传染病模型(1)——SI模型及matlab详解
前言
常见的传染病模型按照具体的传染病的特点可分为 SI、SIS、SIR、SIRS、SEIR 模型。其中“S”“E”“I”“R”的现实含义如下:
S (Susceptible),易感者,指缺乏免疫能力健康人,与感染者接触后容易受到感染;
E (Exposed),暴露者 ,指接触过感染者但暂无传染性的人,可用于存在潜伏期的传染病;
I (Infectious),患病者,指有传染性的病人,可以传播给 S,将其变为 E 或 I ;
R (Recovered),康复者,指病愈后具有免疫力的人,如是终身免疫性传染病,则不可被重新变为 S 、E 或 I ,如果免疫期有限,就可以重新变为 S 类,进而被感染。
一、SI传染病模型及matlab代码
适用于只有易感者和患病者两类人群,且不会反复发作的疾病。
记总人数为N,则N=S+E+I+R,这是各类人群的数量关系,在SI模型中没有E和R,即
记i和s为易感者S和患病者I占总数N的比例,
易感者S和患病者I之间的关系是患病者接触易感者将易感者转化为患病者,并且易感者者越多、患病者越多,转化为患病者的人也就越多。记单个患病者每天接触个易感者,是接触率即单个患病者每天平均接触的易感者比例。
那么患病者每天增加的比例为
患病者每天增加的数量为
这个微分方程能够求解,其原函数为
原函数代码为
clc;
close all;
clear all;
I=10;
N=10000;
S=N-I;
lemda=0.1;
t=1:365;
for i=1:(size(t,2)-1)I(1+i)=I(i)+I(i)*(N-I(i))*lemda/N;S(1+i)=N-I(1+i);
end
plot(t,I,t,S)
xlabel('时间')
ylabel('人数')
legend('患病者','易感者')
title('SI传染病模型')
结果为
考虑到除了求解原函数还可以采用差分代替微分的方法
结果十分接近
传染病模型(1)——SI模型及matlab详解相关推荐
- 数仓-维度模型之维度迟到问题处理详解
数仓-维度模型之维度迟到问题处理详解 摘要:在数据仓库项目中,从贴源层(ODS)更新到数据仓库层(DW)时,出现了拉链形式的维表数据更新不及时的情况,从而导致事实表中的该维度列值为空或旧值.需要根据维 ...
- Tribon模型数据抽取之sx700.exe详解
Tribon模型数据抽取之sx700.exe详解 一:简介 网络上关于Tribon模型数据抽取的论文最早流传的是2006哈尔滨工程大学姚竞争的工学硕士学位论文<TRIBON模型的数据抽取及二次开 ...
- 【多元域除法】多项式除法电路原理及MATLAB详解
关注公号[逆向通信猿]更精彩!!! 关于二元域上的两个元素的加法和乘法.多项式除法,在之前的博客 [有限域除法]二元多项式除法电路原理及MATLAB详解 子程序:sub_poly_div.m [有限域 ...
- 【多元域乘法】多项式乘法电路原理及MATLAB详解
关注公号[逆向通信猿]更精彩!!! 关于二元域上的两个元素的乘法.多项式除法,在之前的博客 [有限域除法]二元多项式除法电路原理及MATLAB详解 子程序:sub_poly_div.m [有限域元素加 ...
- 手把手教你玩转SOCKET模型:完成端口(Completion Port)详解
这篇文档我非常详细并且图文并茂的介绍了关于网络编程模型中完成端口的方方面面的信息,从API的用法到使用的步骤,从完成端口的实现机理到实际使用的注意事项,都有所涉及,并且为了让朋友们更直观的体会完成端口 ...
- 机器学习模型评估指标ROC、AUC详解
我是小z ROC/AUC作为机器学习的评估指标非常重要,也是面试中经常出现的问题(80%都会问到).其实,理解它并不是非常难,但是好多朋友都遇到了一个相同的问题,那就是:每次看书的时候都很明白,但回过 ...
- bpmn2.0业务过程模型和符号_手拉手模型是什么?5步详解手拉手模型图
手拉手模型是数学里最常见的一种几何模型图,主要的特征就是有两个形状一样的图形,它们有着共同的顶点,可以旋转到任意角度,就像两个人手拉手一样,所以被称为手拉手模型. 手拉手模型的常见用途 目前手拉手模型 ...
- GIZA++实现了IBM模型1~5 IBM Model 1详解
IBM model是统计机器翻译中的经典翻译模型,也是基于词的统计机器翻译系统的基础.IBM翻译模型共有5个复杂度依次递增的统计翻译模型,IBM model1是其中最简单的模型,也是其他模型进行计算的 ...
- 使用 RNN 模型从零实现 情感分类(详解)
文章目录 说明 思路 Step1:读取数据集 Step2:生成 tokens 数组 Step3:使用 Word2Vec 生成词向量 Step4:将 tokens 内的词语转化为向量索引 Step5:生 ...
最新文章
- 如何监控和优化mysql查询性能_如何监视MySQL的性能
- Elasticsearch根据条件进行删除索引命令
- svn: Checksum mismatch while updating 'D:\workspace\demo\test\.svn\text-base\test.php.svn-base'
- redis学习(五) redis实现购物车
- 如何在博客等文章中添加带有滚动条的文本框
- LazyInitializationException的四种解决方案–第2部分
- beetl模板引擎之自定义html标签,Beetl模板引擎自定义分页标签
- 获取字段为List类型中的泛型类型
- 前端如何制作出透明背景视频
- Android手机怎么找回微信好友,安卓手机微信好友删除怎么找回?这三种方法真香...
- 2022钉钉发布会|云钉低代码新模式、新能力、新机遇
- 基于“大中台+小前台”思想的电商系统总体架构设计
- 打不开计算机或文件夹,求助:我的电脑文件夹打不开了
- 西方情人节前一天的话
- android wine教程_如何在 Android 上借助 Wine 来运行 Windows Apps
- 产品经理1.1_如何高效的开展产品需求评审会
- LDO参数解读、特性、参考设计
- win10系统电脑声音图标正常,但没有声音
- python飞机如何使用机器人
- 如何找对另一半---第四章认识彼此 全然接纳
热门文章
- wps交叉表_利用Excel电子表格制作交叉报表
- 黑客逆向破解基础-3:如何识别程序加的什么壳
- lenovo服务器换系统重装系统_联想电脑怎么重装系统步骤如下:联想怎么重装正版win10...
- 利用Photoshop通道制作BMP格式的透明图标
- chrome五十大实用插件集合
- UE4- 粒子朝向问题
- java开发抢红包算法,抢红包算法的实现-java
- win7为什么打开桌面上的计算机很卡很慢,Win7电脑开机速度慢解决方法
- golang 微信支付介绍
- 手把手实战机器学习系列: 随机森林