Implémenter le modèle mathématique «modèle SIR» des maladies infectieuses avec OpenModelica (exemple de régulation répétée et de relaxation)

Modifier périodiquement le taux de contact (taux d'infection) dans le modèle SIR de base

Dans l'article précédent, "Implémentation d'un modèle mathématique" modèle SIR "de maladies infectieuses dans Open Modelica (reflétant le taux de mortalité et de réinfection)" Simulons le type de graphique qui sera obtenu en modifiant périodiquement le taux de réinfection avec le modèle créé et en répétant l'état régulé et l'état détendu.

Prérequis pour ce modèle --Modèle SIR de base avec 0 mortalité et 0 taux de réinfection --Ne pas utiliser de vaccin

** Veuillez noter que toutes les simulations suivantes ne sont que la vérification du modèle avec des paramètres temporaires et ne reflètent ni n'anticipent les valeurs réelles. ** **

Modifications du modèle

Réglez le TimeTable pour qu'il répète 100% et 20% (diminution de 80%) tous les 15 jours pour l'entrée de valeur β de cl_SIRbetaInput. Il restera à 100% après 60 jours. Converti en 100, 20 en ajoutant du gain pour faciliter la visualisation du changement de valeur β sur le graphique.

Modèle créé

30_SIR_timetable.png

résultat de la simulation

Graphique des personnes infectables, des personnes infectées, des personnes nouvellement infectées et des récupérateurs

30_SIR_timetable_graph.png

Graphique des personnes infectées et des personnes nouvellement infectées uniquement

Seule la transition des personnes infectées sera élargie et confirmée. Il a été confirmé que si le taux de contact est modifié périodiquement à 100% et 20% dans le modèle SIR de base, le nombre de personnes nouvellement infectées commencera à augmenter dès que la réglementation sera assouplie au stade précoce de l'infection, et diminuera si elle est à nouveau réglementée. Je peux le faire. Aussi, si le nombre de récupérateurs (acquéreurs d'anticorps) augmente à plus de 50% avec le temps (après le 60ème jour du graphique), le nombre de personnes nouvellement infectées semble diminuer progressivement même si le taux de contact augmente. 31_SIR_timetable_graph.png

Graphique lorsque le taux de contact parvient à être réduit d'environ 50% même pendant la relaxation

Jusqu'à 60 jours, il semble être supprimé par l'effet contrôlé. Cependant, si vous le relâchez à partir de là, le nombre de personnes nouvellement infectées augmentera considérablement. Il semble qu'il devrait être atténué avant que le nombre d'acquéreurs d'anticorps n'atteigne un certain nombre. 32_SIR_timetable_graph.png

Article associé

Implémentation du modèle mathématique "modèle SIR" des maladies infectieuses dans Open Modelica Implémenter un modèle mathématique "modèle SIR" de maladies infectieuses dans Open Modelica (voir l'effet du vaccin) Mettre en œuvre un modèle mathématique "modèle SIR" de maladies infectieuses dans Open Modelica (reflétant le taux de mortalité et de réinfection) Introduction d'un modèle de prédiction mathématique pour les maladies infectieuses (modèle SIR)

Modèle OpenModelica

Publié sur GitHub. pk_SIRmodel.mo

Recommended Posts

Implémenter le modèle mathématique «modèle SIR» des maladies infectieuses avec OpenModelica (exemple de régulation répétée et de relaxation)
Implémenter le modèle mathématique «modèle SIR» des maladies infectieuses avec Open Modelica
Mettre en œuvre le modèle mathématique «modèle SIR» des maladies infectieuses dans OpenModelica (reflétant le taux de mortalité et de réinfection)
Implémenter le modèle mathématique «modèle SIR» des maladies infectieuses dans OpenModelica (voir l'effet du vaccin)
Introduction d'un modèle de prédiction mathématique pour les maladies infectieuses (modèle SIR)
Implémenter un modèle avec état et comportement (3) - Exemple d'implémentation par décorateur
Modèle de prédiction mathématique des maladies infectieuses (modèle SIR): étude de cas (1)
Modèle mathématique des épidémies de maladies infectieuses
Implémenter un modèle avec état et comportement
Prédire les épidémies de maladies infectieuses avec le modèle SIR
Résolution du modèle Lorenz 96 avec Julia et Python
Exemple de lecture et d'écriture de CSV avec Python
[Analyse du modèle SIR] Pic du nombre d'infections au Japon et dans le monde ♬