简单介绍
在上一篇文章中我试图使用Optuna的超参数拟合技术来求更复杂的SIR模型变种,但是遇到了数据无法观测的问题(潜伏期和无症状患者无法观测),因此在这篇文章中,我们换一个角度,使用系统动力学模型来仿真更复杂并且贴近现实的COVID-19传染情景,便于大家了解病毒的传播过程。
模型介绍
SIR
首先,先构建一个最简单的SIR模型。SIR模型假设总人口(随时间不变的常数)是由三种类型的人群组成的,分别是易感染者、感染者、移除者,其中移除者包括痊愈人群和死亡人群两类。我们先来看一下这个模型大概的结构。
在这个模型中我们要注意两个Flow过程,分别对应感染和移除。感染是从易感者进入感染者人群的过程。假设初始状态下感染者1人,易感者人数即为总人口-1人,在本例中是等于9999。而一个感染者一天接触10个人,并且感染概率是0.05的话,那么一天实际上一个感染者就可以感染半个人。但是需要注意的,如果随着感染人数增加,那么感染者每天接触的人群中也可能会出现感染者,而我们知道感染者之间无法进行互相传播二次染病,因此我们还要考虑感染者接触人群中易感者的人数,可由易感者/总人口求