該文基于COVID-19疫情發(fā)展到2020年2月1日所呈現(xiàn)的特點,對SIR模型進行了修正,使用易感再生數(shù)、當(dāng)日感染率和潛伏感染率來求解病毒演化動力學(xué)方程,研究了感染人數(shù)的變化趨勢,并分析了政府防控措施對趨勢變化產(chǎn)生的影響。結(jié)果表明,從2020年1月24日后,政府的防控措施有效降低了病毒蔓延趨勢。與1月24日之前呈現(xiàn)的趨勢相比,截至2020年2月1日,實際感染人數(shù)較原趨勢預(yù)估人數(shù)下降了超1/2。易感再生數(shù)、當(dāng)日再生數(shù)和潛伏再生數(shù)都大幅度降低�；谀壳暗内厔�,對易感再生數(shù)、當(dāng)日感染率、潛伏感染率隨時間的變化進行了分析,利用時變參數(shù)對疫情發(fā)展進行了預(yù)測。結(jié)果表明在2020年2月9日左右,疫情發(fā)展會達到高峰,隨后確診人數(shù)將出現(xiàn)下降。 

【文章來源】：電子科技大學(xué)學(xué)報. 2020,49(03)北大核心EICSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

Jan.24th時間段的擬合效果圖

Jan.28th時間段的擬合效果圖

Jan.31th時間段的擬合效果圖

【參考文獻】：
期刊論文
[1]自適應(yīng)網(wǎng)絡(luò)中的流行病傳播動力學(xué)研究綜述[J]. 楊慧,唐明,許伯銘.  復(fù)雜系統(tǒng)與復(fù)雜性科學(xué). 2012(04)
[2]考慮感染時延的局域世界復(fù)雜網(wǎng)絡(luò)上疾病傳播行為[J]. 夏承遺,孫世溫,劉忠信,陳增強,袁著祉.  遼寧工程技術(shù)大學(xué)學(xué)報(自然科學(xué)版). 2009(04)
[3]復(fù)雜網(wǎng)絡(luò)上SIRS類疾病傳播行為分析[J]. 李光正,史定華.  自然科學(xué)進展. 2006(04)



本文編號：3543323