Epidemic model

流行病模型

在随后的两个实例中，将采用另一种模型——经典的SIR流行病模型，该模型全称为易感-感染-恢复模型，亦被称作“流行病学中的区隔模型”。

1、流行病模型——校准

通过构建模拟系统来再现传染病在人群中的扩散过程，其中每个个体均处于易感状态，一旦感染即可将病原体传播给他人。然而，疾病的感染周期具有时间限制，当个体康复后将获得免疫能力。该模型中存在两个关键参数（重点分析）：
1、传染性——指已感染个体与未感染者接触时，疾病传播的可能性
2、平均病程（AverageILLnessDuration）——个体在被感染后维持传染性的平均时长
这些参数在现实环境中难以直接获取（至少在合理范围内），与总人口数量（假设已知）和接触频率（假设可测量）形成对比。在应用该模型前，必须确定这些不可测参数的具体数值。一种可行的解决方式是进行模型校准——借助类似案例的历史数据对参数进行调整，使模型输出结果尽可能贴近历史数据。
为实现模型校准，我们将采用 AnyLogic 软件内置的 OptQuest 优化工具。该工具将反复执行模型运算，并将其输出结果与历史趋势曲线进行比对，在调整参数值后再次运行模型，持续迭代直至达到最优状态或达到预设的迭代次数上限。

2、SD模型构建与实现

建立 SIR 模型，具体结构如图中所示

![在这里插入图片描述](https