Python实现新型冠状病毒传播模型及预测代码实例 实现新型冠状病毒传播模型及预测代码实例 在本篇文章里小编给大家整理的是关于Python实现新型冠状病毒传播模型及预测代码内容，有兴趣的朋友们可 以学习下。 1.传染及发病过程 传染及发病过程 一个健康人感染病毒后进入潜伏期（时间长度为Q天），潜伏期之后进入发病期（时间长度为D天），发病期之后该患者有三 个可能去向，分别是自愈、接收隔离、死亡。 2.模型假设 模型假设 潜伏期Q=7天，根据报道潜伏期为2~14天，取中间值；发病期D=10天，根据文献报告，WHO认定SARS发病期为10天，假设 武汉肺炎与此相同；潜伏期的患者不具有将病毒传染给他人的能力；发病期的患者具有将病毒传染给他人的能力；患者在发病 期之后不再具有将病毒传染他人的能力；假设处于发病期的患者平均每天密切接触1人，致使该人患病的概率为γ最初只有一 个人类感染者；病情自然发展，没有外部干扰。 3.模型公式 模型公式 ：人类感染该病毒的天数 : 第N天感染该病毒并且处于发病期的患者数量 ： Q天前新被感染患者，当日进入发病期的数量 ： 当日发病期满，不再具有传染能力的患者数量 4.模型初始值 模型初始值 根据假设，最初只有一个人类感染者，所以： 5.实际疫情数据 实际疫情数据 人类感染病毒且发病的初始日期：根据财新网的报道，官方通报首例不明原因肺炎是在12月8日，考虑到确诊之前肯定已经尝 人类感染病毒且发病的初始日期 试过各种治疗方案无效后认定为不明原因肺炎，所以有理由认为该名患者在12月8日已经处于发病期末端，根据假设发病期为 10天，所以可以假设该名患者在11月29号发病，即N=1对应11月29日。 日新增发病数 日新增发病数 近期疫情防控大事记： 从以上信息可以判断核酸检测试剂是在1月16日、17日大幅使用的，18日、19日确诊大量病例，因此1月20日之前的确诊病例 数对模型参考意义不大。1月20日之后，可以认为新发病例，发病即检测。 截至1月20日24时，国家卫健委公告累计确诊病例291 截至1月21日24时，国家卫健委公告累计确诊病例440 截至1月22日24时，国家卫健委公告累计确诊病例571 截至1月23日24时，国家卫健委公告累计确诊病例830 截至1月24日24时，国家卫健委公告累计确诊病例1287 所以： 1月21日新增确诊病例：440-291=1491月22日新增确诊病例：571-440=1311月23日新增确诊病例：830-571=2591月24日新 

增确诊病例：1287-830=457 考虑到： 1月20日之后发病即检测确诊检测用时2日国外新增病例在个位数，且不能保证发病即检测等因素，暂不考虑新增病例应该递 增，所以1月22日新增数据异常，舍去 使用上溯每日新增数据,同时考虑到确诊需要2天， 可以得到: , , （ 对应11月29日 ） 6.拟合确定 拟合确定 根据近期每日新增数据、模型初始值及模型公式，用最小二乘拟合得到 7.预测预测 患者数量：根据上文确定的模型及参数，从11月29日（N=1）至1月27日（N=60）人群中累计处于发病期的人数如下图所 患者数量： 示： 根据模型，近期人群中患者数量计算如下： 人群中感染了病毒并处于发病期的患者数量，注意Pn一般需要延期2日才能确诊 

每日新增患者数量： 每日新增患者数量： 根据模型，近期人群中每日新增患者数量计算如下： 注意：图中是人群中新增发病患者数量，可与晚2日的政府发布新增数量进行对比。即22日新增患者数量可与24日政府发布的 新增病例进行对比。截至目前模型计算22日新增为369人，政府公布的24日新增病例457人 根据以上模型预计未来几日的情况如下： 1月25日将新确诊432例，人群中发病患者为4068人； 1月26日将新确诊505例，人群中发病患者为4759人； 1月27日将新确诊590例，人群中发病患者为5568人； 1月28日将新确诊691例，人群中发病患者为6514人； 1月29日将新确诊809例，人群中发病患者为7621人。 由于1月20日之后采取的各种措施，将导致发病期D下降，感染概率 下降，1月29日之后日均增长势头会减弱。 8.模型代码 模型代码 import numpy as np import matplotlib.pyplot as plt gamma = 0.55 Q = 7 D = 10 P = np.zeros(300, dtype=np.float) Psum = np.zeros(300, dtype=np.float) for i in range(Q): P[i] = 1 for j in range(300-Q): P[j+Q] = P[j+Q-1]+P[j]*gamma if j+Q-D-Q >= 0: P[j+Q] -= P[j+Q-D-Q]*gamma if j+Q == D: P[j+Q] -= 1 plt.xlabel("N") plt.ylabel("PN") plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False plt.plot(range(1, 61), P[0:60]) plt.grid() plt.show() 以上就是我们小编给大家整理的全部内容，如果大家有任何补充可以联系小编。