python实现logistic人口预测_【转】python实现logistic增长模型拟合2019-nCov确诊人数...

背景：众志成城抗疫情。今天是2020年1月28日，2019-nCov确诊人数一直在增长趋势，如何更好的对确诊人数进行拟合和预测，需要我们用python来实现。注意，本文模型为logistic增长模型，并非最佳预测模型，只是大致预测，对之前的感染人数曲线进行拟合，以后的疫情发展情况还是需要根据实际情况得出。模型根据2020年1月28日及之前的数据进行拟合，后续可能会更新。

目录

一、logistic增长

1.1 J型增长和S型增长

1.2 logistic增长函数

二、python对函数曲线的拟合

2.1 定义散点坐标

2.2 用最小二乘法进行拟合

三、疾病下步发展估计

3.1 不加人为干预

3.2 乐观预计模型

3.3 最乐观预计模型

3.4 停止增长时间

四、全部代码

一、logistic增长

1.1 J型增长和S型增长

指数增长，J型曲线：指数增长，即增长不受抑制，呈爆炸式的。

比如一个人可以传染三个人，三个人传染九个人，九个人传染27个人，不停的倍增。这就是J型增长，也叫指数型的增长。

一些传染病初期可能呈现指数增长。

但是实际的增长过程中，增长速率并不能一直维持不变，随着人数的不断增多，增长率会逐渐受到抑制。这就是S型增长。

一般疾病的传播是S型增长的过程，因为疾病传播的过程中会受到一定的阻力。

1.2 logistic增长函数

当一个物种迁入到一个新生态系统中后，其数量会发生变化。假设该物种的起始数量小于环境的最大容纳量，则数量会增长。该物种在此生态系统中有天敌、食物、空间等资源也不足(非理想环境)，则增长函数满足逻辑斯谛方程，图像呈S形，此方程是描述在资源有限的条件下种群增长规律的一个最佳数学模型。在以下内容中将具体介绍逻辑斯谛方程的原理、生态学意义及其应用。逻辑斯蒂模型的微分式是：dx/dt=rx(1-x) 式中的r为速率参数。

K为环境容量，即增长到最后，P(t)能达到的极限。

P0为初始容量，就是t=0时刻的数量。

r为增长速率，r越大则增长越快，越快逼近K值，r越小增长越慢，越慢逼近K值。

该公式用python写成函数形式就是：

def logistic_increase_function(t,K,P0,r):

# t:time t0:initial time P0:initial_value K:capacity r:i