sir模型matlab案例_下一代矩阵法&微分方程稳定性——以SIR系列为例

前段时间试着把真实数据代入SIR模型，用优化器解出

，代入

中获得基本再生数。令我困扰的是，基本再生数

的公式是怎么获得的？

随着进一步地接受科普，这个传染动力学中最简单的微分方程组似乎又一次帮助我巩固了打字速度，提升了使用搜索引擎的熟练度。

一、简介

在流行病学中，动力学模型存在2种稳定态（Equilibria）：

1. the disease-free equilibrium (DFE, 总人口中没有感染个体 e.g. SIR中的
   )
2. the endemic equilibrium (感染者永续存在，
   )

一般把传染病流行范围内的人群分成如下几类：

(1) S 类，易感者 (Susceptible)，指未得病者，但缺乏免疫能力，与感染者接触后容易受到感染；

(2) E 类，暴露者 (Exposed)，指接触过感染者，但暂无能力传染给其他人的人，对潜伏期长的传染病适用；

(3) I 类，感病者 (Infectious)，指染上传染病的人，可以传播给 S 类成员，将其变为 E 类或 I 类成员；

(4) R 类，康复者 (Recovered)，指被隔离或因病愈而具有免疫力的人。如免疫期有限，R 类成员可以重新变为 S 类。

二、SIR模型

2.1 模型简介

(2-1)

(2-2)

(2-3)

总人数：

，

其中接触率β≥0，感染率γ≥0，该模型反映了S、I、R三种人数的流转关系：

SIR模型-各人群流转示意图

2.2

的计算（基于下一代矩阵法）

下一代矩阵法