[发明专利]一种基于Python和BP神经网络的新冠肺炎SIT模型反演方法

权利要求书

1.一种基于Python和BP神经网络的新冠肺炎SIT模型反演方法，其特征在于，包括以下步骤：

步骤S1：建立新冠肺炎SIT模型；

设在一固定地区内总人口初值为N，将该地区内的人群分成三类：易感者、感染者和移出者，其中，移出者包括隔离和治愈者，则t时刻的易感者、感染者和移出者之间的关系如下：

N＝S_t+I_t+R_t (1)

其中，S表示易感者；I表示感染者；R表示移出者；

设感染者日接触率为β，移出率为γ，则相对移出率且有：

设初始时刻I(0)＝I₀,S(0)＝S₀,R(0)＝R₀,则有：

S₁＝S₀-βS₀I₀； (2)

I₁＝βS₀I₀-γI₀+I₀； (3)

R₁＝γI₀+R₀； (4)

若初始值是已知的，则有：

S_t＝S_(t-1)-βS_(t-1)I_(t-1) (5)

I_t＝βS_(t-1)I_(t-1)-γI_(t-1)+I_(t-1) (6)

R_t＝γI_(t-1)+R_(t-1) (7)

步骤S2：参考历史传染病的参数数据，初步确定新冠肺炎SIT模型中的参数β和γ取值的预测区间；

步骤S3:从预测区间的最小值开始，依次将β和γ的值增加0.01，取若干组(β，γ)值，将若干组(β，γ)值及N代入循环迭代算法中，获得若干组I(t)值；

步骤S4：通过Python构建BP神经网络；

步骤S5：将若干组I(t)值作为输入，各组对应的(β，γ)值作为输出，建立BP神经网络的训练样本，并训练BP神经网络；

步骤S6：将实际的I(t)值输入训练好的BP神经网络中，反演求出参数β和γ的值；

步骤S7：将参数β和γ值代入新冠肺炎SIT模型中，可对新冠肺炎疫情走向进行分析。

2.根据权利要求1所述的一种基于Python和BP神经网络的新冠肺炎SIT模型反演方法，其特征在于，在上述步骤S3中，所述循环迭代算法采用Python进行编程。