耦合时变SIR模型对纽约与新泽西州COVID-19数据的拟合
种群与进化
2020-06-11 v1 物理与社会
摘要
本文描述了一个简单的易感-感染-康复(SIR)模型对2020年3月纽约(NY)州COVID-19数据的拟合。该模型为经典SIR模型,但非自治;易感者变为感染者的速率随时间调整以拟合可用数据。死亡率也作为次级参数被调整。我们的拟合基于如下假设:由于检测数量有限,大部分感染人群未被检测为阳性。在最后部分,我们将模型扩展以考虑新泽西(NJ)州与NY州之间的每日通量,并对两州数据进行拟合。我们的简单模型拟合了可用数据,并展示了该疾病的典型动态:指数增长、峰值与下降。模型突显了期间传播率的下降,定量说明了封锁政策如何减少大流行蔓延。NY与NJ州的耦合模型显示出NJ的波动紧随NY波动之后,阐释了从一处吸引性热点向其邻近地区扩散的机制。
引用
@article{arxiv.2006.05665,
title = {On a coupled time-dependent SIR models fitting with New York and New-Jersey states COVID-19 data},
author = {Benjamin Ambrosio and M. A. Aziz-Alaoui},
journal= {arXiv preprint arXiv:2006.05665},
year = {2020}
}