１SIR模型

susceptible（易受感染的但没有被感染的）

infected（感染的）

recovered（恢复并免疫了的）

1.1 状态定义

第t天：

状态为S的人数	x(t)
状态为I的人数	y(t)
状态为R的人数	z(t)
总人数	N

1.2 SIR方程

这是一种形式的SIR，实际上还有很多种。

1.2.1 SIR方程解释

假设每天每个S状态的人（易受感染的但没有被感染的人）和其他m个人有关联

在第t天，总体感染人的比例为 $\frac{y(t)}{N}$

——>对于每一个S状态的人的这m个有关联的人里面，有 $m \times \frac{y(t)}{N}$ 个人是感染了的

而第t天一共有x(t)个状态是S的人

——>在第t天，所有状态为S的人的x(t) × m个有关联的人里面，有 $(x(t) \times m) \times \frac{y(t)}{N}$ 个人是感染了的（这个数量不一定等于状态为I的人的数量，甚至可能比状态为I的人的数量多。因为一个感染的人可能和多个状态为S的人有关联）

假设每一个“有关联”的感染者使被关联的S状态的人被感染的概率是p

——>在第t天，新增感染者的数量为 $p \times [(x(t) \times m) \times \frac{y(t)}{N}]$

我们令mp=β，β称之为感染接触率

那么对于S状态的人我们就有：

$\frac{dx(t))}{dt}=- \frac{\beta}{N}x(t)y(t)$

同时，我们令恢复率为r（也即是每天有r比例的感染者康复）

那么对于I和R状态的人我们又有：

$\frac{dy(t)}{dt}=\frac{\beta}{N}x(t)y(t)-\gamma y(t)$

$\frac{dz(t)}{dt}=\gamma y(t)$

1.3 用python实现SIR

1.3.1 导入库

import numpy as np
from scipy.integrate import odeint
import matplotlib.pyplot as plt

1.3.2 数据定义

N=1000                    #总人口
I0=1                      #一开始的感染人口
R0=0                      #一开始的治愈（免疫）人口
S0=N-I0-R0                #一开始的易感染人口
beta=0.2                  #感染接触率β
gamma=0.1                 #恢复率
t=np.linspace(0,159,160)  #设置时间片段为160天

1.3.3 SIR模型定义

def sir(y,t,N,beta,gamma):S,I,R=ydS_dt=-beta*S*I/NdI_dt=beta*S*I/N-gamma*IdR_dt=gamma*Ireturn(dS_dt,dI_dt,dR_dt)
#SIR常微分方程

1.3.4 进行SIR的常微分方程计算

y0=(S0,I0,R0)
#初始化参数ret=odeint(sir,y0,t,args=(N,beta,gamma))
ret.shape
#(160, 3)S=ret[:,0]
I=ret[:,1]
R=ret[:,2]

1.3.5 结果可视化

plt.rcParams['font.sans-serif']=['SimHei']
#用来正常显示中文plt.rcParams['axes.unicode_minus']=False
#用来正常显示负号plt.plot(t,S,color='b',label='易感人群')
plt.plot(t,I,color='r',label='感染人群')
plt.plot(t,R,color='g',label='康复/免疫人abs')plt.xlabel('天数，单位：天')
plt.ylabel('人数，单位：人')
#设置横纵轴标题plt.legend()
#显示标签
plt.show()

2 SEIR

1、S 类，易感者 (Susceptible)，指未得病者，但缺乏免疫能力，与感染者接触后容易受到感染；

2、E 类，暴露者 (Exposed)，指接触过感染者，但暂无能力传染给其他人的人，对潜伏期长的传染病适用；

3、I 类，感病者 (Infectious)，指染上传染病的人，可以传播给 S 类成员，将其变为 E 类或 I 类成员；

4、R 类，康复者 (Recovered)，指被隔离或因病愈而具有免疫力的人。如免疫期有限，R 类成员可以重新变为 S 类。

生物计算：SIR模型笔记相关推荐

2020-03-22阅读笔记-考虑遗忘机制的企业隐性知识传播SIR模型研究
本文系阅读上海工程技术大学杨湘浩等人发表在***中国管理科学*期刊上<考虑遗忘机制的企业隐性知识传播SIR模型研究>**所做的笔记,由于本人水品有限,如理解存在偏差,还请批评指正. 1.文 ...
vecm模型怎么写系数_经典传染病的SIR模型（基于MATLAB）
经典的SIR模型是一种发明于上个世纪早期的经典传染病模型,此模型能够较为粗略地展示出一种传染病的发病到结束的过程,其核心在于微分方程,本次我们利用matlab来对此方程进行其中三个主要量 S是易感人 ...
【论文阅读】SIR模型下网络中多信息源检测 2014-IEEE
多地方传染,多地方泄露. 三种算法: (1)树状网络,已知信息源数量,识别信息源. (2)一般网络的启发式算法,已知源数量,识别信息源. (3)信息源数量未知,估计源数目. (一)(聚类和定位) &q ...
结点重要性与SIR模型基础代码
SIR模型 # simulate the information diffusion under SI model import networkx as nx import numpy as np i ...
《改进SIR 模型在社交网络信息传播中的应用》仿真实现
摘要基于<改进SIR 模型在社交网络信息传播中的应用>一文中提出的改进SIR模型,使用Matlab进行了仿真实现.另外,基于原文的模型,依据实际话题热度进行了其它仿真和分析. 背景信息 ...
传播动力学--SIR模型及其应用
王道谊 2020年3月 1. 传播动力学 "道生一,一生二,二生三,三生万物." ---<道德经> 所谓"不积跬步无以至千里",任何变化都是由 ...
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代码实现， SIR 模型进行信息传播模拟
SIR模型是一种常用的信息传播模型,它用来模拟传染病(如冠状病毒)的流行情况.SIR模型包括三种状态: S(Susceptible):易感者,还没有患上传染病的人. I(Infected):感染者,已 ...
matlab画图中该如何标注途中的某一点，以SIR模型为例
matlab画图中如何标出图中的某一点,以SIR模型为例: 首先需要一个单独的.m文件: %写上三个微分方程 function y=SIRModel(t,x,beta,gamma,N) y=[-bet ...

生物计算：SIR模型笔记