受杰森的《Almost Looks Like Work》启发，我来展示一些病毒传播模型。需要注意的是这个模型并不反映现实情况，因此不要误以为是西非可怕的传染病。相反，它更应该被看做是某种虚构的僵尸爆发现象。那么，让我们进入主题。
这就是SIR模型，其中字母S、I和R反映的是在僵尸疫情中，个体可能处于的不同状态。
S 代表易感群体，即健康个体中潜在的可能转变的数量。 I 代表染病群体，即僵尸数量。 R 代表移除量，即因死亡而退出游戏的僵尸数量，或者感染后又转回人类的数量。但对与僵尸不存在治愈者，所以我们就不要自我愚弄了（如果要把SIR模型应用到流感传染中，还是有治愈者的）。 至于β(beta)和γ(gamma): β(beta)表示疾病的传染性程度，只要被咬就会感染。 γ(gamma)表示从僵尸走向死亡的速率，取决于僵尸猎人的平均工作速率，当然，这不是一个完美的模型，请对我保持耐心。 S′=?βIS告诉我们健康者变成僵尸的速率，S′是对时间的导数。 I′=βIS?γI告诉我们感染者是如何增加的，以及行尸进入移除态速率（双关语）。 R′=γI只是加上(gamma I)，这一项在前面的等式中是负的。上面的模型没有考虑S/I/R的空间分布，下面来修正一下！
一种方法是把瑞典和北欧国家分割成网格，每个单元可以感染邻近单元，描述如下：
其中对于单元，和是它周围的四个单元。（不要因为对角单元而脑疲劳，我们需要我们的大脑不被吃掉）。
初始化一些东东。
import numpy as npimport mathimport matplotlib.pyplot as plt %matplotlib inlinefrom matplotlib import rcParamsimport matplotlib.image as mpimgrcParams['font.family'] = 'serif'rcParams['font.size'] = 16rcParams['figure.figsize'] = 12, 8from PIL import Image
适当的beta和gamma值就能够摧毁大半江山
beta = 0.010gamma = 1
还记得导数的定义么？当导数已知，假设Δt很小的情况下，经过重新整理，它可以用来近似预测函数的下一个取值，我们已经声明过u′(t)。
初始化一些东东。
import numpy as npimport mathimport matplotlib.pyplot as plt %matplotlib inlinefrom matplotlib import rcParamsimport matplotlib.image as mpimgrcParams['font.family'] = 'serif'rcParams['font.size'] = 16rcParams['figure.figsize'] = 12, 8from PIL import Image
适当的beta和gamma值就能够摧毁大半江山
新闻热点
疑难解答
