利用python预测sir模型_SI，SIS，SIR模型的正确实现（python）

可以使用Python中的SciPy库来实现SIR模型的预测。以下是一个简单的代码示例：

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

# 定义SIR模型的ODE方程
def sir_model(y, t, N, beta, gamma):
    S, I, R = y
    dSdt = -beta * S * I / N
    dIdt = beta * S * I / N - gamma * I
    dRdt = gamma * I
    return dSdt, dIdt, dRdt

# 定义模型参数
N = 1000 # 总人口数
beta = 0.2 # 传染系数
gamma = 0.1 # 恢复系数
I0, R0 = 1, 0 # 初始感染和康复人数
S0 = N - I0 - R0 # 初始易感人数
t = np.linspace(0, 100, 1000) # 时间序列

# 解ODE方程
solution = odeint(sir_model, [S0, I0, R0], t, args=(N, beta, gamma))
S, I, R = solution.T

# 绘制结果
plt.plot(t, S, label='Susceptible')
plt.plot(t, I, label='Infected')
plt.plot(t, R, label='Recovered')
plt.xlabel('Time (days)')
plt.ylabel('Number of people')
plt.legend()
plt.show()

在这个代码中，我们定义了一个`sir_model`函数，它描述了SIR模型的ODE方程。我们通过`odeint`函数解此方程，然后使用Matplotlib库绘制结果。