编者按:该文件被选为中央MATLAB本周的挑选
其他国家的数据
从欧洲中心的疾病预防和控制(ECDC)对许多国家在世界上的数据可以在我们的世界中的数据可以发现,
https://ourworldindata.org/coronavirus-source-data。
-------------------------------------------------------------------------------------
该功能fitVirus03实现了从日常预测epidemy最终尺寸的估计的逻辑模型。该模型是数据驱动的,所以它的预测是一样好数据。此外,假定模型是一个阶段流行的一个合理的说明。但是,如果疫情发展到第二阶段的模型变得无用。该模型也没用初始流行阶段。
的贡献包含冠状奥地利,比利时,中国,克罗地亚,丹麦,德国,匈牙利,法国,伊朗,意大利,伦巴第,挪威,荷兰,纽约州,葡萄牙,斯洛文尼亚,韩国,西班牙,瑞士,英国,美国数据和数据在中国以外(最多24.Mar.2020)
回归收敛失败可能纯的初始猜测或小的数据集。因此,该方法并不适用于流行的早期阶段。此外,结果是无用的,如果回归统计不符合最低标准,说R ^ 2> 0.8,p值<0.05。
在epidemy评估图,该epidemy率绘制了蓝线。蓝点是实际的日常病例数。区域的颜色分开epidemy相(这些都没有标准,但任意选择为方便起见):
红色——快速增长阶段
黄色-过渡到稳定状态阶段
绿色 - 收尾阶段(稳定期)
更详细的描述中可以找到
https://www.researchgate.net/publication/339240777_Estimation_of_the_final_size_of_coronavirus_epidemic_by_the_logistic_model
例子可以在
https://www.researchgate.net/publication/339912313_Forecasting_of_final_COVID-19_epidemic_size_200318
一个基于SIR模型的新版本在
//www.tianjin-qmedu.com/matlabcentral/fileexchange/74658-fitviruscovid19
免责声明。软件和数据是教育,而不是用于医疗或商业用途。
米兰巴蒂斯塔(2020)。fitVirus(//www.tianjin-qmedu.com/matlabcentral/fileexchange/74411-fitvirus), MATLAB中央文件交换。检索。
2.0.25 | 当实际病例数大于实际病例数时,抑制无效预测 |
|
2.0.24 | 正确的描述 |
|
2.0.23 | 添加数据来源 |
|
2.0.22 | 添加数据,丹麦,匈牙利,挪威,纽约州 |
|
2.0.21 | 提高初始猜测。比利时,克罗地亚,英国添加数据。升级数据荷兰(感谢罗尔夫Boelens) |
|
2.0.20 | 新增约fitVirusCOVID19程序说明 |
|
2.0.19 | 正确的链接到新版本 |
|
2.0.18 | 正确iniGuess(感谢尼古拉Wernecke)。每日实际情况下被添加到图。R2总例,感染率添加到总结。葡萄牙的数据都包括在内。 |
|
2.0.17 | 添加备注有关程序的新版本(感谢约书亚麦基) |
|
2.0.16 | 更新需求 |
|
2.0.15 | 增加了荷兰和美国的数据和脚本(感谢Rolf Boelens) |
|
2.0.14 | 更新说明 |
|
2.0.13 | 添加链接的例子 |
|
2.0.12 | 添加数据,奥地利 |
|
2.0.11 | 正确的数据 |
|
2.0.10 | 更新数据。添加数据,法国,瑞士 |
|
2.0.9 | 变更摘要 |
|
2.0.8 | 添加数据为西班牙 |
|
2.0.7 | 更新描述 |
|
2.0.6 | 添加德国数据 |
|
2.0.5 | 更新数据。加入总结报告现场脚本。 |
|
2.0.4 | 删除上限。 |
|
2.0.3 | 更新数据。细微的变化。R2现在包括在表中。 |
|
2.0.2 | 细微的变化 |
|
2.0.1 | 改变映象 |
|
2.0.0 | 主要修订。删除威布尔回归,删除图形的高峰时间,为epidemy评价和速度相结合图表。epidemy持续时间和结束日期添加到报告。与C0更换回归一个。斯洛文尼亚添加数据。 |
|
1.0.14 | 小的更正 |
|
1.0.13 | 伊朗进出中国的添加数据。威布尔回归现在是可选的。 |
|
1.0.12 | 加起来数据7.Mar.2020 |
|
1.0.11 | 韩国的数据正确 |
|
1.0.10 | 添加2020年3月5日的数据 |
|
1.0.9 | 每日预测的相对误差的正确计算 |
|
1.0.8 | 添加数据,意大利 |
|
1.0.7 | 正确的描述 |
|
1.0.6 | 添加数据4.Mar.2020 |
|
1.0.5 | 正确的描述 |
|
1.0.4 | 添加2020年3月3日的数据 |
|
1.0.3 | 更新说明 |
|
1.0.2中 | 更新的例子 |
|
1.0.1 | 添加图片 |
略标志(查看资料)
贡纳(查看资料)
大,但潜行将有较大的影响,它是否会在GNU八度运行过(即optimoptions和嵌套功能需要兼容的版本)。
里卡多·皮涅罗(查看资料)
有谁试图端口Matlab代码给其他的解决方案,如GNU八度?
我给来自巴西的巴蒂斯塔做先生的数据,这样他就可以添加到报表。
米兰巴蒂斯塔(查看资料)
要将所有。SIR模型版本改进了收敛性和初始猜测计算。我认为它比Logistic模型好,不过,它更强劲。
//www.tianjin-qmedu.com/matlabcentral/fileexchange/74658-fitviruscovid19
米兰巴蒂斯塔(查看资料)
亲爱的克劳迪奥,感谢您的建议。请记住,物流模式是非常简单的。每日预测可以是非常不错的。我对斯洛文尼亚预测是由3月19日百分之几。但在这一天,我们有一个地方爆发(跳跃)。这样的事件后,预测是没用几天,因为每天的预测值低于实际的。这种情况在几天之内改变(如长安2月12日)。SIR模型也有类似的问题。
亚当Hepworth(查看资料)
克劳迪奥·Gelmi(查看资料)
亲爱的米兰,我一直在使用你在智利的功能,在过去的三天里,预测非常准确。我添加了“第二天”预测的95%置信区间。由于您已经在使用SML工具箱,它可能对更多用户有用。这是我的代码行:
[betaNL, RNL JNL] = nlinfit (samplaTime (1: n), sampleC (1: n), @fun,系数);
[Ypred,δ= nlpredci(@fun,[samplaTime(端)+1]”,betaNL,RNL, '雅可比行列式',JNL);
T =表(samplaTime(结束)+ 2,轮(Ypred),圆形(三角), 'VariableNames',{ '日', '预测', 'CI'})
再次感谢分享。
迭戈罗尔丹(查看资料)
非常酷!
Ivo L(查看资料)
伟大的工作米兰。对于葡萄牙,我建议要检查这个源(葡萄牙卫生部门):
https://covid19.min-saude.pt/ponto-de-situacao-atual-em-portugal/
塞巴斯蒂安·霍尔兹(查看资料)
“fitnlm”需要统计和机器学习工具箱,你应该更新的要求。
约书亚麦吉(查看资料)
更新版本的压缩代码(都在一个单独的.m文件中)和COVID-19和每个国家的自动数据检索:
//www.tianjin-qmedu.com/matlabcentral/fileexchange/74603-covid19modeling-fitvirus-adaptation
约书亚麦吉(查看资料)
伟大的工作米兰!
米兰巴蒂斯塔(查看资料)
嗨,你最后那句话是什么意思?
sjcosta(查看资料)
嗨,
首先感谢大家的MATLAB模型。这似乎很好地工作。我与葡萄牙的情况下更新,这似乎是完美也预测。如何更新葡萄牙号码?
安德烈Augello(查看资料)
米兰巴蒂斯塔(查看资料)
罗尔夫Boelens教授提供了荷兰和美国的数据和脚本。
摩根埃文斯(查看资料)
优秀的模型。每天使用它。谢谢你的辛勤工作。你知道什么时候会出现美国模式吗?
米兰巴蒂斯塔(查看资料)
谢谢你!该计划的预期目标是帮助人们评估疫情何时结束,并评估这些措施是否有效。现在,我在上面的web地址发布每日报告。
Bernhard Kraker von Schwarzenfeld(查看资料)
谢谢你的更新!做得好!
我们能指望每隔一天就有新的图表吗?
这里还是其他地方?
Bernhard Kraker von Schwarzenfeld(查看资料)
莫里斯politi(查看资料)
迈克·鲁道夫(查看资料)
摩根埃文斯(查看资料)
彼得Graat(查看资料)
不错,但需要优化工具箱
ilPlus30(查看资料)
我尝试了更新意大利数据的模型。好工作。谢谢你的分享。
米兰巴蒂斯塔(查看资料)
连续回归使用MATLAB函数lsqefit,该函数没有统计输出。用MATLAB函数fitnlm进行另一次拟合。结果可能不同(对于小的数据集)-我不知道为什么-因此警告只是提醒人们要小心对结果的解释。
詹姆斯·加纳(查看资料)
绝对令人难以置信的工作和模型,只是努力的一些国家通过它现在。在德国,虽然回归模型似乎适合,我得到以下信息:“***警告:lsqcurvefit和fitnlm不同的结果显著。
Knlm / Klsq = 358.476
rnlm / rlsq = 0.998951
Anlm / Alsq = 357.319”
我无法理解的根本原因,作为初始猜测是succesfull ...
米兰巴蒂斯塔(查看资料)
我有没有Github上的经验,但我会努力做到你建议什么。
基督教施罗德(查看资料)
@milan我想也许将在Github / Gitlab代码,以便其他人可以派拉的请求等。
克劳迪奥·Gelmi(查看资料)
做得好米兰!谢谢你的分享。
米兰巴蒂斯塔(查看资料)
他们可以做自己的MATLAB贡献,自由添加fitVirus脚本。你有什么建议?
基督教施罗德(查看资料)
这是一个极好的主意,并为学生学习了一下有关这两个MATLAB和统计数据的大好机会。
为其他国家提供数据文件的最佳方式是什么?
Gianmarco崇德(查看资料)