广义SEIR流行病模型(拟合与计算)
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]。
这个Matlab实现还包括一些与ref.[2]的主要区别。其中,死亡率和恢复率的表达是时间的分析和经验函数。这种时间依赖性背后的想法是,随着时间的增加,死亡率和恢复率应该趋近于一个常量。如果死亡率保持不变,死亡人数可能会被高估。出生和自然死亡并不是这里的模型。这意味着总人口,包括死亡病例数,保持不变。请注意,ref.[2]是未经同行评审的预印本,我没有足够的资格来判断论文的质量。
内容
本提交包含:
一个SEIQRDP函数。M,用于模拟感染、康复和死亡病例的时间历史(以及其他)
一个fit_SEIQRDP函数。m估计SEIQRDP中使用的10个参数。M在最小二乘意义上。
一个示例文件Documentation。Mlx,给出了数值实现。
一个示例文件Example_province_region。mlx使用了约翰·霍普金斯大学为中国湖北省COVID-19流行病收集的数据。
一个示例文件Example_Country。mlx,它使用了约翰·霍普金斯大学收集的一个国家COVID-19流行[3]的数据。
一个文件“ItalianRegions。作者:Matteo Secli (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]。
“uncertaintiesIssues一个例子。,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]读取由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[4]收集意大利COVID-19大流行的最新数据
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模拟并将SEIRQDP模型拟合到检测到多个流行波的情况。
欢迎任何问题,评论或建议。
参考
L。[2]Peng,杨,W。,,D,诸葛,C,和香港,L(2020)。基于动态模型的COVID-19在中国的流行分析arXiv预印本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:
例3(多波情况)
将扩展SEIR模型与实际数据的拟合提供以下结果: