大创初步内容

数学建模

1、利用SEIR模型对新冠病毒预测
2、基于2019-nCoV的SEIR模型的建立与改进
3、基于SEIR模型的数值预测
4、2020年C题认证杯SEIR模型参数拟合

知网论文

1、基于SEIR模型对武汉市疫情发展情况的模拟及防控措施的评价
2、新型冠状病毒肺炎传播特性分析与疫情发展趋势预测
3、修正SEIR传染病动力学模型应用于湖北省2019冠状病毒病（COVID-19）疫情预测和评估
4、若干类传染病动力系统分析与控制问题研究

知识点

1、李雅普诺夫指数

lyapunov指数，混沌系统的基本特点就是系统对初始值的极端敏感性，两个相差无几的初值所产生的轨迹，随着时间的推移按指数方式分离，lyapunov指数就是定量的描述这一现象的量。
Lyapunov指数是衡量系统动力学特性的一个重要定量指标,它表征了系统在相空间中相邻轨道间收敛或发散的平均指数率。对于系统是否存在动力学混沌, 可以从最大Lyapunov指数是否大于零非常直观的判断出来: 一个正的Lyapunov指数,意味着在系统相空间中,无论初始两条轨线的间距多么小,其差别都会随着时间的演化而成指数率的增加以致达到无法预测,这就是混沌现象。
Lyapunov指数的和表征了椭球体积的增长率或减小率,对Hamilton 系统,Lyapunov指数的和为零; 对耗散系统,Lyapunov指数的和为负。如果耗散系统的吸引子是一个不动点,那么所有的Lyapunov指数通常是负的。如果是一个简单的m维流形(m = 1或m = 2分别为一个曲线或一个面) ,那么,前m 个Lyapunov指数是零,其余的Lyapunov指数为负。不管系统是不是耗散的,只要λ1 > 0就会出现混沌。

2、如何将实际数据运用到模型中

模拟退火算法调参数拟合曲线。当SIR实际数据的曲线契合度最高时，E的曲线自然会出来。

3、疫情数据
4、python爬取数据
5、生物模型可视化网站
6、混沌理论和分岔理论
7、李雅普诺夫指数谱的研究与仿真
8、matlab做出分叉与混沌分支图
9、模拟退火算法 在复杂的情况下以相对较快的速度找出一个接近最优解的解