基于SIR模型的疫情预测

线性的 SIR 模型, 计算出模型中封闭系统的精确解, 得到累计病例数与时间的关系, 并通过该关系与累计确诊病例的实际数据进行拟合, 得到了传染率参数 a ，恢复系数b，和初始易感人数是的估计值, 本文提出的基于SIR的传染病动力学模型, 通过公开历史数据对模型参数进行反演,基于这些参数, 我们很好地模拟了目前疫情的发展, 并准确预测了疫情未来的趋势. 数分析显示了各级政府防控措施的有效程度. 人们的防范意识以及人们的疫情习惯对于疫情发展的影响，模拟结果显示, 如果政府加大宣传力度，增强隔离措施，个人改善自家的卫生习惯，加强防护意识，可以极大的延缓疫情的发展，减少感染人数。

%用最小二乘法估计s（t）初值和感染系数a
%data1 是河南省121到2.20的数据   data是2.1到2.20的数据
clc
clear
load data.mat
b=0.03;   % 由Nmub计算所得
%该部分用于计算a和s的初值 采用最小二乘法
s0 = 1500:10:30000;  % 估计s初值的取值范围
for n = 1:length（s0）
    s1 = s0（n） + i（1） - i（2） - r（2）;
    a = （s0（n） - s1）./（s0（n）.*i（1））;
    t = 1:8;
    [TY] = ode45（‘sir‘t[s0（n）i（1）r（1）ab]）;
    for p = 1:8
        SE（p） = （Y（p2） - i（p））.^2;
    end
    SEE（n） = sum（SE）; %此时的残差平方和
end
[vaddress] = min（SEE）;
s = s0（address）; %残差平方和最小的s（t）初值
s1 = s + i（1） - i（2） - r（2）;
a = （s - s1）./（s.*i（1））;%残差平方和最小的感染系数a
tspan = 1:30;
[TY] = ode45（‘sir‘tspan[si（1）r（1）ab]）;

%a变为原来1/2
a = a/2;
tspan = 1:30;
[T1Y1] = ode45（‘sir‘tspan[si（1）r（1）ab]）;

%a变为原来2倍
a = a*4;
tspan = 1:30;
[T2Y2] = ode45（‘sir‘tspan[si（1）r（1）ab]

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件         242  2020-03-20 19:25  consumption.mat
     文件         301  2020-03-19 23:55  data.mat
     文件         336  2020-03-19 22:42  data1.mat
     文件       28977  2020-03-20 17:21  finaldat.mat
     文件       31538  2020-03-20 20:31  forecast.jpg
     文件        1213  2020-03-20 20:31  forecast.m
     文件         715  2020-03-20 23:38  HenanConsumption.m
     文件        1067  2020-03-20 17:09  main.m
     文件        1476  2020-03-20 23:38  Main_For_Polynomial.m
     文件         245  2020-03-20 00:23  numb.m
     文件         207  2020-03-19 22:33  sir.m
     文件       27122  2020-03-20 17:22  感染者（I）.jpg
     文件       26255  2020-03-20 17:20  移出者（R）.jpg