利用python预测sir模型_SI,SIS,SIR模型的正确实现(python)
我已经创建了上述模型的一些非常基本的实现。然而,尽管图表看起来是正确的,但是数字加起来并不是一个常数。这是每个隔间中易感/受感染/康复的人的总和,应该是N(总人数),但它没有,因为某些原因,它加起来一些奇怪的十进制数,我真的不知道如何解决它,在看了3天之后。在
SI模型:import matplotlib.pyplot as plt
N = 1000000
S = N - 1
I = 1
beta = 0.6
sus = [] # infected compartment
inf = [] # susceptible compartment
prob = [] # probability of infection at time t
def infection(S, I, N):
t = 0
while (t < 100):
S = S - beta * ((S * I / N))
I = I + beta * ((S * I) / N)
p = beta * (I / N)
sus.append(S)
inf.append(I)
prob.append(p)
t = t + 1
infection(S, I, N)
figure = plt.figure()
figure.canvas.set_window_title('SI model')
figure.add_subplot(211)
inf_line, =plt.plot(inf, label='I(t)')
sus_line, = plt.plot(sus, label='S(t)')
plt.legend(handles=[inf_line, sus_line])
plt.ticklabel_format(style='sci', axis='y', scilimits=(0,0)) # use scientific notation
ax = figure.add_subplot(212)
prob_line = plt.plot(prob, label='p(t)')
plt.legend(handles=prob_line)
type(ax) # matplotlib.axes._subplots.AxesSubplot
# manipulate
vals = ax.get_yticks()
ax.set_yticklabels(['{:3.2f}%'.format(x*100) for x in vals])
plt.xlabel('T')
plt.ylabel('p')
plt.show()
SIS型号:
^{pr2}$
SIR型号:import matplotlib.pylab as plt
N = 1000000
S = N - 1
I = 1
R = 0
beta = 0.5
mu = 0.1
sus = []
inf = []
rec = []
def infection(S, I, R, N):
for t in range (1, 100):
S = S -(beta * S * I)/N
I = I + ((beta * S * I)/N) - R
R = mu * I
sus.append(S)
inf.append(I)
rec.append(R)
infection(S, I, R, N)
figure = plt.figure()
figure.canvas.set_window_title('SIR model')
inf_line, =plt.plot(inf, label='I(t)')
sus_line, = plt.plot(sus, label='S(t)')
rec_line, = plt.plot(rec, label='R(t)')
plt.legend(handles=[inf_line, sus_line, rec_line])
plt.ticklabel_format(style='sci', axis='y', scilimits=(0,0))
plt.xlabel('T')
plt.ylabel('N')
plt.show()
利用python预测sir模型_SI,SIS,SIR模型的正确实现(python)相关推荐
- python预测未来数据步骤_大神教你用Python预测未来:一文看懂时间序列(值得收藏)...
所有代码都是用 Python 编写的,并且在 GitHub 上可以看到所有的信息. https://nbviewer.jupyter.org/github/leandrovrabelo/tsmodel ...
- python 递归 写平方_Python递归函数如何写?正确的Python递归函数用法
前言 本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理. 在函数内部,可以调用其他函数.如果一个函数在内部调用自身本身,这个函数就是 ...
- python拟合sir模型_SI,SIS,SIR模型的正确实现(python)
我已经创建了上述模型的一些非常基本的实现.但是,尽管图表看起来看起来很正确,但这些数字并不等于常数.这是因为每个隔室中易感染/感染/恢复的人的总和应该总计为N(这是人的总数),但是由于某些原因,它加起 ...
- python支持向量机 股票_小蛇学python(4)利用SVM预测股票涨跌
最近接了一个私活,指导学妹完成毕业设计.核心思想就是利用SVM模型来预测股票涨跌,并完成策略构建,自动化选择最优秀的股票进行资产配置. 在做这个项目的过程中,我体会到想成为一个合格的数据分析或者数据挖 ...
- 利用Python预测股票价格
前言 本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理. 作者:博文视点 PS:如有需要Python学习资料的小伙伴可以加点击下方链 ...
- 利用Python预测NBA比赛结果
关注「实验楼」,每天分享一个项目教程 NBA总决赛正在火热上演,而有数据的地方就有预测,本教程就教你使用Python预测NBA比赛的结果. 正文共:3240 字 预计阅读时间:8 分钟 一.实验介绍 ...
- svm预测股价 python_小蛇学python(4)利用SVM预测股票涨跌
最近接了一个私活,指导学妹完成毕业设计.核心思想就是利用SVM模型来预测股票涨跌,并完成策略构建,自动化选择最优秀的股票进行资产配置. 在做这个项目的过程中,我体会到想成为一个合格的数据分析或者数据挖 ...
- python模型预测_【超级干货!】教你用Python做回归模型预测房价
原标题:[超级干货!]教你用Python做回归模型预测房价 欢迎关注天善智能 hellobi.com,我们是专注于商业智能BI,大数据,数据分析领域的垂直社区,学习.问答.求职,一站式搞定! 对商业智 ...
- Python时间序列模型推理预测实战:时序推理数据预处理(特征生成、lstm输入结构组织)、模型加载、模型预测结果保存、条件判断模型循环运行
Python时间序列模型推理预测实战:时序推理数据预处理(特征生成.lstm输入结构组织).模型加载.模型预测结果保存.条件判断模型循环运行 目录
- Python基于statsmodels包构建多元线性回归模型:模型构建、模型解析、模型推理预测
Python基于statsmodels包构建多元线性回归模型:模型构建.模型解析.模型推理预测 目录
最新文章
- 一文探索 JavaScript 最强大特性—函数表达式
- 《虚拟化与云计算》推荐序二
- MyBatis小问题(1)-Mapper中错误No constructor found...
- android倒计时功能,Android 实现列表倒计时功能
- 没想到你是这样的npm install
- .NET Core开发实战(第30课:领域事件:提升业务内聚,实现模块解耦)--学习笔记...
- yum安装docker No package docker available
- 【资源下载】512页IBM沃森研究员Charu最新2018著作《神经网络与深度学习》(附下载链接)
- 关于Linux平台视频采集程序的修改
- java解析魔兽争霸3录像_《魔兽争霸》的录像,为什么长达半小时的录像大小只有几百 KB?...
- 《嵌入式C语言》C语言介绍及环境搭建
- QSS设置字体透明度
- office文档图标显示不正常
- 输入一个分数,将其约分为最简分式
- python的两种执行方式,python的两种运行方式
- 成果展示 | 大数据应用开发平台DWF
- CS:APP第六章知识总结(内存、缓存、locality)
- 如何用好消息推送为app拉新、留存、促活
- iOS runtime再学习
- AP自动注册改标识、AC虚拟配置管理、PC连接WiFi(华为ENSP)
热门文章
- 脚本小子福利:安卓远控木马直接生成
- 台达b2伺服modbus通讯_台达伺服ASDA-B2使用手册-简体最新.pdf
- 大一新生应该如何学习C语言,书上代码看不懂理解不了怎么办?
- 基于python的图书管理系统设计与实现论文_基于JAVA的图书馆管理系统设计[毕业论文_].doc...
- 怎么在电脑上进行屏幕录像?电脑录屏的方法
- 四方聚合支付系统+新增USDT提现+全新UI+安全升级修复XSS漏洞补单漏洞 附安装教程
- RDP报表工具的环境搭建
- Wherehows项目简介
- Coin3D相关模块学习
- 哨兵卫星及数据下载平台介绍