使用Python3.11编程传染病模型

这里是一个简单的Python3.11编程传染病模型的示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 定义模型参数
beta = 0.3  # 感染率
gamma = 0.1  # 恢复率
N = 1000  # 总人口数
I0, R0 = 1, 0  # 初始感染人数和恢复人数
S0 = N - I0 - R0  # 初始易感人数

# 定义时间步长和时间间隔
dt = 0.1
t = np.arange(0, 100, dt)

# 定义SIR模型的微分方程
def SIR_model(S, I, R, beta, gamma):
    dS = -beta*S*I/N
    dI = beta*S*I/N - gamma*I
    dR = gamma*I
    return dS, dI, dR

# 初始化模型状态
S = np.zeros(len(t))
I = np.zeros(len(t))
R = np.zeros(len(t))
S[0], I[0], R[0] = S0, I0, R0

# 使用欧拉方法求解微分方程
for i in range(1, len(t)):
    dS, dI, dR = SIR_model(S[i-1], I[i-1], R[i-1], beta, gamma)
    S[i] = S[i-1] + dS*dt
    I[i] = I[i-1] + dI*dt
    R[i] = R[i-1] + dR*dt

# 绘制SIR模型的曲线
plt.plot(t, S, label='Susceptible')
plt.plot(t, I, label='Infected')
plt.plot(t, R, label='Recovered')
plt.legend()
plt.xlabel('Time (days)')
plt.ylabel('Number of people')
plt.title('SIR Model')
plt.show()

这个代码生成了一个简单的SIR模型，使用欧拉方法求解微分方程，并绘制了模型的曲线。你可以改变模型参数来探索不同的情况。