利用SEIR模型和机器学习对印度Covid-19感染的禁闭和其他效应的建模效应 (Modeling Effect of Lockdowns and Other Effects on India Covid-19 Infections Using SEIR Model and Machine Learning)

The SEIR model is a widely used epidemiological model used to predict the rise in infections. This model has been widely used in different countries to predict the number of Covid-19 cases. But the original SEIR model does not take into account the effect of factors such as lockdowns, vaccines, and re-infections. In India the first wave of Covid started in March 2020 and the second wave in April 2021. In this paper, we modify the SEIR model equations to model the effect of lockdowns and other influencers, and fit the model on data of the daily Covid-19 infections in India using lmfit, a python library for least squares minimization for curve fitting. We modify R0 parameter in the standard SEIR model as a rectangle in order to account for the effect of lockdowns. Our modified SEIR model accurately fits the available data of infections.

翻译：SEIR模型是一种广泛使用的流行病学模型,用于预测感染病例的增加,这一模型在不同国家被广泛用于预测Covid-19病例的数量。但最初的SEIR模型没有考虑到锁定、疫苗和再感染等因素的影响。在印度,Covid第一波始于2020年3月,第二波于2021年4月。在本文中,我们修改了SEIR模型方程式,以模拟锁定和其他影响者的影响,并适合印度Covid-19传染病日报数据模型,该模型是用于尽量减少曲线安装的平方字库。我们修改了标准SEIR模型中的R0参数,作为计算锁定效应的矩形。我们修改过的SEIR模型准确符合现有感染数据。

相关内容

MoDELS

关注 40

ACM/IEEE第23届模型驱动工程语言和系统国际会议，是模型驱动软件和系统工程的首要会议系列，由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来，模型涵盖了建模的各个方面，从语言和方法到工具和应用程序。模特的参加者来自不同的背景，包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛，参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会，并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。官网链接：http://www.modelsconference.org/