第2关:新冠病毒传播预测-隔离与不隔离
任务描述
本关任务:使用常微分方程来预测新冠疫情,加上隔离与不隔离的情况区分。
相关知识
本关知识点见上一关卡。
编程要求
根据提示,在右侧编辑器 Begin-End 区间补充代码,实现新冠疫情的预测。
测试说明
平台会对你编写的代码进行测试:
开始你的任务吧,祝你成功!
import ode_7 as ode
import numpy as np
import matplotlib.pyplot as plt
# 采用matplotlib作图时默认设置下是无法显示中文的,凡是汉字都会显示成方块。
# 实际上,matplotlib是支持unicode编码的,不能正常显示汉字主要是没有找到合适的中文字体。
from pylab import mpl
mpl.rcParams['font.sans-serif']= ['SimHei']
# 解决负号显示问题
import matplotlib
matplotlib.rcParams['axes.unicode_minus']=False
'''
根据传染病传播的SIR模型,微分方程组可以转换为向量运算:
y = [S, I, R]
f(t, y) = [-beta*y[0]*y[1], beta*y[0]*y[1]-gamma*y[1], gamma*y[1]]
前向欧拉公式:
y[k+1] = y[k] + dt * f(t[k], y[k])
后向欧拉公式(两步迭代):
y_p = y[k] + dt * f(t[k], y[k])
y[k+1] = y[k] + dt * f(x[k+1], y_p)
改进的欧拉法:
y_p = y[k] + dt * f(t[k], y[k])
y_c = y[k] + dt * f(t[k+1], y_p)
y[k+1] = 1/2 * (y_p + y_c)
'''
class SIR(ode.ODE):
def f(self, t, y): # Y为向量[S,I,R],t为标量
return np.array([-self.beta*y[0]*y[1], self.beta*y[0]*y[1]-self.gamma*y[1], self.gamma*y[1]])
def __init__(self, beta, gamma, y0):
self.beta = beta; self.gamma = gamma; self.y0 = y0 # 参数属性
ode.ODE.__init__(self, self.f, self.y0)
N = 1e8 # 武汉总人数:1000万人
beta = 1.0/N # 1名病毒携带者平均每天感染1.0人
y0 = [N-1, 1, 0] # 初始发病1人,其他人员正常 [S0, I0, R0]
t = np.arange(0, 61, 1) # 模拟60天的发展情况,单位时间为1天
# 对不同隔离机制进行对比分析:
# 未实施隔离: gamma = 1/25,假设肺炎平均25天治愈(15天潜伏+10天治疗)
# 隔离确诊患者:gamma = 1/15,按最长15天发病确诊后被隔离
# 隔离疑似人员:gamma = 1/3,平均3天被隔离
gamma = [1/25, 1/15, 1/3]
for i in range(3):
#请使用SIR模型分别计算出未实施隔离,隔离确诊患者,隔离疑似人员的结果y,方法使用改进的欧拉法,并进行输出
########### Begin ###########
simulation = SIR(beta=beta, gamma=gamma[i], y0=y0)
y = simulation.solve(t, 'T')
print(y)
########### End ###########
I = y[:, 1]
plt.plot(t, I)
plt.legend(['未实施隔离', '确诊隔离', '疑似隔离'])
plt.title('隔离与为隔离机制下新型冠状病毒发展趋势对比分析')
plt.xlabel('时间(天)')
plt.ylabel('人数')
Vx = [1.0e6, 5.0e6] + [i * 1.e7 for i in range(11)]
plt.yticks(Vx, ['%d'%e for e in Vx])
plt.savefig('test2/test2.png')