从算法1到算法2(SIR)

  • Uncategorized

当算法1不再满足时,想到的第一件事就是SIR方法。 我们将整个人口分为三个部分:谁可以被感染(S为易感者),谁被感染(I为被感染者)和抗药性(R为抗药性)。 为了暂时保持简单,我们从固定数字(N)开始。 在模型运行期间,总体不会增加或减少。 这意味着我们可以假设 N = S + I + R 。 但是在这段时间内,相互关系确实发生了变化。 如果将模型工作的时间划分为多个周期,则可以将该假设转换为:

N=S_t+I_t+R_t

因此我们可以用百分比表示S,I和R

SIR方法具有关联转换模型形式的第二个假设:S个个体只能变成I个个体,而I个个体只能变成R个个体。我们可以尝试捕获每个周期的感染率中从 S_ {t} I_ {t} 的转变速率,例如 \beta_ {t} 以及从每个周期的恢复率得出的从 I_ {t} R_ {t} 的转变速率,例如 \mu_ {t}

我们制作了算法2,以了解这种方法的工作原理。