SEIR simulator2.1下载

[初看此文可以先去看下软件的使用说明介绍,里面包含软件的基础模型说明以及使用说明书]

此次疫情严重，尤以湖北为重，发生了医疗资源短缺及各种人为处理上的问题，湖北的数据前期来说失真严重。所以取一个比较大的基数数据，同时减去湖北，然后使用seir仿真工具进行参数拟合仿真，并根据仿真结果给出短期的预测信息

把预测更新信息提前：(此次为添加两天的数据信息到2.15日，2.16日的数据为预测，跟官方对比），模型参数经过优化，拟合更加准确,与前面的预测结果不同。更新2.17日的结果，well done

日期	比较	累积确诊	治愈人数	死亡人数
2.16	预测	12362.4	4257	72.8
	公布	12454	4273	76
	误差	0.00735507	0.0037444	0.042105
2.17	预测	12473	4679.5	76.2
	公布	-12562	-4586	-76
	误差	-0.007	-0.020	-0.003
2.18	预测	12561.6	5085.3	79.5
	公布	-  12544	-  5064	- 83
	误差	- 0.0014	- 0.0042	- 0.0421
2.19	预测	12632.5	5474.2	82.6
	公布	- 12644	-  5853	- 92
	误差	- 0.0009	- 0.0647	- 0.102

更新最新的软件拟合界面图（注意到，在当前的数据形式下，感染率最近的扫描结果已经超出当时软件设计的3位小数精度趋于0）

一.   目前状况

根据新浪疫情地图的实时数据（其数据来自政府官方）如图：

减去湖北的数据如下：

日期	1.11	1.12	1.13	1.14	1.15	1.16	1.17	1.18	1.19	1.20	1.21	1.22	1.23	1.24	1.25	1.26	1.27	1.28
确诊	0	0	0	0	0	0	0	0	0	21	65	127	281	558	923	1321	1801	2420
治愈	-6	-7	-7	-7	-7	-7	-7	-8	-7	0	0	0	3	6	7	7	13	23
死亡	-1	-1	0	0	0	0	0	0	0	0	0	0	1	2	4	4	6	7
日期	1.29	1.30	1.31	2.1	2.2	2.3	2.4	2.5	2.6	2.7	2.8	2.9	2.10	2.11	2.12	2.13	2.14
确诊	3125	3886	4638	5306	6059	6949	7685	8395	9099	9645	10151	10604	10980	11364	11676	11946	12170
治愈	34	55	77	113	180	236	372	520	725	937	1212	1488	1776	2103	2474	2866	3327
死亡	8	9	10	10	11	11	12	15	19	24	32	38	43	46	58	63	67

可以看到前期的数据出现了负数等情况，我们直接取1.23日后的数据导入软件进行参数拟合仿真

二.   仿真参数设置

人群参数设置：

Ø 总人数/易感人数：14亿（医学统计为人群普遍易感），直接输入14e8回车。该参数对于目前传染人数来说由于足够大，该参数对于模型推演影响微小

Ø 潜伏人数：潜伏人数与潜伏天数在数据的前后上应该有相关性，并且对模型的发形态影响巨大。经考虑，应该有如下关系（此处为个人观点）：

当日确诊/当日潜伏=当日确诊/（潜伏期天数后的确诊）=发病率定值=1/潜伏期。

把官方公布的数据尝试做假设的潜伏天数计算发病率。发现把潜伏天数设为5，计算出来的日潜伏人数的发病率最为稳定。因此把潜伏天数设为5，

那么1.23日仿真开始潜伏人数为1.28日确诊数2420

Ø 确感人数/治愈人数/死亡人数：可直接取自官方数据，1月23日分别为281，3，1。此处注意官方数据中的确诊人数为累积的确诊人数，包含了移除人数（治愈+死亡），因此把软件中此处切换为累积确感人数。

人群参数设置完成后需要点击重置按钮更新初参数。（原因是该软件的逻辑连续过程处理，方便灵活的参数设置情况）。

为方便比对，可导入全国除湖北IHD的文本数据（I确诊、H治愈、D死亡，txt文本每行包含这三个数据即可导入软件，也可联系作者获取python脚本来自动抓数据保存）。对于仿真功能来说，这不是必要的

文本文件格式示例

自然传播参数设置：

Ø  感染率（λ）：每个携带者或染病者日均感染人数；可用R0/平均潜伏天数来设置。根据初期R0=3，平均潜伏天数为3（见潜伏人数设置中），可填入参数1。【该参数可使用扫描功能选定一个最优值】

Ø  发病率（σ）/潜伏天数：感染病毒后发病的概率，在一个稳定的潜伏发病移除的进程中，发病率与潜伏天数成反比。因前面潜伏期选定最优值5（个人见解）

Ø  移除率（γ）：发病后处理结束（包括自愈和死亡）的人数与发病人数的比例，取数据同日（治愈+死亡）/确诊的值，广东省的平均值为0.06；【该参数可以使用扫描功能选定一个最优值】

Ø  移除率中的自/治愈比例（α）：自/治愈人数占移除总人数的比例，即死亡人数/移除总人数；可根据官方数据中的治愈率和死亡率计算给出：α=由治愈率/（治愈率+死亡率）的值，广东省的平均值为0.007； 【该参数可以使用扫描功能扫描死亡率选定一个最优值】

Ø  移除率中的死亡比例（β）：死亡人数占移除总人数的比例，即死亡人数/确诊总人数；β=1-α；【该参数可以使用扫描功能扫描死亡率选定一个最优值】

Ø  抗体失效率（μ）：自愈或治愈后的人群再次受到感染的比例。如果有抗体不再被感染，则置μ=0；

三. SIER仿真

1、导入数据

2、添加参数扫描任务

选择好参数以及其合适的范围，添加到扫描列表框，开始。为了加速，可以把最内层的刷新不勾选。低压I3处理器大约20秒可以扫2000个参数组合

以5天为周期扫描前期的最优参数拟合的结果是这样的：

扫描的参数结果为：

日期	感染率	移除率	死亡率	R0
1.24-1.28	0.147	0.004	0.158	0.735
1.29-2.2	0.137	0.008	0.032	0.685
2.3-2.7	0.042	0.023	0.021	0.21
2.8-2.12	0.011	0.034	0.021	0.055
2.13-2.16	-	0.053	0.008	0.055

继续以2.8-2.12日的参数结果进行推演，把未超期的数据作为推测结果进行比较，结果如下：

日期		累积确诊人数	治愈人数	死亡人数
2.13	预测	12138.9	2869.3	63.7
	公布	11946	2863	63
	误差	0.01614766	0.0022005	0.011111
2.14	预测	12382.5	3216	70.8
	公布	12170	3327	67
	误差	0.01746097	0.0333634	0.056716
2.15	预测	12606.6	3569.7	78
	公布	12335	3923	70
	误差	0.02201865	0.0900586	0.114286
2.16	预测	12185	3929	85.3
	公布	12454	4273	76
	误差	0.0215	0.0805	0.118

软件最后仿真结果截图：