背景:用于分析疾病扩散的最常用的数学模型是易感暴露感染的回收(SEIR)模型。此外,SEIR模型的动力学取决于几个因素,例如参数值。目标:本研究旨在比较两种优化方法,即遗传算法(GA)和粒子群优化(PSO),以估算SEIR模型参数值,例如感染,过渡,恢复和死亡率。方法:将GA和PSO算法与SEIR模型的估计参数值进行了比较。适应性值是根据累积阳性covid-19病例的实际数据与从seir covid-19模型解决方案的案例数据之间的误差计算得出的。此外,使用四阶Runge-kutta算法(RK-4)计算了CoVID-19模型的数值解,而实际数据是从印度尼西亚雅加达省正Covid-19 Case的累积数据集获得的。然后使用两个数据集比较每个算法的成功,即数据集1,代表COVID-19的扩展的初始间隔和数据集2,该间隔代表一个间隔,其中COVID-19 Case Case较高增加。结果:估计四个参数,即由于疾病引起的感染率,过渡率,恢复率和死亡率。在数据集1中,当值= 0.5时,GA方法的最小误差(即8.9%)发生,而PSO的数值误差为7.5%。在数据集2中,GA方法的最小误差,即31.21%,当时发生在= 0.5时,而PSO的数值误差为3.46%。结论:基于数据集1和2的参数估计结果,PSO比GA具有更好的拟合结果。这表明PSO对所提供的数据集更健壮,并且可以更好地适应Covid-19-19的流行病的趋势。关键字:遗传算法,粒子群优化,SEIR模型,COVID-19,参数估计。文章历史记录:2024年2月12日,2024年5月17日第一个决定,2024年6月20日接受,在线获得2024年6月28日
我们研究了三种不同的疫苗接种策略(易感性感染 - 被侵害 - 敏感的)季节性强制模型,这些模型是(i)连续疫苗接种; (ii)定期短期局部疫苗接种,以及(iii)定期脉冲宽度运动。考虑第一个策略,我们获得了基本繁殖数量的表达,并推断出确保无病平衡(DFE)溶液稳定性所需的最低疫苗接种率。在第二个策略中,将短持续时间脉冲添加到恒定的基线疫苗接种率中。根据季节性强迫阶段施加脉冲。通过在透射率曲线弯曲时定位强化免疫来获得最佳结果。因此,易感个体的44.4%的疫苗接种率足以确保DFE。对于第三次疫苗接种建议,除了振幅外,脉冲的时间宽度延长。我们获得了疫苗接种率与运动持续时间之间的非线性关系。我们的模拟表明,基线速率以及脉搏持续时间可以大大提高疫苗接种运动的效力。这些发现与我们的分析表达一致。多年来,我们展示了疫苗接种参数与受感染个体的累积数量之间的关系,并显示了免疫运动年度有关控制感染扩散的相关性。关于模型的动态行为,我们的模拟表明混乱和周期性的解决方案以及双稳定区域取决于疫苗接种参数范围。
1.Braciale, T., Sun, J.& Kim, T. 调节对呼吸道病毒感染的适应性免疫反应。Nat Rev Immunol 12, 295–305 (2012)。https://doi.org/10.1038/nri3166 2.ROBIN A W; ANTHONY J M. 传染病出现的社会和环境风险因素[J]。Nat Med, 2004,10(12): S70-S76。DOI:10.1038/nm1150。3.Falzarano, D., de Wit, E., Martellaro, C. 等。干扰素-α2b和利巴韦林联合抑制新型β冠状病毒复制。Sci Rep 3, 1686 (2013)。https://doi.org/10.1038/srep01686 4.熊成龙,蒋璐芳,吴。β冠状病毒(β-CoVs)引起的人类疾病的流行与控制[J]。上海预防医学杂志,2020,32(1)。DOI: 10.19428/j.cnki.sjpm.2020.20001。(中文) 5.周平,杨鑫,王鑫等。一种可能源自蝙蝠的新型冠状病毒引起的肺炎爆发。Nature 579, 270–273 (2020)。https://doi.org/10.1038/s41586-020-2012-7 6.欧鑫,刘燕,雷鑫等。SARS-CoV-2 刺突糖蛋白在病毒进入时的表征及其与 SARS-CoV 的免疫交叉反应。Nat Commun 11, 1620 (2020)。https://doi.org/10.1038/s41467-020-15562-9
• 波尔多,世界上最著名的葡萄酒产地之一 • 120 000 英亩葡萄园 • 8000 个“城堡” = (开放日、tas.ng、活动……) • 12000 名酿酒师!!!
