算法0

  • Uncategorized

一个公式

3月16日,COVID-19大流行在欧洲爆发。看着那天的世界温度计,还记得它的开始,并从互联网上选择了可靠的繁殖数量,他想出了一种非常简单的设计,该机制可以幼稚地计算感染人数 I t 时刻:

I_{t} = L_{t} + N_{t} * C

以下是使用简单语言运行公式的重要元素:

公式的元素

I_{t}
L_{t}
Lb1_{t}
N_{t}
C
g
n
seed-date
t 期结束时感染的数量
#在上一个周期中, L_ {t} 等于 I_ {t-1}
#最后1个Lb1_ {t} = I_ {t-2}
#最近一次感染的新病毒是L_ {t} -Lb1_ {t}
repronumber(感染者污染的平均数)
周期/世代的平均长度(以天为单位)(设置为5天)
考虑的周期数(设置为17)
首次污染的日期,设置为2019年12月29日

伪代码中的算法

Setup initial values (parameters)
   set I 1 set L 0 set N 0
   set C 2 set g 5 
Setup help variables
  set t 0 set seed-date 0 set day 0
  set n 17 set ticks 0 
a: Process the current generation
   if ticks > n [stop] 
   print [day ticks I]
   set Lb1 L 
   set L I 
   set I  I + (L - Lb1)*C
   set day day + g
   set ticks ticks + 1
   back to a:   
屏幕快照algoritme 0

动机

当面对现实世界的观察时,算法和公式都必须是错误的。例如,它不会将重要现象严重化。多少人易感?有多少抵抗力(或死亡)?这两个(在最成功的流行病模型SIR模型的三个模型中)根本就不存在。此外,重复数的变化(例如,由比率,恐慌或调节作用引起)以及污染时间和死亡率不是模型的一部分。在算法0中只能发现感染的数量。那么,为什么还要打扰呢?在这里发挥领导作用的苏姆先生的主要原因是ICg模型(在世界上流行的时候,我们还不很了解流行病的发生时间,但传染病(I)是重数(C)和世代(g)的函数,可能就足够了。关于病毒的融合性和传播速度的印象—必须考虑采取监管措施。 查看处进行进一步讨论。