在一些国家的长期预测COVID-19 SIRD模型

文摘

COVID-19在一些国家已经变得越来越严重,已经有显著的开发模型,预测其发展。这些模型可以帮助控制和预防这些感染的爆发。在本文中,我们做长期预测基于当前的确诊病例的数量,累计病例中恢复过来,而且死亡病例COVID-19建模方法在一些国家。我们使用SIRD (S:敏感,我:感染,R:恢复,D:死亡)流行病模型,是一个非自治动力系统,孵化时间延迟在一些国家研究COVID-19的进化。从最近的数据的分析,我们发现治愈和死亡率可能不是常数,在一些国家,他们是分段函数。他们可以从延迟SIRD估计模型的有限差分法。根据最近的数据及其后续治疗和死亡率,我们可以准确地估计模型的参数,然后预测COVID-19的进化。通过预测结果,我们可以得到的转折点,高原期,COVID-19情况下的最大数量。预测结果表明,在一些国家疫情非常严重。建议对这些国家的政府采取更严格的和科学的控制措施。 Finally, we studied the impact of the infection rateCOVID-19。我们发现,当感染率减少,累计确诊病例数量和目前感染病例的最大数量将大大减少。结果进一步确认,这些国家采取的控制技术来控制应加强COVID-19进一步的传播。

1。介绍

2019年12月,爆发的一个典型肺炎发生在武汉市、湖北省的首都,中国。在随后的几周,该病毒传遍中国。估计任何感染的传播趋势随着时间的推移可能会提供信息和见解的流行病学状况并确定疫情控制策略有显著影响(1,2]。这种方法可以为决策者提供场景预期的未来进展和有助于量化风险,直接缓解策略(3]。COVID-19疫情已报道的原因(4- - - - - -6]。Hellewell和阿伯特7)建立了一个随机传输模型,parameterising COVID-19爆发。在本文中,我们使用经典的传染病模型,即。,the SIRD compartment model, to investigate the tendency of COVID-19 in some foreign countries. Dhanwant and Ramanathan [8)采用先生预测方法COVID-19爆发在印度使用SciPy平台。Elhia et al。9)优化爵士流行模型随着时间的变化在摩洛哥和甲型H1N1流感数据的控制措施。库马尔(10]研究了非自治的影响印度先生通过使用一个模型。Vattay [11预测结果和爵士的流行病模型参数估计死亡时间序列。Bagal [12)先生COVID-19模型情况下的参数估计在印度控制时期。杰斯和查尔斯13)建立了一个SIRD模型。杨Zifeng et al。14)使用修改后的西珥和人工智能预测COVID-19在中国的流行趋势。陈昱et al。15)利用时滞动力学模型研究流行病的爆发。彭Liangrong et al。16)提出了一个广义西珥模型来分析这种流行病。公共数据的基础上,从1月20日中国国家健康委员会^th2月9日^th,2020年,他们可靠估计关键参数和流行情况预测转折点和可能的结束时间5个不同的区域。志华刘et al。17)建模COVID-19在中国和他们使用的早期报告数据情况下预测的累计报告病例数最后一个尺寸。林前营et al。18概念模型用于COVID-19爆发。彼得的歌et al。19流行病学研究预测模型。分析和预测COVID-19研究在国外有些国家(20.- - - - - -22]。预测在中国有色人种协进会和COVID-19的高原阶段研究[23,24]。COVID-19治疗和预后的研究(25,26]。讨论了COVID-19的遏制战略27]。Cartocci et al。28]提出一种分布式时变SIRD模型以年龄和性别组。模型提供了见解和附加信息的动态COVID-19在意大利。穆罕默迪et al。29日]介绍了分数阶SIRD模型与卡普托的导数。他们研究了模型的稳定性和非负解的存在性和唯一性。志诚郑et al。30.)建造了一个SIRD模型考虑的因素的封锁和暴乱。他们得出结论,减少流动性和增加社会距离是最有效的措施来结束之前流行。Devosmita和Debasis31日)提供了一个修改SIRD COVID-19模型来分析数据。SIRD模型的参数估计不同的方法(32,33]。尼萨尔et al。34]讨论了分数阶SIRD数学模型和计算的基本通过下一代繁殖数量矩阵。Jahanshahi et al。35]介绍了变量内存索引SIRD模型和定义了一个分数阶SIRD时间函数模型。帕切科和拉赛尔达36)与SIRD模型证明了量化的方法不同的速率通过函数估计是非常健壮的和一致的。杰森et al。37)利用SIRD模型预测数量高峰。毗瑟挐et al。38]研究了高斯模型、SIRD SEIRD和最新SEIHRD技术用于预测流行病。Lounis和Raeei39]SIRD模型估计的基本繁殖数量和峰值COVID-19流行在阿尔及利亚。Ananthi et al。40]预测艾滋病的感染传播和回收率的模拟模型,并检查了漏洞。Gupth et al。41]SIRD舱模型用于COVID-19的参数估计和预测。Al-Raeei [42]应用SIRD模型估算的基本生殖COVID-19的数量。因此,适合COVID-19 SIRD模型是最基本的模型。

我们研究流行病的发展通过时滞的非自治SIRD流行病模型。在这里,我们选择推迟时滞模型有两个原因。首先,易感人群不会接触后立即被感染病毒。该病毒具有潜伏期。潜伏期后,病人将显示症状,被诊断为感染者。因此,我们引入了一个延迟孵化。其次,治愈率、死亡率随时间变化。如果他们被视为常数,模型的错误将会增加。治愈率和死亡率作为时间的函数可以清楚地观察他们的真实变化。从他们的改变,我们还可以看到国家抗击艾滋病的态度在这段时间。 So it is more reasonable to take them as the functions of time. Hence, we think that the nonautonomous SIRD epidemic model with a time delay can more accurately reflect the development of the epidemic. Using the finite difference method, we find that the cure and death rates in some countries may not be constant and may be piecewise functions. Based on the data released by the Worldmeter [43),准确地估计模型的参数,以模拟流行病的长远发展。我们的长期预测当前敏感,证实,累计回升,在一些国家COVID-19死亡病例。我们可以估计COVID-19的转折点和结束时间和电流的最大数量确认后,恢复,死亡病例。

本文的结构如下:在部分2,SIRD模型介绍。SIRD模型的参数估计,提出了部分3。节4一些国家的长期预测,以及之后的加强预防和控制措施,提出了。中给出的结论和讨论部分5。

2。SIRD模型建立

本节介绍了非自治时滞传染病模型,在一些国家COVID-19。SIRD模型分为若干部分的模型描述如何在人口疾病的传播。它是一组一般解释传染病的动力学方程。SIRD模型的研究对象是易感,感染,恢复,死亡病例。人口正在研究假定是不变的。很明显, 。在模型中,自然出生率和死亡率都不考虑。我们使用以下符号标记在每个类别的人数:(我) :敏感,代表的人数没有传染病但在未来可能有传染病(2) :感染,代表的人数有传染病(3) :恢复,代表累积或恢复组的总数(iv) :死了,代表死者的累计总数或团体

本文模型的亮点在于以下。

首先,介绍了时间延迟来描述病毒潜伏期。被感染的情况下经历的潜伏期前几天显示显著的症状。一旦出现症状,感染者寻求治疗,会变成了确诊病例。许多工作没有考虑孵化延迟的影响。但实际上,这种延迟很长,甚至超过20天,及其对动态的影响是至关重要的。所以,我们必须引入到模型中,考虑其影响动力学和稳定性。在本文中,我们取平均值,4天,孵化延迟。

其次,根据Worldmeter发布的数据,我们发现可能治愈和死亡率在一些国家可能不是常数,可以分段函数。死亡率可能不断增加。原因在于医疗资源和治疗措施已经饱和。治愈率在一些国家已经略有增加,而其他国家的治愈率有所下降,这可能是由于感染数量的快速增长。通过有限差分方法,我们获得准确的治疗和死亡率函数。非常重要的长期预测COVID-19在这些国家。治愈和死亡率的部分结果显示在图中1。

通过分析,我们可以得到COVID-19在一些国家的非自治时滞动态模型如下:

在上面的模型中,代表的传播率容易受感染。在模型(1),我们的价值观孵化延迟平均值,4天。代表感染病例的治愈率。代表感染病例的死亡率。根据这个模型,约等于新治愈病例的数量除以当前每天的感染病例数量。几乎等于每天的死亡人数除以当前的感染病例数量。从方程(1),我们获得以下表达式:

3所示。延迟SIRD模型中的参数估计

由于寒冷的天气,这种流行病在一些国家已变得更加严重。自暴发的时间在不同的国家是不同的,我们选择的时间也不同。我们选择从9月15日的数据^th11月15^th作为法国和俄罗斯的研究数据;从10月1日的数据^圣11月15^th作为意大利和德国的研究数据;从9月15日的数据^th到11月20日^th匈牙利和加拿大的研究数据;从9月10日的数据^th到11月20日^th作为伊朗的研究数据;从9月1日的数据^圣到11月20日^th作为乌克兰的研究数据;从10月31日的数据^圣到11月20日^th作为日本的研究数据、土耳其和美国;从10月17日的数据^th到11月20日^th作为巴基斯坦的研究数据;从9月20日的数据^th到11月20日^th立陶宛的研究数据;,从10月15日的数据^th到11月20日^th乌干达的研究数据。对这些国家来说,我们选择第一天的数据作为初始函数。在SIRD模型中,参数估计 。通过有限差分方法,我们得到的和 。我们估计和分别通过计算平均值。的值和显示在表1- - - - - -3。分析表1- - - - - -3,我们发现法国、意大利、匈牙利、乌克兰、立陶宛和乌干达治愈率很低。加拿大和日本有相对较高的治愈率。匈牙利、加拿大、伊朗、日本、土耳其和巴基斯坦有更高的死亡率。

基于最小二乘法,我们使用Lsqnonlin建于MATLAB函数进行参数反演,得到最优参数。我们使用Lsqnonlin函数的原因是,它是一个相对先进的工具MATLAB,采用参数估计时,结果是完美的。我们选择第一天作为初始选定的数据的功能 , , ,和dd (1)。在这里,我们也给出一些结果数据的参数估计和拟合曲线2和3。蓝色的点是参数估计的真实数据。红色的固体曲线COVID-19安装演化曲线的模型(1)。在这里,我们使用相对误差和平方来评估模型的参数估计的结果。模型的评价结果如图4和5和表4和5。通过观察数据4和5,我们发现有些国家相对误差为感染病例。这是我们方法,相关数据统计的准确性,数据的不规则或nonsmoothness演化曲线。由于未知的初始函数和不完美的估计治愈和死亡率,我们的方法具有结果精度有限,不能与实际数据相一致。一些国家可能不准确的统计数据,这也可能导致某些错误。这些错误也可能是相关国家预防和控制政策的调整,人们的意志,和气候变化。然而,通过观察表4和5,我们发现真正的数据和拟合数据是在良好的协议。这表明,我们的方法是有效的和强大的。根据官方数据,我们得到了参数反演结果见表6。

4所示。长期预测

4.1。长期预测基于模型(1)

的参数获得的部分3代入方程(1),数值方法进行模拟的演进 , , ,和 。在数据6和7在一些国家,我们进行长期预测COVID-19基于这个模型。根据预测的结果,很明显,COVID-19的情况在法国、意大利、德国、匈牙利、巴基斯坦、立陶宛、乌干达和美国将开发非常认真。几乎所有人都能最终被感染。政府应该加强预防和控制的现状。情况在俄罗斯、加拿大、伊朗、乌克兰、日本和土耳其明显更好。他们有一个相对较低的感染率。与法国和意大利相比,这些国家也采取了更好的防疫措施,但隔离和控制措施仍需进一步加强。的流行法国、俄罗斯、乌克兰、土耳其、立陶宛、乌干达和美国将持续时间更长和高原期以后再来。法国、意大利、匈牙利、巴基斯坦、乌干达和立陶宛有较大比例的死亡由于其治愈率低。伊朗已经相对较大比例的死亡由于其高死亡率。

4.2。感染率的影响

显然,如果包含更有效地加强,感染率下降。在图8,我们的长期预测减少感染率 。在这里,我们选择一些国家有严重流行病调查的影响作出预测 。数据显示6- - - - - -8,我们发现累计确诊病例数量和目前感染病例的最大数量显著降低由于更好的包含了对应于较小 。它将COVID-19显著降低医疗成本。结果进一步确认,这些国家采取的控制措施以遏制疾病的传播是有效的,需要进一步加强。结果还表明容器将会非常有效的和有用的。但死亡比例将保持几乎相同的医疗措施由于饱和和资源。如果加强控制,转折点的时间将被推迟,所以将高原期的到达时间。

5。结论

SIRD流行病模型是古典和有效的传染病数学模型。摘要SIRD模型是用来描述COVID-19在一些国家的发展。通过分析最近的数据,我们发现这些国家的治愈和死亡率是分段函数而不是常数。我们估计他们的有限差分方法。,替换成SIRD模型后,我们估计感染率通过最近的数据。最后,我们模拟延迟SIRD模型(1)与上述参数的长期预测COVID-19国家,即。,在同样的措施和条件。我们也考虑加强控制的效果,即。,小 。最近的数据的分析表明,两国的预防和控制措施可以显著地影响发展。如果这些国家加强预防和控制感染和的最大数量的累积数量目前感染病例会显著降低。因此,从结果,干预措施更有效地包含在这些国家COVID-19的传播。然而,如果成员之间的交互速度的人口依然不受控制,受感染的病例数量会增加。这将是促进无症状的存在,人们将在人口向他人传播该病。本文不预测流行病的第二波自我们估计参数的时滞DDE系统与强大的确定性,不能受到更大的波动。这是该方法的特点和局限性。然而,第二波疫情通常是与气候变化有关,改变政府的预防和控制政策,人们的意愿控制疫情。这些因素的变化会引起更大的DDE的随机干扰,使其不确定性。因此,我们很难准确地预测第二波。 Finally, we hope that the governments will impose the strictest and most scientific and effective containment measures, so as to quickly conquer COVID-19.

数据可用性

本研究使用的数据来支持从以下网站:https://www.worldometers.info/coronavirus/。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者要感谢金融支持本研究通过中国国家自然科学基金(号。11972327,11372282,10702065)。

引用

1. a . j . Kucharski t·w·罗素,c .钻石et al .,“COVID-19的早期传播动力学和控制:数学模型的研究,“《柳叶刀传染病,20卷,不。5,553 - 558年,2020页。视图:出版商的网站|谷歌学术搜索
2. 即Rudan”,一连串的原因导致COVID-19悲剧在意大利和其他欧盟国家,“全球卫生杂志,10卷,不。1,文章ID 010335, 2020。视图:出版商的网站|谷歌学术搜索
3. k Kosmidis和p . Macheras动力学的分形动力学SI模型可以解释COVID-19流行,”《公共科学图书馆•综合》,15卷,不。8日,pp. e0237304-9, 2020年。视图:出版商的网站|谷歌学术搜索
4. d·k·w·楚,y, s m . s . Cheng et al .,“分子诊断的一种新的冠状病毒(2019 - ncov)引起肺炎的爆发,“临床化学,卷66,不。4、549 - 555年,2020页。视图:出版商的网站|谷歌学术搜索
5. Siddique汗,阿里,r, g .纳比”新型冠状病毒是整个世界保持警惕,”《医院感染,卷104,不。3、252 - 253年,2020页。视图:出版商的网站|谷歌学术搜索
6. 汗,g .纳比·g·汉et al .,“新型冠状病毒:在武汉,“临床微生物学和传染病,26卷,不。4、399 - 400年,2020页。视图:出版商的网站|谷歌学术搜索
7. j . Hellewell雅培,a Gimma et al .,”控制的可行性COVID-19孤立的病例和暴发联系,“《柳叶刀》杂志上。全球健康,8卷,不。4,pp. e488 - 496, 2020。视图:出版商的网站|谷歌学术搜索
8. j . n . Dhanwant Ramanathan诉,“预测COVID-19生长在印度使用susceptible-infected-recovered (S.I.R)模型,”2020年,http://arxiv.org/abs/2004.00696。视图:谷歌学术搜索
9. e·穆罕默德·r·Mostafa, b . Elhabib”先生的最优控制模型与状态和控制变量,“ISRN Biomath,第2013卷,第403549页,2013年。视图:谷歌学术搜索
10. n . Kumar“非自治社会距离影响COVID-19流行在印度,”2020年,http://arxiv.org/abs/2003.12055。视图:谷歌学术搜索
11. g . Vattay”,预测结果和评估疫情死亡时间序列的模型参数COVID-19疫情,”物理生物学,17卷,不。6、文章ID 065002, 2020。视图:出版商的网站|谷歌学术搜索
12. d . k . Bagal a . Rath a . Barua和d . Patnaik”估计susceptible-infected-recovered COVID-19模型参数的情况下在戒严时期在印度,”混乱,孤波和分形文章ID 110154卷,140年,2020年。视图:出版商的网站|谷歌学术搜索
13. j . Fernndez-Villaverde和c。琼斯,“估计和模拟SIRD COVID-19模型对许多国家,州和城市,“期讨论文件,2020年文章ID 27128。视图:谷歌学术搜索
14. z z,曾庆红,k . Wang et al .,“修改西珥和人工智能预测COVID-19的流行趋势在中国的公共卫生干预措施,”胸疾病杂志,12卷,不。2、165 - 174年,2020页。视图:出版商的网站|谷歌学术搜索
15. y y . Chen j . Cheng江,k . Liu”爆发的时间延迟动态模型2019 - ncov和参数识别”《逆和病态问题,28卷,不。2、243 - 250年,2020页。视图:出版商的网站|谷歌学术搜索
16. l .彭w·杨,d, c .诸葛和l .香港“流行在中国COVID-19动力学建模分析,“2020年,http://arxiv.org/abs/2002.06563。视图:谷歌学术搜索
17. p . Magal z . Liu, o . Seydi和g·f·韦伯”预测的累积病例数COVID-19流行在中国从早期数据,”2020年,http://arxiv.org/abs/2002.12298。视图:谷歌学术搜索
18. 问:林,赵,d高et al .,“冠状病毒病的概念模型2019 (COVID-19)疫情在武汉,中国与单个反应和政府行动,”国际传染病杂志》上卷,93年,第216 - 211页,2020年。视图:出版商的网站|谷歌学术搜索
19. 周y l . Wang, j .他et al .,“流行病学预测模型和软件评估干预COVID-19流行在中国,“medRxiv,2020年。视图:出版商的网站|谷歌学术搜索
20. a . Remuzzi和g . Remuzzi“COVID-19和意大利:接下来会发生什么?”《柳叶刀》,卷395,不。10231年,第1228 - 1225页,2020年。视图:出版商的网站|谷歌学术搜索
21. 崔大肠垫片,a . Tariq w . y . Lee)和g . Chowell”传播的潜在和严重程度COVID-19在韩国,“国际传染病杂志》上卷,93年,第344 - 339页,2020年。视图:出版商的网站|谷歌学术搜索
22. 和f . d内利广场”,分析和预测COVID-19蔓延在中国,意大利和法国,”混乱,孤波和分形文章ID 109761卷,134年,2020年。视图:出版商的网站|谷歌学术搜索
23. l .贝聿铭“预测数字病人确诊的累积(有色人种协进会)和2019 - ncov高原期的中国,“Cogn Neurodyn,14卷,不。3、1 - 14,2020页。视图:出版商的网站|谷歌学术搜索
24. t曾庆红,y, z, x,和b .秋”的预测2019 - ncov传输结束通过全面的方法,“2020年,http://arxiv.org/abs/2002.04945。视图:谷歌学术搜索
25. h·陈和杜问:“潜在天然化合物防止SARS-CoV-2 (2019 - ncov)感染,”医学和药理学,2020年。视图:出版商的网站|谷歌学术搜索
26. x柴,l . Hu y . Zhang et al .,“具体ACE2表达cholangiocytes可能引起肝损伤后2019 - ncov感染,”bioRxiv,2020年。视图:出版商的网站|谷歌学术搜索
27. p . Bittihn和r . Golestanian遏制战略基于波动的流行病先生模型2020年,2020年,https://arxiv.org/abs/2003.08784。
28. A . Cartocci g . Cevenini, p . Barbini说,“一个隔间建模方法重建和分析性别和年龄段CoViD-19意大利数据决策策略,”生物医学信息学杂志文章ID 103793卷,118年,2021年。视图:出版商的网站|谷歌学术搜索
29. h·穆罕默迪、美国Rezapour和a . Jajarmi”在部分SIRD传输的数学模型和控制COVID-19:疾病的第一和第二波在伊朗和日本,”ISA事务,9卷,不。4、2021。视图:出版商的网站|谷歌学术搜索
30. 秦y, z z郑,谢k . Wang y Yu和p .傅”探索人类迁移的影响因素和传播预测早期COVID-19在美国,“BMC公共卫生,21卷,不。1,p。615年,2021。视图:出版商的网站|谷歌学术搜索
31. d·森和d·森”使用修改SIRD模型来分析COVID-19数据,”工业化学与工程化学研究,60卷,不。11日,第4260 - 4251页,2021年。视图:出版商的网站|谷歌学术搜索
32. 诉La Gatta诉Moscato m . Postiglione和g . Sperli“流行病学神经网络利用动态图像结构化数据应用于COVID-19爆发,“IEEE大数据,7卷,不。1、45 - 55,2021页。视图:出版商的网站|谷歌学术搜索
33. f·s . Lobato g·m·普拉特g . b . Libotte和a·j·席尔瓦否决权,“制定和解决方案的一个逆可靠性问题模拟COVID-19大流行的动态行为,”计算和应用数学的趋势,22卷,不。1,第107 - 91页,2021。视图:出版商的网站|谷歌学术搜索
34. k . s .,这个s·艾哈迈德·a . Ullah k .沙h . Alrabaiah和m . Arfan”SIRD模型的数学分析与卡普托COVID-19分数导数基于真实数据,“结果在物理ID 103772条,卷。21日,2021年。视图:出版商的网站|谷歌学术搜索
35. h . Jahanshahi j . m . Munoz-Pacheco s Bekiros和n . d . Alotaibi”一个分数阶SIRD模型与时间记忆指标包括multi-fractional COVID-19特点,“混乱,孤波和分形,卷143,不。2、文章ID 110632, 2021。视图:出版商的网站|谷歌学术搜索
36. c·c·帕切科和c·r·德·拉赛尔达”函数估计和正规化SIRD模型应用于COVID-19流行病,”在科学和工程反问题卷。628年,硕士论文,2021页。视图:出版商的网站|谷歌学术搜索
37. 杰森,a . Roslynlia和a . a . s .谷纳温”预测社会距离影响COVID-19使用SIRD模型在雅加达,“Procedia计算机科学,卷179,不。4、662 - 669年,2021页。视图:出版商的网站|谷歌学术搜索
38. 诉Vytla, s . k . Ramakuri a . Peddi k Kalyan斯,和n Nithish Ragav,以后“数学模型预测COVID-19流行:复习一下,”物理学杂志》:会议系列,卷1797,不。1,文章ID 012009, 2021。视图:出版商的网站|谷歌学术搜索
39. m . Lounis和m . a . Raeei”的流行病学指标估计在阿尔及利亚COVID-19 SIRD模型,”欧亚医学和肿瘤学杂志》上,5卷,不。1,54-58,2021页。视图:谷歌学术搜索
40. p . Ananthi s Jabeen女王,诉拉莎Jothi s Kayalvili和s Gokulraj”调查预测的脆弱性covid 19在泰米尔纳德邦,”物理学杂志》:会议系列,卷1767,不。1,文章ID 012006, 2021。视图:出版商的网站|谷歌学术搜索
41. h . Gupth s库马尔·d·亚达夫et al .,“数据分析和数学建模仿真的动态COVID-19 epidemic-a印度的案例研究,“电子产品,10卷,不。2,p。127年,2021年。视图:谷歌学术搜索
42. m . Al-Raeei“新冠状病毒大流行的基本繁殖数量与死亡率为印度、阿拉伯叙利亚共和国、美国、也门、中国、法国、尼日利亚和俄罗斯不同速度的情况下,“临床流行病学和全球健康9卷,第149 - 147页,2021年。视图:出版商的网站|谷歌学术搜索
43. https://www.worldometers.info/coronavirus/。

版权

版权©2021一派裴和Mengyu张。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。