初学数学建模，想研究一下seir模型，网上大多教程都是直接把参数设定好的，对求参数的方法没有详细的说明，没有办法知道参数是怎么得到的。如果有书的话希望能推荐一本这方面的书

SEIR 模型参数较多，直接跟数据拟合并不容易把参数都定准。它的主要作用是利用每个参数代表的含义，模拟研究调参后对系统行为的影响，从而对实际问题给出指导性的意见。Logistic 模型参数少得多，后期拟合相对容易。但在做预报的时候，仍存在参数不易定准的情况。举个例子，现在百度上有国外疫情的每日新增确诊数据。对其拟合与预报结果如下：

Logistic 模型只有三个参数：增长速率 [公式]、拐点时间 [公式]、波及人数 N. 由于数据是每日新增，所以实际上是和 Logistic 模型的微分（或差分）做拟合。用最小二乘法拟合的结果接近于绿线（拐点 4 月 5 日，N = 218 万），但将拐点调整为 4 月 10 日（黄线，N = 319 万）或 4 月 15 日（红线，N = 451 万）以后，相应地调节另外两个参数拟合出来的结果也不差。这时候并不能简单认为绿线与历史数据符合最好，就预报的越准。因为 Logistic 模型本身也有模型误差。所以从实际数据拟合参数的过程最好不要采用点估计，而要尽量采用区间估计，多做参数敏感性分析，才能得出合理的结论。看了这个例子，应该知道为什么即使是钟南山也不敢轻易地判断拐点是否到来了。参数拟合这件事并不简单。从简单的模型开始多练才行。

理论就一句话: 模型＝公式+边界。公式包括微分方程组这些，边界包括初值和物理边界。举个例子就是用牛顿定律求位移，就要知道初始速度和加速度以及它们之间的关系。

然后就简单了，解微分方程最常用是龙格库塔，找一门编程语言大概率都有已经实现的函数可以调用。入门级建议用matlab的ode45练练手。

高级点的，Fortran自己写代码，不熟悉只是用过就不多说了。主要还是这个语言是出现较早做数值计算的，很多精度演算法都是老前辈们用Fortran写的。

再高级点的，自己推公式画网格，前向后向迎风一阶二阶这些，或者…自己弄个公式，溜了

打开matlab....打开simulink...在软体里边搭建模型...使用Parameter Estimation工具进行参数辨识

参数识别

暂时说一个看到过的思路吧，没有具体讨论合理性。

就是设初值，得到曲线和现有曲线进行比较，然后不断更新参数使得拟合曲线和现有曲线在距离最小，就当作得到参数了。

最简单的操作就是对参数取一个范围，进行分割，然后每个参数选取都得到曲线，与现有曲线对比找距离最小。

有方程了，求参数。需要

1.准备数据：分训练集，验证集，测试集体。训练集合验证集，都是实际场景中的数据，测试集是预测的数据。

2.写程序：可以用python，把训练集中的数据步进法代入模型中，求出预计参数，预计方程，将验证数据代入预计方程，计算结果与已知的结果进行比对,比对的方法很多，比如最小二乘法等。当比对值越来越小，则参数越靠近实际的值。最后将比对值最小的参数确定为参数。

3.测试结果：将测试集数据代入方程进行结果测试，分析。

推荐阅读：
相关文章