《表6 模型参数的估值，使用1stOpt软件同时拟合现存确诊病例、累计治愈病例、累计死亡病例、累计确诊病变四组数据，经过了86次迭代计算达到收敛判断标准得到最终的参数值;常微分方程算法采用龙格-库塔-

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《应用SEAIQR仓室模型对意大利爆发的新型冠状病毒肺炎疫情的趋势分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

通过已发表的COVID-19流行病学相关文献、官方报道的临床数据等设置部分参数[2-5]，见表5。剩余的未确定参数通过上述的累计确诊病例数等数据进行拟合估算，已发表文献中有采用马尔科夫链-蒙特卡罗（mcmc）方法对参数进行拟合估算[6-8]，其步骤是首先对待估参数的分布进行先验假设，比如假设为正态分布或者均匀分布等，然后对先验进行采样，再利用mcmc算法对后验进行拟合，求得参数值。mcmc方法可使用python的pymc包进行编程实现。另一种模型参数估算方法是使用专业的参数拟合软件直接求解，本研究使用1stOpt 8.0企业版进行参数拟合估算，同时给出拟合曲线图，参数值估算结果见表6。模型微分方程组数值求解及曲线作图使用Matlab7.0编程实现。模型预测准确性使用模型预测值和实际值的平均偏差（BIAS）进行评估。