溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要介紹了怎么用Python進行預測疫情，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。
編程環境：anaconda下Spyder。
數據來源：整理自國家衛生健康委員會官網。
需要安裝的依賴庫有：scipy。scipy是一個用于數學、科學等領域的開源科學計算庫，其建立在Numpy之上，可用于處理積分、優化、常微分方程數值解的求解、信號處理等問題。本文主要用于函數擬合。
1).理論解釋
如何預測新冠肺炎的累計確診人數，目前常用的方法有基于SIR的傳染病模型，以及基于Logistic方程的方法等。SIR模型實現起來相對較復雜，本文將基于一個更簡單的模型——利用Logistic方程進行預測。
Logistic方程可用于描述，物種增長模型，當一個物種遷入到一個新生態系統中后，若該物種在非理想生態系統(存在天敵，食物、空間等資源緊缺等)中存在生存阻力，則物種數量大致呈現S型增長。開始產生一個緩慢的增長期，慢慢的呈現指數型爆發，后期隨著環境阻力的變化，逐漸趨于穩定。
用函數可以表示為：
參數的含義如下：
：表示隨著時間的變化，環境中物種的數量。
：表示環境中物種能達到的極限值。
：表示環境開始時期，物種的數量。
：表示增長速率，在圖形中展現的就是曲線的陡峭程度，越大，物種數量越快逼近N值。
：表示時間。
2).程序實現
程序中，首先定義待擬合函數，然后獲取“累計確診”人數數據，并利用curve_fit()函數進行參數擬合，得出需要擬合的參數。最后將擬合曲線和實際確診人數在同一圖中顯示，直觀觀測出模型效果。
通過將1月20日至2月8日的數據進行Logistic方程擬合，在2月9-11日三天預測數據和實際數據較為吻合。但在2月12日，官方的數據突然激增，這讓我們的模型失效。
在重新調整訓練數據，我們選擇將1月20日至2月26日的數據作為訓練數據，2月27-28日數據作為對照數據，可得到新的擬合曲線，預測值和實際值都相對較為吻合。
感謝你能夠認真閱讀完這篇文章，希望小編分享的“怎么用Python進行預測疫情”這篇文章對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，更多相關知識等著你來學習!
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
