传染病预测模型python

以下是使用SEIR传染病模型进行传染病预测的Python代码示例：

import numpy as np
from scipy.integrate import odeint
import matplotlib.pyplot as plt

# 定义模型参数
N = 10000  # 总人口数
E0, I0, R0 = 1, 0, 0  # 初始时刻的潜伏者、感染者和康复者人数
S0 = N - E0 - I0 - R0  # 初始时刻的易感者人数
beta, sigma, gamma = 0.3, 1/7, 1/14  # 感染率、潜伏期转化率、康复率

# 定义SEIR模型的微分方程
def deriv(y, t, N, beta, sigma, gamma):
    S, E, I, R = y
    dSdt = -beta * S * I / N
    dEdt = beta * S * I / N - sigma * E
    dIdt = sigma * E - gamma * I
    dRdt = gamma * I
    return dSdt, dEdt, dIdt, dRdt

# 定义时间点
t = np.linspace(0, 365, 365)
# 解SEIR模型的微分方程
y0 = S0, E0, I0, R0
ret = odeint(deriv, y0, t, args=(N, beta, sigma, gamma))
S, E, I, R = ret.T

# 绘制SEIR模型的预测曲线
plt.plot(t, S, label='Susceptible')
plt.plot(t, E, label='Exposed')
plt.plot(t, I, label='Infected')
plt.plot(t, R, label='Recovered')
plt.xlabel('Time (days)')
plt.ylabel('Population')
plt.legend()
plt.show()

该代码使用了Python的SciPy库中的odeint函数来解决SEIR模型的微分方程，并使用Matplotlib库绘制了预测曲线。您可以根据自己的需求调整模型参数和时间点，以获得更准确的预测结果。