دوره 14، شماره 5 - ( جلد 14، شماره 5، ویژه نامه کووید-19 1400 )                   جلد 14 شماره 5,1400 صفحات 89-96 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Zare Z, Vasegh N. Modeling and analysis of the spread of the COVID-19 pandemic using the classical SIR model. JoC. 2021; 14 (5) :89-96
URL: http://joc.kntu.ac.ir/article-1-821-fa.html
زارع زهرا، واثق نسترن. مدل‌سازی و تحلیل گسترش کووید-19 در ایران با استفاده از مدل کلاسیک SIR. مجله کنترل. 1400; 14 (5) :89-96

URL: http://joc.kntu.ac.ir/article-1-821-fa.html


1- دانشگاه تربیت دبیر شهید رجایی
چکیده:   (350 مشاهده)
در این مقاله به مدل‌سازی، تحلیل و پیش‌بینی بیماری جدید همه‌گیر کووید-19 با شناخت پارامترهای مؤثر در گسترش آن پرداخته‌شده است. به این منظور از مدل پایه مستعد-مبتلا-حذف‌شده (SIR) که با دو پارامتر نرخ ابتلا و نرخ حذف استفاده‌شده است. با توجه به بروز چندین نقطه بیشینه در داده‌های ایران و تک اوج بودن مدل SIR، نمی‌توان از یک مدل با پارامترهای یکسان به ازای تمام زمان‌ها استفاده کرد. به همین دلیل داده‌های ایران به پنج دوره زمانی تقسیم‌شده است و سپس پارامترهای هر دوره مجزا به‌دست‌آمده است. این بازه‌های زمانی علاوه بر تطابق با رفتار داده‌های مربوط به بیماری، با واقعیت‌های جامعه ازجمله زمان تغییر تصمیمات دولت و نیز تغییر الگوی افراد جامعه هم‌خوانی دارد. درنهایت، تحلیلی بر اساس پارامترهای به‌دست‌آمده و روند گسترش بیماری در ادامه سال جاری ارائه‌شده است. ازآنجاکه پیامدهای اقتصادی، اجتماعی و بهداشتی ناشی از این ویروس فاجعه‌بار است، استفاده از نتایج مدل‌سازی ریاضی به‌دست‌آمده جهت شناخت عوامل مؤثر بر گسترش بیماری می‌تواند گامی جهت اقدامات آتی برای کنترل این بیماری باشد. 
متن کامل [PDF 646 kb]   (163 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: کووید 19
دریافت: 1399/10/10 | پذیرش: 1399/11/25 | انتشار: 1399/12/10

فهرست منابع
1. C.Sohrabi, Z.Alsafiz, N,O'Neill, M.Khan, A.Kerwan, A.Al-Jabir, C.Iosifidis, R.Agha, ''World health organization declares global emergency: a review of the 2019 novel coronavirus (COVID-19) '' Int J Surg 2020; 76:71-6. doi: 10.1016/j.ijsu.2020. 02.034 [DOI:10.1016/j.ijsu.2020.02.034]
2. F. He, Y.Deng, W.Li. ''Coronavirus disease 2019 (COVID-19): what we know, ''J Med Virol 2020. doi: 10.1002/jmv.25766. [DOI:10.1002/jmv.25766]
3. L.Wang, Y. Wang, D.Ye, Qq.Liu, ''A review of the 2019 novel coronavirus (COVID-19) based on current evidence, '' Int J Antimicrob Agents 2020:105948.doi:10.1016/j.ijantimicag.2020.105948. [DOI:10.1016/j.ijantimicag.2020.105948]
4. P.Pulla, ''Covid-19: India imposes lockdown for 21 days and cases rise 2020. '' doi: 10.1136/bmj.m1251,2020. [DOI:10.1136/bmj.m1251]
5. H.Hethcote. ''The mathematics of infectious diseases, '' SIAM Rev. 42(4):599-653, 2020. [DOI:10.1137/S0036144500371907]
6. W. O. Kermack and G. Anderson McKendrick, ''Contributions to the mathematical theory of epidemics I. 1927,'' Bull. Math. Biol. vol. 53, pp. 33_55, Jan. 1991. [DOI:10.1016/S0092-8240(05)80040-0]
7. N. T. J. Baily, ''The Mathematical Theory of Infectious Diseases'', 2nd, New York, NY, USA: Hafner, 1975.
8. R. R. Tang, ''The singularly perturbed boundary value problem of non-linear integro-differential system,'' Ann. Differ. Equ, vol. 4, pp. 407_412, Dec. 2004.
9. M. Iannelli, M. Martcheva, and X. Z. Li, ''Strain replacement in an epidemic model with superinfection and perfect vaccination,'' Math. Biosci. vol. 195, no. 1, pp. 23_46, 2005. [DOI:10.1016/j.mbs.2005.01.004]
10. J. Liu, Y. Tang, and Z. R. Yang, ''The spread of disease with birth and death on networks,'' J. Stat. Mech. Theory Exp. vol. 2004, no. 8, 2004, Art.no. P08008. [DOI:10.1088/1742-5468/2004/08/P08008]
11. C.Dye, ''Epidemiology: Modeling the SARS Epidemic, '' Science, vol. 300, no. 5627, pp. 1884_1885, 2003. [DOI:10.1126/science.1086925]
12. X. N. Han, S. J. De Vlas, L. Q. Fang, D. Feng, W. C. Cao, and J. D. F. Habbema, ''Mathematical modelling of SARS and other infectious diseases in China: A review,'' vol. 14, no. s1, pp. 92_100, 2009, doi: 10.1111/j.1365-3156.2009. [DOI:10.1111/j.1365-3156.2009.02244.x]
13. O.Bjørnstad, BF. Finkenstädt, BT. Grenfell, ''Dynamics of measles epidemics: estimating scaling of transmission rates using a time series SIR model. '' Ecol Monogr 72:169-184, 2002. [DOI:10.1890/0012-9615(2002)072[0169:DOMEES]2.0.CO;2]
14. G.Giordano, F.Blanchini, R.Bruno, P.Colaneri, A.Di Filippo, A.Di Matteo, M.Colaneri, ''Modelling the COVID-19 epidemic and implementation of population-wide interventions in Italy. '' Nature Medicine 2020:1-6. [DOI:10.1038/s41591-020-0883-7]
15. C.Hou, J.Chen, Y. Zhou, L. Hua, J.Yuan, S.He, J. Zhang, '' The effectiveness of quarantine of Wuhan city against the corona virus disease 2019 (COVID-19): A well-mixed SEIR model analysis. '' Journal of medical virology.2019. [DOI:10.1002/jmv.25827]
16. C.Anastassopoulou, L.Russo, A.Tsakris, C.Siettos, ''Data-based analysis, modelling and forecasting of the COVID-19 outbreak. '' PloS one, 15(3). E0230405, 2020. [DOI:10.1371/journal.pone.0230405]

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به مجله کنترل می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2021 CC BY-NC 4.0 | Journal of Control

Designed & Developed by : Yektaweb