抢救建模系列:关于新冠疫情+疫苗的数学建模(2续)

对之前的模型又作了一些改进，较大的改动是把模型改为了SEIMD模型，然后反复调试添加了更详细的注释说明，较小的改动是做了些许小优化提升一丢丢运行速度。

%作者：光电面壁人

%%参数初始化

N=1E6; %N为某一地区人口常量，100万人口的城市

T=1:100;%g考察时间段为T天

E=zeros(1,length(T));E(1)=0;%E为潜伏者数，初始时潜伏者数为0，E在潜伏期过后可能会变成确诊感染者

I=zeros(1,length(T));I(1)=1;%I为感染者，初始时只出现首例感染者

D=zeros(1,length(T));D(1)=0;%D为病亡群体，由感染者群体I转化而来

M=zeros(1,length(T));M(1)=0;%M为免疫者，由I中的康复者(假定康复后在考察时间段内具备免疫力且无传染性)、S和E中的接种疫苗者转化而来

S=zeros(1,length(T));S(1)=N-E(1)-I(1)-D(1)-M(1);%S为易感者，由总人口减去其他群体

contact_I=10;%为感染者群体每人每日平均接触人数，采取感染者隔离措施可显著降低至1以下，进而显著影响曲线走势；过大会溢出

contact_E=10;%为潜伏者群体每人每日平均接触人数，采取封城戒严措施可显著降低至1以下，进而显著影响曲线走势；过大会溢出

%每个感染者每日接触到的易感者数为contact_I*易感人群比重=contact_I*S/N，

%每个潜伏者每日接触到的易感者数为contact_E*易感人群比重=contact_E*S/N

infect_rate_IS=0.1;%I、S群体间的感染率，采取医学防护措施可降低，进而影响曲线走势

infect_rate_ES=0.1;%E、S群体间的感染率，采取医学防护措施可降低，进而影响曲线走势

%∴感染者群体每天感染的易感者总数为I*(contact_I*S/N)*infect_rate，易感者被感染后转化为潜伏者

%∴潜伏者群体每天感染的易感者总数为E*(contact_E*S/N)*infect_rate，易感者被感染后转化为潜伏者

A=1/7;%A为潜伏者转化为感染者的概率(潜伏期的倒数)，潜伏期一般为1~14天，取7天

%r为每日治愈率，每个患者每日有一定的几率被治好

r=0.95/length(T);%r为住院患者治愈率,新冠治愈率因地区而异，我国可达99%以上，

d=0.05/length(T);%新冠平均致死率约5%=0.05，除以天数为日均致死率

v=1e-4;%日疫苗接种率，提高日均疫苗接种率能显著影响曲线走势

z=0.99;%疫苗有效率,提高疫苗有效率也可影响曲线走势

%% 差分方程代替微分方程

这个部分和之前的基本一样，按状态转移图列写就行

然后自己随便改初始化栏的参数run，观察不同的曲线走势，比如

想要源码的话请私信我