研究新型冠狀病毒肺炎（COVID-19）傳播方式規(guī)律及趨勢有助于有效遏制其蔓延.介紹了一些常用的傳染病預(yù)測模型,提出了Logistic_SEIR模型,既克服了Logistic模型不能預(yù)測現(xiàn)有確診人數(shù)的缺點(diǎn)又克服了SEIR模型調(diào)參太多的缺點(diǎn),并通過實(shí)驗(yàn)證明了所提出模型的實(shí)現(xiàn)和預(yù)測的優(yōu)越性.同時(shí)進(jìn)一步研究了Logistic_SEIR模型需要調(diào)試的參數(shù)取不同的初始值對預(yù)測結(jié)果的影響,并通過加權(quán)誤差來量化分析預(yù)測效果.最后指出未來進(jìn)一步的研究方向. 

【文章來源】：廈門大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,59(06)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

SEIR模型示意圖

從預(yù)測曲線和加權(quán)誤差兩個(gè)角度分析不同初始健康人數(shù)S0對預(yù)測結(jié)果的影響．預(yù)測曲線如圖3所示，加權(quán)誤差如表2所示．從圖3可以直觀地看出，時(shí)間越長各種初始值的曲線預(yù)測結(jié)果越相近，最后都重疊在一起．因此如果預(yù)測COVID-19發(fā)生2個(gè)月以后的現(xiàn)有確診人數(shù)，則S0的初始值對預(yù)測效果影響不大，故Logistic＿SEIR模型需要調(diào)試的S0參數(shù)可以比較容易地調(diào)試，這從另一方面證明了本文提出模型的優(yōu)越性．

從預(yù)測曲線和加權(quán)誤差兩個(gè)角度，研究由潛伏者轉(zhuǎn)化為感染者的轉(zhuǎn)化率α取不同初始值對曲線預(yù)測效果的影響．預(yù)測曲線如圖4所示，加權(quán)誤差如表3所示．為了更準(zhǔn)確地衡量哪個(gè)值最好，本文根據(jù)表3的加權(quán)誤差來定量分析，可以看出潛伏者轉(zhuǎn)陽變?yōu)楦腥菊咿D(zhuǎn)化率α=1/4時(shí)加權(quán)誤差最小，為1 816.42，預(yù)測效果最好．

【參考文獻(xiàn)】：
期刊論文
[1]基于時(shí)變參數(shù)-SIR模型的COVID-19疫情評估和預(yù)測[J]. 喻孜,張貴清,劉慶珍,呂忠全.  電子科技大學(xué)學(xué)報(bào). 2020(03)
[2]基于SEIR的新冠肺炎傳播模型及拐點(diǎn)預(yù)測分析[J]. 范如國,王奕博,羅明,張應(yīng)青,朱超平.  電子科技大學(xué)學(xué)報(bào). 2020(03)
[3]修正SEIR傳染病動(dòng)力學(xué)模型應(yīng)用于湖北省2019冠狀病毒�。–OVID-19）疫情預(yù)測和評估[J]. 曹盛力,馮沛華,時(shí)朋朋.  浙江大學(xué)學(xué)報(bào)(醫(yī)學(xué)版). 2020(02)
[4]基于SIS模型的禽流感傳染模型[J]. 韓翔,夏蘇徽.  現(xiàn)代商貿(mào)工業(yè). 2018(22)
[5]Logistic回歸模型在人口問題中的應(yīng)用[J]. 趙旭,陳立萍,程維虎.  應(yīng)用概率統(tǒng)計(jì). 2015(06)
[6]基于SIR模型對埃博拉病毒蔓延趨勢的預(yù)測[J]. 王香閣,于紅斌,王飄飄,吳笑笑,王瓊瓊.  福建電腦. 2015(02)
[7]SARS傳播動(dòng)力學(xué)模型及其多智能體模擬研究[J]. 龔建華,周潔萍,徐珊,王衛(wèi)紅.  遙感學(xué)報(bào). 2006(06)
[8]SARS疫情控制的模擬分析[J]. 龔建華,孫戰(zhàn)利,李小文,曹春香,李小英,錢貞國,周潔萍.  遙感學(xué)報(bào). 2003(04)
[9]具有階段結(jié)構(gòu)的SI傳染病模型[J]. 原存德,胡寶安.  應(yīng)用數(shù)學(xué)學(xué)報(bào). 2002(02)



本文編號：3358375