将其复制到它们的邻居节点中。 2. 消息复制：当一个节点收到来自其他节点的消息时，它将消息存储在其本地缓存中，然后将其复制到其邻居节点中。 3. 消息交换：每个节点都维护一个邻居节点列表，以便它可以与之通信。当一个节点收到来自邻居节点的消息时，它将检查自己的本地缓存，如果已经存在相同的消息，则不会再次复制。否则，它将复制该消息并将其传播到其他邻居节点。 4. 消息删除：当某个消息被复制到一定数量的节点后，该消息将被认为已经传播到网络中的大部分节点，并且可以从节点的本地缓存中删除。 Epidemic路由算法的目标是在网络中传播消息，直到消息能够到达目标节点。由于该算法是基于广播的，因此可以有效地处理传感器网络中的节点动态性和不可靠性。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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