nCov-19 模型综述 SI模型、SIS模型 SIR模型 改进的SEIR的微分方程模型 基于SEIR模型上又增加了死亡人数D的5分室确定性微分方程模型 元细胞自动机 利用Logistic函数和LSTM分析 新型冠状病毒传播模型预测及疫情拐点 一个比较好的思路 TDD-NCP模型和FudanCCDC模型 github 上的一些项目 其他有用的东西
常见的传染病模型按照传染病类型分为回溯传播模型、SI、SIR、SIRS、SEIR模型等,按照传播机理又分为基于常微分方程、偏微分方程、网络动力学的不同类型。
比较简单, 具体看链接。
备注:
- 基于微分方程和元胞自动机模拟新型肺炎病毒的传播
- 有matlab代码
SIR模型
SIR模型(易感者susceptible、感染者infectious、痊愈者recovered), 也可以叫3分室微分模型, 在流行病学中占据了中心位置。
SIR模型会产生一个临界点,就是所谓的R0,也就是感染率与治愈概率之比。在COVID-19的传播过程中,如果R0大于1,那么感染人群呈指数增长,这种传染病就可以传遍整个人群。而R0小于1的传染病则趋于消失。像疾病控制中心这样的*机构必须依据对R0的估计来指导政策制定。
进一步考虑各国防疫措施和全球航空交通的影响.
首先对于防疫措施的影响,主要通过改变动态变化参数R0进行调整。
对于航空交通网络传播的影响,我们需要计算某一特定易感城市在某一天被邻近的受感染城市感染的概率。
该方法被证明还是非常准确的,并且通过我们的全球冠状病毒引起的肺炎疫情预测与传播路径模型的模拟结果能够“预测”主要的COVID-19疫情并显示主要的航空传播路径。
备注:
改进的SEIR的微分方程模型
SEIR原本模型
相比于之前模型,分段时滞微分方程模型的特点在于,假设疫情发生前两天未被发觉而不采取措施、肆意传染,两天后*与医院采取隔离、治疗措施,疑似患者一经发现即进行隔离,患者一经确诊即入院治疗,因此存在两个阶段。
备注:
- 新型冠状病毒传播与扩散的控制模型
- 无代码
基于SEIR模型上又增加了死亡人数D的5分室确定性微分方程模型
根据 5分室传播模型结构可知,新型冠状病毒的传播结构为:
备注:
- 关于武汉新型冠状病毒肺炎的传播预测模型
- 无代码,excel制作
- 有代码用SEIR模型来预测COVID-19
元细胞自动机
元胞自动机模型可以用来模拟传染病的传播、交通流、火灾蔓延情况、高速收费站交通情况,有利于我们更好地预测传染病传播过程、改善交通状况,更好地控制火灾蔓延,合理地设置收费站的数量等。
备注:
- 基于微分方程和元胞自动机模拟新型肺炎病毒的传播
- 有matlab代码
利用Logistic函数和LSTM分析
长短期记忆(Long short-term memory, LSTM)是一种特殊的RNN,LSTM 神经元可以存储时序信息,来解决上下文和时间问题,且没有影响其性能的消失梯度问题。
备注:
新型冠状病毒传播模型预测及疫情拐点
预测拐点的, 具体什么方法有点没看懂。
备注:
- 新型冠状病毒传播模型预测及疫情拐点
- 有Python代码
一个比较好的思路
根据时间段划分模型。
- COVID-19疫情增长模型研究,建模经验分享
- 没有代码,主要分析思路
TDD-NCP模型和FudanCCDC模型
这两个模型属于 动力学模型。指出了传统模型的不足。
- 传统大多数传统模型不考虑潜伏期对于传播的时滞影响,
- 即使考虑了潜伏者的 SEIR 和 SEIRJ 模 型也只是假设潜伏者 E 具有弱传染性, 无法刻画此次新型冠状病毒可在潜伏期传播的特性。
- 传统模型几乎没有考虑公布数据会因为确诊需要时间所带来的数据滞后性.
备注:
github 上的一些项目
- COVID-19-Charts, 图表真的贼好看
- 利用网络上的SIR传播模型分析2019-nCov数据
- 估计和预测 2019-nCoV 新型冠状病毒的爆发情况
- 2019 nCoV 三维可视化
- 2019新冠肺炎疫情染病人数预测,用SIR模型
- Using sigmoid function and SIR model
- SIR model and SEIR model
- based on the SIR model (see about page for details) that simulates a COVID19 outbreak
- SEIR_Logistic + 元细胞自动机
- 2019-nCoV SIR model(python)