日接触率对SI模型的影响可视化代码

以下是基于 Python 的可视化代码，用于展示日接触率对 SI 模型的影响：

import numpy as np
import matplotlib.pyplot as plt

# 设置初始参数
beta = 0.3    # 感染率
gamma = 0.1   # 恢复率
N = 1000      # 总人数
I0 = 1        # 初始感染人数
S0 = N - I0   # 初始易感人数
t = np.linspace(0, 100, 1000)   # 时间轴

# 定义 SI 模型方程
def SI_model(y, t, beta, gamma):
    S, I = y
    dSdt = -beta * S * I / N
    dIdt = beta * S * I / N - gamma * I
    return dSdt, dIdt

# 不同日接触率下的SI模型预测
R0_values = [0.5, 1, 1.5]   # 不同R0值
colors = ['blue', 'green', 'red']   # 不同线条颜色

for i in range(len(R0_values)):
    R0 = R0_values[i]
    beta = R0 * gamma
    y0 = S0, I0
    ret = odeint(SI_model, y0, t, args=(beta, gamma))
    S, I = ret.T
    plt.plot(t, I, colors[i], lw=2, label=f'R0={R0}')

# 添加图例和标签
plt.legend()
plt.xlabel('时间')
plt.ylabel('感染人数')
plt.title('日接触率对SI模型的影响')
plt.show()

其中，我们使用了 SciPy 库中的 odeint 函数来数值求解 SI 模型方程。通过循环遍历不同的日接触率（即不同的 R0 值），我们可以得到不同情况下的感染人数曲线，并将其绘制在同一张图上进行比较，从而展示日接触率对 SI 模型的影响。