已有感染者、治愈者、死亡者数据，用最小二乘法拟合SEIR模型治愈率、死亡率的matlab完整代码

以下是基于最小二乘法拟合SEIR模型中治愈率和死亡率的Matlab完整代码：

% 导入数据并进行预处理
data = importdata('data.txt');  % 从文件中导入数据
t = data(:,1);  % 时间序列
I = data(:,2);  % 感染者数目
R = data(:,3);  % 治愈者数目
D = data(:,4);  % 死亡者数目

N = 1000000;  % 总人口数
E0 = 0;  % 初始时刻潜伏者数目
I0 = I(1);  % 初始时刻感染者数目
R0 = R(1);  % 初始时刻治愈者数目
D0 = D(1);  % 初始时刻死亡者数目
S0 = N - E0 - I0 - R0 - D0;  % 初始时刻易感者数目

% 定义SEIR函数
seir = @(t,x) [-beta*x(1)*x(2)/N; beta*x(1)*x(2)/N - sigma*x(2); sigma*x(2) - gamma*x(3); gamma*x(3); delta*x(3)];

% 初始参数猜测
beta = 0.2;
sigma = 0.1;
gamma = 0.05;
delta = 0.01;

% 最小二乘法拟合
fun = @(x) sum((R - x(1).*cumsum(I)/N - x(2).*cumsum(I)/N - D).^2);  % 定义目标函数
lb = [0, 0];  % 下限
ub = [1, 1];  % 上限
x0 = [0.2, 0.05];  % 初值
options = optimoptions('fmincon','Display','iter','Algorithm','sqp');  % 优化选项
x = fmincon(fun,x0,[],[],[],[],lb,ub,[],options);  % 最小二乘法求解

% 模拟SEIR模型
[tout,yout] = ode45(seir,t,[S0;E0;I0;R0;D0],[],beta,sigma,gamma,delta);

% 绘制拟合结果
figure;
plot(t,R,'o','LineWidth',2,'MarkerSize',10);
hold on;
plot(t,x(1).*cumsum(I)/N + x(2).*cumsum(I)/N + D,'r-','LineWidth',2);
xlabel('时间（天）','FontSize',14);
ylabel('人数','FontSize',14);
legend('实际数据','拟合结果','FontSize',12);
title(['最小二乘法拟合SEIR模型：治愈率=',num2str(x(1)),', 死亡率=',num2str(x(2))],'FontSize',14);
grid on;

% 绘制SEIR模型结果
figure;
plot(tout,yout(:,1),'b-','LineWidth',2);
hold on;
plot(tout,yout(:,2),'r-','LineWidth',2);
plot(tout,yout(:,3),'g-','LineWidth',2);
plot(tout,yout(:,4),'m-','LineWidth',2);
plot(tout,yout(:,5),'k-','LineWidth',2);
xlabel('时间（天）','FontSize',14);
ylabel('人数','FontSize',14);
legend('易感者','潜伏者','感染者','治愈者','死亡者','FontSize',12);
title(['SEIR模型：beta=',num2str(beta),', sigma=',num2str(sigma),', gamma=',num2str(gamma),', delta=',num2str(delta)],'FontSize',14);
grid on;

注：数据文件中的数据应该按照时间顺序排列，每一行包括四个数字，分别代表时间、感染者数目、治愈者数目和死亡者数目。