python实现SIR传播模型（图片数据）_多物理场仿真

http://blog.sina.com.cn/u/1757579113

首页博文目录关于我

个人资料

微博

加好友发纸条

写留言加关注

博客等级：
博客积分：

博客访问：
关注人气：
获赠金笔：0支
赠出金笔：0支
荣誉徽章：

正文字体大小：大中小

python实现SIR传播模型（图片数据）

(2020-01-31 08:58:16)

标签：

python

sir

传染病

杂谈

注：之前说过SIR模型有很多前提条件和假设，比如无死亡，人都可以被治愈，而且治愈时长一定，所以并不能用来预测最终感染人数，但可以用作学术研究。

SIR模型中两个重要参数：

1. 传染率R0

即一个人可以传染多少个人，如果小于1，即表示病毒可以逐渐消失，大于2，表示呈指数级传播。实际上这个参数是一直随人口流动，隔离措施等动态变化的。

2. 治愈率

以下图片显示了使用不同参数的显示模型数据：

其中蓝色为治愈人数，红色为感染人数，绿色为为未感染人数

python代码：

import scipy.integrate as spi

import numpy as np

import pylab as pl

from matplotlib.font_manager import FontProperties

import matplotlib.pyplot as plt

font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14)

#beta=1.4247

beta = 1.2 #传染率

gamma=0.01 #治愈率

TS=1.0

ND=100.0

S0=1-1e-6

I0=1e-6

INPUT = (S0, I0, 0.0)

all = 20000 #最终感染人数

def diff_eqs(INP,t):

Y=np.zeros((3))

V = INP

Y[0] = - beta * V[0] * V[1]

Y[1] = beta * V[0] * V[1] - gamma * V[1]

Y[2] = gamma * V[1]

return Y

t_start = 0.0; t_end = ND; t_inc = TS

t_range = np.arange(t_start, t_end+t_inc, t_inc)

RES = spi.odeint(diff_eqs,INPUT,t_range)*all

#打印数据

print(RES)

pl.rcParams['font.sans-serif'] = 'SimHei'

pl.plot(RES[:,0], '-g^', label='健康数')

pl.plot(RES[:,2], '-bs', label='恢复数')

pl.plot(RES[:,1], '-ro', label='感染数')

pl.legend(loc=0)

pl.title('SIR 传染模型', fontproperties = font)

pl.xlabel('时间', fontproperties = font)

pl.ylabel('健康数, 恢复数, 感染数',fontproperties = font)

pl.savefig('2.1-SIR-high.png', dpi=900) # This does, too

pl.show()

参考链接：

https://www.cnblogs.com/scikit-learn/p/6937326.html

阅读┊ 收藏 ┊ 喜欢 ▼ ┊打印┊举报/Report

前一篇：python实现SIR传播模型（动图）

后一篇：FasCAD应用案例--航空发动机叶轮机显示

新浪BLOG意见反馈留言板　欢迎批评指正