基于分阶段SEIAHRD模型的传染病预测分析——基于ACPSO优化算法

为提高流行病模型预测精度,探索更有效的传染病防控措施,本文构建了分阶段带有潜伏、住院和无症状感染仓室的SEIAHRD动力学模型。利用自适应混沌粒子群算法(ACPSO)对参数进行优化估计,并对数值进行拟合。结果表明模型SEIAHRD的预测结果与真实值有较强的相关性,相关系数为0.94,可以准确反映流行病传播动态,提升疫情预测精度,应用到实际疫情防控中。