在傳統(tǒng)SEIR模型的基礎上,引入了"無癥狀感染者"的概念�？紤]無癥狀感染者的隱蔽性和傳染性,通過改進傳統(tǒng)的SEIR模型,建立了一種更加精確的SEIADR模型。運用該模型對湖北省新型冠狀肺炎的疫情數(shù)據(jù)發(fā)展趨勢進行預測分析,結果顯示,引入無癥狀感染者的SEIADR模型具有更好的擬合效果和預測性能,更加接近真實數(shù)據(jù)。 

【文章來源】：河南工學院學報. 2020,28(05)

【文章頁數(shù)】：5 頁

【部分圖文】：

SEIADR模型整體仿真結果

河南工學院學報2020年5期32較差，與實際數(shù)據(jù)有較大出入，而SEIADR模型能夠有效地預測湖北省的真實情況，且模型顯示3月中下旬累計死亡人數(shù)達到峰值，之后逐漸趨于平緩，接近湖北省公布的真實數(shù)據(jù)。圖4和圖5為兩種模型分別在同一組確診數(shù)據(jù)下的擬合情況。通過比較可以看出，由于SEIR模型沒有考慮無癥狀感染者，所以只能預測疫情的大致走向，對疫情關鍵節(jié)點的預測存在不足[6]；而引入無癥狀感染者之后的SEIADR模型能夠很好地擬合原數(shù)據(jù)。圖6為SEIADR模型對疫情的總體仿真結果。從該圖可以看出，疫情真正的拐點出現(xiàn)在疫情爆發(fā)后60天左右，也就是在2020年2月中旬左右，這與實際情況相吻合（實際拐點在2月18日左右）。當無癥狀感染者得到有效控制之后，疫情整體也就進入平緩下降期，同時這也是3月份有序復工復產(chǎn)的重要依據(jù)。圖4兩種模型確診數(shù)據(jù)擬合對比圖圖5兩種模型死亡數(shù)據(jù)擬合對比圖圖6SEIADR模型整體仿真結果

河南工學院學報2020年5期32較差，與實際數(shù)據(jù)有較大出入，而SEIADR模型能夠有效地預測湖北省的真實情況，且模型顯示3月中下旬累計死亡人數(shù)達到峰值，之后逐漸趨于平緩，接近湖北省公布的真實數(shù)據(jù)。圖4和圖5為兩種模型分別在同一組確診數(shù)據(jù)下的擬合情況。通過比較可以看出，由于SEIR模型沒有考慮無癥狀感染者，所以只能預測疫情的大致走向，對疫情關鍵節(jié)點的預測存在不足[6]；而引入無癥狀感染者之后的SEIADR模型能夠很好地擬合原數(shù)據(jù)。圖6為SEIADR模型對疫情的總體仿真結果。從該圖可以看出，疫情真正的拐點出現(xiàn)在疫情爆發(fā)后60天左右，也就是在2020年2月中旬左右，這與實際情況相吻合（實際拐點在2月18日左右）。當無癥狀感染者得到有效控制之后，疫情整體也就進入平緩下降期，同時這也是3月份有序復工復產(chǎn)的重要依據(jù)。圖4兩種模型確診數(shù)據(jù)擬合對比圖圖5兩種模型死亡數(shù)據(jù)擬合對比圖圖6SEIADR模型整體仿真結果

【參考文獻】：
期刊論文
[1]2019新型冠狀病毒SEIR模型求解及MATLAB軟件實現(xiàn)[J]. 王眾,汪和松.  數(shù)字技術與應用. 2020(02)
[2]新型冠狀病毒肺炎（COVID-19）研究現(xiàn)狀[J]. 丁玉曦,鄧存良.  西南醫(yī)科大學學報. 2020(01)
[3]2019年新型冠狀病毒肺炎的研究現(xiàn)狀與進展[J]. 楊欣穎,繆從良,晉夢迪,周丹丹,莊金強,洪江.  中華危重病急救醫(yī)學. 2020(02)
[4]SARS流行病的SEIR動力學模型及其參數(shù)辨識[J]. 徐恭賢,馮恩民,王宗濤,譚欣欣,修志龍.  黑龍江大學自然科學學報. 2005(04)



本文編號：3402715