为更加精准地拟合和预测流行病病毒的动态传播趋势,提出分数阶网络动力学分析方法。考虑病毒感染特性,应用流行病动力学方法构建易感—潜伏—感染—隔离—恢复—死亡—免疫(susceptible-exposed-infected-quarantine-recovered-death,SE...为更加精准地拟合和预测流行病病毒的动态传播趋势,提出分数阶网络动力学分析方法。考虑病毒感染特性,应用流行病动力学方法构建易感—潜伏—感染—隔离—恢复—死亡—免疫(susceptible-exposed-infected-quarantine-recovered-death,SEIQRDP)模型,建立具有记忆效应的分数阶复杂社交网络SEIQRDP模型,应用最小二乘法和预测校正方法,对所提出的模型进行拟合和预测,以湖北、四川和安徽三个不同地区的真实新型冠状病毒感染数据为例进行验证。结果表明:与整数阶相比,分数阶复杂网络模型的均方根误差(root mean squared error,RMSE)值更小,能够更好地拟合真实数据。展开更多
文摘为更加精准地拟合和预测流行病病毒的动态传播趋势,提出分数阶网络动力学分析方法。考虑病毒感染特性,应用流行病动力学方法构建易感—潜伏—感染—隔离—恢复—死亡—免疫(susceptible-exposed-infected-quarantine-recovered-death,SEIQRDP)模型,建立具有记忆效应的分数阶复杂社交网络SEIQRDP模型,应用最小二乘法和预测校正方法,对所提出的模型进行拟合和预测,以湖北、四川和安徽三个不同地区的真实新型冠状病毒感染数据为例进行验证。结果表明:与整数阶相比,分数阶复杂网络模型的均方根误差(root mean squared error,RMSE)值更小,能够更好地拟合真实数据。
