在生物学和应用逻辑公式COVID-19在日本

文摘

逻辑公式在生物学应用于分析COVID-19的第二和第三波在日本。我们遵循的观测数R (t)在爵士模型像人口生物学。R (t)的逻辑公式应用于预测传染性的高峰日期数量和总数量为每个波删除。

第二波开始从7月20日,2020年,在22536年8月17日删除其总数量达到顶峰±568。第三波从10月11日,2020年,在175165年1月17日删除其总数量达到顶峰±1657。这些计算值与实际数据吻合较好。

关键字

COVID-19;物流应用程序;爵士模型

介绍

人口问题的逻辑公式是有用的生物。先生模式是密切相关的1)在感染的理论(2- - - - - -9]。在以前的论文(10- - - - - -13)我们已经表明,物流的公式可以大约从爵士模型驱动的。然而,在本文,我们把物流公式作为第一原则,这是独立于先生的模型。我们遵循的观察移除R (t)数量先生像人口生物学模型,即R (t)是一个累积数字之和的死亡和排放。在第二秒。我们给物流R (t)的公式。我们的政策是只使用数据在日本被COVID-19 [14]。这个公式将被应用到分析第二和第三波秒。3和4,分别。这些分析修改结果在以前的作品(12,13]。最后一部分是结束语。在附件,我们准备误差估计公式。

材料和方法

逻辑公式

在生物学的逻辑斯蒂方程N (t)是由人口

在A、B和c是一些参数。解决方案是容易获得

在这里给我(T)的峰值,给出的

我(t) = AB2/4。

方程(2.1)可以被视为第三先生模型的方程,

如果我们确定N (t)与R (t)、R (t)和我(t)是删除了号码和传染性数,分别和c移除率。在以前的作品[13],我们的逻辑公式(2.2)和(2.3)大约从爵士模型驱动的。然而,在本文,我们把我们的物流制定更根本的先生,而不是理论。让我们重写Eq。(2.2)在符号= A / d、B = d和N (t) = R (t)如下:

在d是最后的总数量,e . g。d = R (∞)。Eq(2.5)可以表示为

因此,对不同时期tn, tn + 1和tn + 2, (n = 1,2,…),我们有

当时间方程式的差异。(2.7)和(2.8)是平等的,我们有一个很有用的公式

明确地,

结果与讨论

应用程序的第二波COVID-19在日本

我们的逻辑公式应用于第二波COVID-19在日本。这提供了一个修改以前的工作[12]R (t)是累积的删除第二波在日本,这是一个平均7天每个t和标准差在中间,其中t是日期从6月20日,2020年。这种病毒现在被称为东京类型。我们已经减去积累的20507号7月19日将在第一波从第一和第二波。

日期t和删除号R (t)在日本的第二波。

用数据上面说到情商。与n = 1(2.10),我们有方程d

产生一个解决方案

d = 45071 (3.2)

从情商。(2.7)与n = 1

F1≡F (t₁)和F2≡F (t₂)。

用结果ac = 0.1092为情商。(2.6),我们有

交流(t t₃)= 1 nf₃= 1 n0.6417 = -0.4436。(3.4)

F3≡F (t₃)收益率产生T−T₃=−4.062,所以

T =₃−4.062 = Aug.21−4.062 = Aug.17。(3.5)

误差估计可以从附录d和T。通过使用相对误差。

我们有

这

d 45071 1136,

d = 45071的价值Aug.17绘制图1。其他n d的值也在策划图1。在图2我们画一个红色曲线Eq。(2.5)为R (t)与平均值计算d = 44465和ac = 0.1106于8月13日至8月20日,而蓝色曲线显示了R (t)的数据。两线同时Aug.27之前在一个地区。d的值之间应该经常看到1200 ~ 5000年8月13日和Aug.20错误,但不是Aug.12之前。偏差来自红线和蓝线之间的偏差图2之一,其中红线是计算R (t)和蓝线是其数据。从这个原因我们放弃数据以外的8 ~ 20。

总之,从July.20第二波开始,2020年,达到August17删除其总数量22536±568。这些计算值应该与实际数据相比,峰值日期大约是Aug.17删除其总人数22460人。

应用程序的第三波COVID-19在日本

我们的逻辑公式应用于COVID-19在日本的第三次浪潮。这提供了一种修改以前的工作的13]

日期和数量在日本的第三次浪潮。

R (t)是删除的累积数量在第三波在日本,这是一个平均7天每个t和标准差在中间,其中t是日期从10月11日。我们已经减去累计82810号删除的第一和第二波,在第一,第二和第三波。

替代数据上面为情商。与n = 1(2.10),我们有方程d

产生一个解决方案

d = 350329 (4.2)

从情商。(2.7)与n = 1

用结果ac = 0.0701为情商。(2.6),我们有

交流(t t₃)1 nf₃1_n0.0591 = -2.8218 (4.4)。

屈服于收益率T−T₃=−39.97,所以

T =₃-39.97 = 2月点−39.97 =小君.17点。(4.5)

误差估计可以从附录d和T。通过使用相对误差。

我们有

这

d = 350329 2月12的价值是策划图4。其他n d的值也在策划图4。

3月15日,而蓝线显示了R (t)的数据。两线重合在一个地区1月19日之后。d的值应该持续在1月24日,但不是在1月24日之前。之间的偏差来自于偏差红线和蓝线在1月24日之前图5之一,其中红线是计算R (t)和蓝线是其数据。从这个原因我们Jan.24之前放弃数据。总之,第三波从Oct.11开始,在1月17日2020年,达到其总数量175165±1657删除。这些计算值应该与实际数据相比,峰值日期是177501年1月17日删除它的总数量。

Conlcusion

物流在生物学应用公式,作为第一原则,分析了数字的第二和第三波COVID-19在日本。第二波从July.20、2020和达到Aug.17删除其总数量22536±568。这些计算值应该与实际数据相比,峰值日期大约是Aug.17删除其总人数22460人。第三波从Oct.11, 2020年开始,在1月17日达到顶峰删除其总数量175165±1657。这些计算值应该与实际数据相比,峰值日期是177501年1月17日删除它的总数量。第三次浪潮的结果已经通过使用新数据峰值之后,1月17日。所以,这些都不是一种预测。然而,我们已经成功地繁殖高峰数据相当不错。

附录误差估计公式

从公式F1F3 = F₂²他相对误差消除数字d驱动

其次,高峰日T的方程,ac (T−T₃)= ln F3,收益率的公式

从哪一个可以估计δT。

确认

我们要感谢k Shigemoto对于许多有价值的讨论和很大的支持。

引用

1. Kermack我们,等。对流行病的数学理论的贡献。Proc。数学。理论物理。Eng。Sci。1927; 115:700-21。
2. 默里JD。流行病和传染病动力学模型。在数学生物学1993;610 - 650。
3. Hethcote HW。传染病的数学。SIREV。2000;42:599 - 653。
4. Keeling MJ, et al .传染病数学模型。Br。地中海,公牛。2009;-42 - 92.33。
5. 帕沙克年代,et al。丰富的动态的爵士流行病模型。NONLINEARANAL-MODEL。2010;15:71 - 81。
6. HarkoT, et al。Susceptible-Infected-Recovered的精确解析解(先生)爵士模型的流行病模型,并以同样的死亡和出生率。达成。数学。第一版。. .2014;236:184 - 94。
7. 米勒JC。数学模型与非性和性传播疾病传播的路线。传染病模型。2017;2:35-55。
8. Sameni r .流行病的数学模型;COVID-19冠状病毒的一个案例研究。4:1-19 2020;
9. Verhulst PF。注意苏尔法则,洛杉矶人口套装在儿子accroissement。Corresp。数学。Phys.1838; 10:113-26。
10. Shigemoto K, et al。爵士的对数曲线模型及其应用于2020年在日本COVID-19。死亡;1:1-4
11. 赖泽PA。修改模型产生一个爵士物流解决方案。2020
12. 齐藤t的应用程序逻辑公式死亡COVID-19 2020:1-8在日本
13. Kokado, et al .逻辑公式及其应用死亡Japan.2021 COVID-19的第三次浪潮。