基于SIR模型对新型冠状病毒疫情趋势的简单分析

〖壹〗 、预测结果基于估计的参数 ，我们使用MATLAB对SIR模型进行了数值求解
，并预测了疫情的发展趋势 。预测结果显示，感染人数将在近期达到峰值 ，并随后逐渐下降
。具体预测值如下：感染系数β≈57×10^-5。恢复系数γ≈0.04（基于25天的恢复周期估计） 。易感人群初值s（0）通过最小二乘法估计得出。

〖贰〗
、SIR模型是一个简化模型，未考虑潜伏期、隔离措施 、医疗资源等因素对疫情传播的影响
。实际应用中
，可能需要更复杂的模型（如SEIR模型）来更准确地描述疫情动态。结论与展望：SIR模型为理解疫情传播提供了基本框架，但预测结果需谨慎解读 。未来研究可考虑引入更多实际因素 ，优化模型参数
，以提高预测的准确性
。

〖叁〗、应用实例：以今年全球范围内肆虐的新型冠状病毒为例，许多学者在研究新冠肺炎时 ，都采用了SIR模型作为基础
，并在其基础上进行优化，以预测疫情的发展趋势和高峰期。模型意义：通过SIR模型 ，可以推算出不同时间的感染情况
，为制定防控策略提供科学依据 。

〖肆〗
、以今年全球范围内肆虐的新型冠状病毒为例，许多学者在研究新冠肺炎时 ，都采用了SIR模型作为基础
，并在其基础上进行优化，以预测疫情的发展趋势和高峰期
。在某一特定时刻t ，易感染人群为s（t），感染人群为i（t）
，康复人群为r（t）。假设总人口为N（t），则有N（t）=s（t）+i（t）+r（t） 。

〖伍〗、做了一个简单SIR模型 ，用SARS参数模拟武汉肺炎传播途径
。主要结论：从病毒爆发后的大概90天到达高峰。第一例发现在12月8日
，50天左右开始集中爆发（1月20日左右，比较吻合） ，90天左右达到高峰（预计在3月上旬）
，4个月左右接近尾声（四月上旬），5月上旬疫情结束 。到近来看模型还是吻合的
。

国防疫情粘土模型怎么做

〖壹〗 、准备牙签
、黏土工具、纸板 、剪刀
、黏土白色、黑色 、蓝色
、肉色、紫色 、黄色
、绿色、橙色等。找好模型 ，然后对照样子
，用粘土做 。上面就是国防疫情粘土模型的材料和做法。

〖贰〗 、先准备一张长方形卡纸作为国旗底板，取黄色黏土搓成细长条 ，弯曲成旗杆的形状粘贴在卡纸一侧
。接着用黄色黏土捏出五角星
，可借助五角星模具或手工精心塑造，将捏好的五颗五角星按照国旗上五角星的位置和大小依次粘贴在卡纸上。

〖叁〗、A4纸折坦克材料仅需普通A4纸 ，通过裁剪与折叠实现立体造型 。制作步骤：将A4纸横向裁成三等份，取一份短边对折后展开
，两侧短边沿中线向内收拢成三角形；翻转纸张，将两侧边沿中线再次对折 ，形成坦克车身的两侧装甲；重复操作完成多个部件后
，通过插合方式拼接成完整坦克模型
。

〖肆〗
、A4纸折坦克：首先，将一张A4纸裁成三份 ，取出其中1/2的A4纸
，短边对折后收拢成三角形。接着，将两边沿中线对折 ，再将两边的三角沿中间折痕对折后插在一起 。翻过来后
，将纸对折成四等分，另一面的三角也对折后插在一起
。

〖伍〗、具体做法是 ，将细棍子的两边卷上纸张
，卷出粗细两种套在一起做成能转动的轴，再做一根结实的厚纸条 ，前面粘一根粗纸棍做炮管，一小段厚纸片对折粘到炮管上
，这样一个简单的阵地炮模型就完成了。这种制作方式不仅利用了废旧纸张，还能让制作者了解炮的基本构造原理 。

数学建模常用算法——传染病模型(四)SIRS模型

〖壹〗 、SIRS模型是一种适用于康复者具有暂时性免疫力的传染病传播模型 ，其核心是通过微分方程描述易感者（S）
、患病者（I）、康复者（R）三类人群的动态变化过程
。模型背景与适用场景SIRS模型适用于描述康复者免疫力会随时间消退的传染病传播过程
，例如流感 、普通感冒等非终身免疫性疾病。

〖贰〗
、dE/dt = βSI - σE：潜伏者由易感者转化而来，转化速率σ为潜伏期倒数 。dI/dt = σE - γI：感染者由潜伏者转化而来
。SEIR模型更适用于模拟如流感、新冠肺炎等有潜伏期的疾病传播。

〖叁〗 、其区别在于含R的模型将非染病者细分为两类 ，即真正的S类和不参与或不影响疾病传染过程的R类
，后者往往表示对疾病具有免疫力或被治愈的群体 。SI模型适用于疾病不会反复发作，SIS模型则可以描述病人可以反复多次得病 ，SIR表示治愈后具有终生免疫力
，而SIRS模型则刻画治愈后带暂时免疫力的情形。

〖肆〗
、常见的传染病模型按照具体的传染病的特点可分为SI、SIS 、SIR
、SIRS、SEIR模型
。

关于传染病的数学模型有哪些?

传染病的数学模型是流行病学家理解疾病传播规律 、预测疫情发展的重要工具，主要分为以下几类： 基础模型：SIR模型SIR模型将人群分为三类状态：易感者（S）、感染者（I）
、康复者/移出者（R）。其核心是通过常微分方程描述三者的动态转换：dS/dt = -βSI：易感者因接触感染者而减少 ，接触率用β表示 。

SI模型是最简单的传染病模型之一
，它假设人群中的个体只有两种状态：易感者（Susceptible）和感染者（Infectious）
。在这个模型中，感染者可以传播疾病给易感者 ，但没有恢复或移除的过程。因此，SI模型适用于那些没有治愈方法或疫苗的传染病
，如某些类型的流感 。

常见的传染病模型包括SI、SIS 、SIR
、SIRS和SEIR模型
。其中，S代表易感者 ，即没有免疫力的健康人
，E表示暴露者，接触过感染者但尚未具备传染性的阶段 ，I指患病者
，具有传染性，而R是康复者 ，可能有终身或有限的免疫力。通过这些群体的交互
，构建出各种复杂的模型 。

疫情期间策略与模型的组合怎么调整,可以降逾期率

做法：调整原先信用风险规则，把一些与逾期相关性弱、重要性低 、置信度降低的策略规则 ，适当放宽阈值；或者在信用弱规则集中提高拒绝规则命中数阈值
。例如
，原来某个与逾期相关性较弱的规则阈值设定为5，调整后可以放宽到6 ，在保证风险可控的前提下，提高客户的通过率。

动态调整策略 根据市场环境和借款人群体变化
，定期更新风险评估模型，确保其适应性 。例如 ，经济下行期可收紧信贷标准以降低违约风险
。加强贷后管理实时监控与预警 通过系统定期跟踪借款人还款情况
，设置逾期预警阈值（如逾期3天
、7天），及时识别潜在风险。

企业战略：主动复盘 ，升级战略动态调整战略方向 根据疫情发展阶段
，企业可选取战略维持、收缩或扩张 。例如，在线教育 、互联网
、电商等企业抓住机遇进行战略扩张 ，字节跳动2020年全球招聘超1万名新员工。多数企业通过构建危机应对机制开源节流
，削减非核心成本，同时推进数字化战略 ，探索业务转型
。

动态调整：通过实时反馈和机器学习
，持续优化催收话术和外呼策略。风险可控：结合人工干预与科技手段，降低不良率并确保合规性 。这一实践为区域性银行提供了可复制的数字化转型路径 ，助力其在竞争激烈的市场环境中突破瓶颈，实现可持续增长
。

产品传播策略调整第一季度方案重构：将原定线下活动全面转为线上
，通过VR看车、3D车型展示等技术弥补体验缺失。内容营销创新：制作《别克科技实验室》系列短视频，以趣味实验形式解读技术亮点 ，单期平均播放量超400万次 。

疫情对消费金融的双重冲击 需求端：消费者信心不足
，借款意愿下降
。疫情期间贷款广告点击率降至原来的30%，申请率降至40% ，单个新客户成本接近2000元（持牌机构数据）。供给端：中低收入群体还款能力下降
，历史无逾期客户集中逾期 。