广义SEIR流行病模型(拟合与计算)
描述
与七个状态[2] A广义SEIR模型进行数值实现。实现是从头除了配件，依赖于功能“lsqcurvfit”来完成。因此，从一个本实施可能不同参考文献使用。[2]。
这个Matlab实现还包括一些与ref.[2]的主要区别。其中，死亡率和恢复率的表达是时间的分析和经验函数。这种时间依赖性背后的想法是，随着时间的增加，死亡率和恢复率应该趋近于一个常量。如果死亡率保持不变，死亡人数可能会被高估。出生和自然死亡并不是这里的模型。这意味着总人口，包括死亡病例数，保持不变。请注意，ref.[2]是未经同行评审的预印本，我没有足够的资格来判断论文的质量。
内容
本文件包括:
一个SEIQRDP函数。M，用于模拟感染、康复和死亡病例的时间历史(以及其他)
一个fit_SEIQRDP函数。m估计SEIQRDP中使用的10个参数。M在最小二乘意义上。
一个示例文件Documentation。Mlx，给出了数值实现。
一个示例文件Example_province_region。mlx使用了约翰·霍普金斯大学为中国湖北省COVID-19流行病收集的数据。
一个示例文件Example_Country。mlx，它使用了约翰·霍普金斯大学收集的一个国家COVID-19流行[3]的数据。
一个文件“ItalianRegions。作者:Matteo Secli (https://github.com/matteosecli），我已经修改了一个稍微强大的配件。
一个实例文件ChineseProvinces.mlx，其示出了功能fit_SEIQRDP.m是如何在for循环中被装配以从不同的中国省份数据[3]中使用。
“uncertaintiesIssues一个例子。，说明了拟合有限数据集的危险。
一个示例“Example_US_cities.mlx”示出装配时“恢复”数据不可用。
一个例子simulateMultipleWaves，这说明了多个流行波的配件MLX。
一个函数getDataCOVID，它从[3]读取由约翰霍普金斯大学收集的数据。
利玛窦塞克尔伊（写一个函数getDataCOVID_ITAhttps://github.com/matteosecli)，从意大利政府[4]收集意大利COVID-19大流行的最新数据
从收集在美国的更新后的数据的一个功能getDataCOVID_US [3]
一个功能checkRates.m该地块的安装和计算死亡和回收率（质量检查）
一个函数getMultipleWaves。m，模拟SEIRQDP模型并将其适合于检测到多个流行波的情况。
欢迎提出任何问题、意见或建议。
参考文献
L。[2]Peng,杨,W。,,D,诸葛,C,和香港,L(2020)。基于动态模型的COVID-19在中国的流行分析arXiv预印本arXiv: 2002.06563。
[3]https://github.com/CSSEGISandData/COVID-19
[4]https://github.com/pcm-dpc/COVID-19
实施例1（COVID-19在意大利的情况下）
扩展SEIR模型真实数据的拟合提供了以下结果：
实施例2（COVID-19在湖北的情况下）
扩展SEIR模型真实数据的拟合提供了以下结果：
例3(多波情况)
扩展SEIR模型真实数据的拟合提供了以下结果：
