一、简介
基于matla改进SEIR模型
二、源代码
%SEIR模型修正
%假设1月15日开始出现第一例确诊，；1月23号武汉政府开始封城，此时其他省市也相应作出响应隔离措施，大约距离15号后的11天政府管控发挥明显作用
% N=13.95*100000000;%人口数
N=1395380000;
load quanguo.mat
%第一列为累计确诊人数，第二列为累计死亡人数，第三列为累计治愈人数
E=0;%潜伏者
D=0;%死亡患者人数
I=1;%感染人数
S=N-I;%易感人数
R=0;%康复者人数
r=17;%感染者接触数量
% r=19;
B=0.602;%传染概率
% a=0.17;%潜伏者转化为感染者的概率
% a=0.175;
a=0.198;%潜伏者转化为感染者的概率
% r2=8;%潜伏者接触人数
r2=15;%潜伏者接触人数
% B2=0.03;%潜伏者传染正常人的概率
B2=0.05;
y=0.05;%康复概率
k=0.0001;%日致死率
B3=0.1;%转阴率
% T=1:200;
T=1:180;
for idx=1:length(T)-1
%若以1月18日为疫情起点，在政府发出管控号召时间以及各个地方响应延迟时间，此处采用11天后为临界点，
%相当于11天后，感染者与潜伏者流动性和医疗配置发生明显变化，具体为接触人数
if idx>=11
r=0.20;%感染者接触数量
r2=1.8;%感染者接触人数量
y=0.15;%康复率上升为0.16
a=0.12;%潜伏者转化为感染者的概率
% a=0.10;
k=0.0001;%日致死率暂无改变
end
if idx<11
S(idx+1)=S(idx)-r*B*S(idx)*I(idx)/N-r2*B2*S(idx)*E(idx)/N;%易感人群迭代
E(idx+1)=E(idx)+r*B*S(idx)*I(idx)/N-a*E(idx)+r2*B2*S(idx)*E(idx)/N;%潜伏者迭代
I(idx+1)=I(idx)+a*E(idx)-(k+y)*I(idx);%感染人数迭代
R(idx+1)=R(idx)+0.05*I(idx);%康复人数迭代
D(idx+1)=R(idx)+k*I(idx);%死亡患者人数迭代
else
S(idx+1)=S(idx)-r*B*S(idx)*I(idx)/N-r2*B2*S(idx)*E(idx)/N+B3*E(idx-10);%易感人群迭代
E(idx+1)=E(idx)+r*B*S(idx)*I(idx)/N-a*E(idx)+r2*B2*S(idx)*E(idx)/N-B3*E(idx-10);%潜伏者迭代
I(idx+1)=I(idx)+a*E(idx)-(k+y)*I(idx);%感染人数迭代
% Y参数有问题
R(idx+1)=R(idx)+0.045*I(idx-9);%康复人数迭代
D(idx+1)=R(idx)+k*I(idx);%死亡患者人数迭代
end
end
三、运行结果
四、备注
版本：2014a
