广义SEIR流行病模型（拟合和计算）

描述

具有七个州[2]的广义SEIR模型在数值上实施。除了拟合之外，该实现是从临时完成的，这依赖于“LSQCurvFit”功能。因此，本实施可能与参考中使用的可能不同。[2]。

该MATLAB实施也包括关于REF的一些主要差异。[2]。其中是表达死亡率和恢复率，这是分析和经验职能的时间。这种时间依赖性背后的想法是，随着时间的增加，死亡和恢复率应达到恒定值。如果死亡率保持不变，则可能会高估死亡人数。出生和自然死亡在这里没有建模。这意味着总人口，包括死者案件的数量保持不变。注意参考。[2]是一个没有同行评审的预印，我没有足够的资格来判断纸质的质量。

内容

本文件包括:

• 用于模拟传染性，恢复和死亡案件的时间历史的函数seiqrdp.m

• 函数fit_seiqrdp.m估计在最小二乘意义上的SEIQRDP.M中使用的十个参数。

• 一个示例文件文档.MLX，它呈现数字实现。

• 一个示例文件example_province_region.mlx，它使用约翰霍普金斯大学Covid-19 Epidemy [3]为湖北省（中国）收集的数据。

• 一个示例文件example_country.mlx，它使用Johns Hopkins大学Covid-19 Epidemy的数据进行了Coutnry。

• Matteo SECLI编写的一个文件“ItalianRegions.mlx”（https://github.com/matteosecli.）我已经修改了稍微强大的拟合。

• 一个示例文件中文进入inovinces.mlx，它说明了fit_seiqrdp.m如何用于循环中的函数，以便从不同的中国省份安装到数据[3]。

• 一个示例“undertaintiesissis.mlx”，其说明了拟合有限数据集的危险。

• 说明“恢复”数据不可用时“example_us_cities.mlx”的示例。

• 一个示例SimulateMultipleWaves，MLX，说明了多个疫情波的拟合。

• 一个函数getdatacovid，它从[3]中读到了约翰霍普金斯大学收集的数据。

• Matteo Secli编写的一个函数getdatacovid_ita（https://github.com/matteosecli.），从意大利政府收集意大利Covid-19大流行的更新数据[4]

• 一个函数getdatacovid_us从[3]中收集了美国更新的数据

• 一个功能核查时间，绘制拟合和计算的死亡和恢复率（质量检查）

• 一个函数getMultipleWaves。m，模拟SEIRQDP模型并将其适合于检测到多个流行波的情况。

欢迎提出任何问题、意见或建议。

参考文献

［１］https://en.wikipedia.org/wiki/compartmental_models_in_epidemiology#bio-mathemation_deterministic_treatment_of_the_sir_model.

[2]彭，L.，阳，W.，Zhang，D.，Zhuge，C.，＆Hong，L.（2020）。动态建模在中国Covid-19的疫情分析。Arxiv预印迹arxiv：2002.06563。

[3]https://github.com/CSSEGISandData/COVID-19

[4]https://github.com/pcm-dpc/covid-19

例1（意大利Covid-19的情况）

将扩展SEIR模型与实际数据的拟合提供以下结果：

例2（湖北的Covid-19的情况）

将扩展SEIR模型与实际数据的拟合提供以下结果：

示例3（多波的情况）

将扩展SEIR模型与实际数据的拟合提供以下结果：