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
[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: