如何用Python进行模拟预测新冠病毒肺炎疫情趋势？

本文共计1274个文字，预计阅读时间需要6分钟。

家里还好吗？背景就不多说了。本来我是初四上班的，现在延期到2月10日了。这是我工作以来时间最长的一次假期了。可惜也没去哪。待在家里，没什么事，就用Python模拟预测一下。

大家还好吗？

背景就不用多说了吧？本来我是初四上班的，现在延长到2月10日了。这是我工作以来时间最长的一个假期了。可惜哪也去不了。待在家里，没啥事，就用python模拟预测一下新冠病毒肺炎的数据吧。要声明的是本文纯属个人自娱自乐，不代表真实情况。

采用SIR模型，S代表易感者，I表示感染者，R表示恢复者。染病人群为传染源，通过一定几率把传染病传给易感人群，ta自己也有一定的几率被治愈并免疫，或死亡。易感人群一旦感染即成为新的传染源。

模型假设:

①不考虑人口出生、死亡、流动等情况，即人口数量保持常数。

②一个病人一旦与易感者接触就必然具有一定的传染力。假设 t 时刻单位时间内，一个病人能传染的易感者数目与此环境内易感者总数s(t)成正比，比例系数为β，从而在t时刻单位时间内被所有病人传染的人数为βs(t)i(t)。

③ t 时刻，单位时间内从染病者中移出的人数与病人数量成正比，比例系数为γ，单位时间内移出者的数量为γi(t)。
模型为

其中，β为感染系数，代表易感人群与传染源接触被感染的概率。γ为隔离(恢复)系数，我们对其倒数1/γ更感兴趣，代表了平均感染时间(average infectious period)。S(0)为初始易感人数，I(0)为初始感染人数。