数学建模累计确诊怎么计算的

Posted 2023-03-18

参考技术A

首先，我们建立数学建模来预测疫情发展趋势。

我们采用结合传播网络机制的SEIR模型【易感-潜伏-感染(患病)-治愈】，基于2020年1月10日至2月11日的新冠肺炎疫情数据，建立一个描述疫情发展变化的动力学系统.

通过MATLAB计算仿真程序求解相关参数和模型结果，并用统计学指标来评估结果的误差，然后评估效果较好的模型则用于对疫情发展趋势做短期预测和中长期预测。

其次，我们结合统计学原理做全面而深入的数据分析。

我们重点研究疑似、确诊、重症、死亡、治愈、密切接触、医学观察等数据，讨论各项数据之间的内在关联，以及分析基于数据的各项统计学指标的实际含义，得出对战胜疫情有用的启示。

最后，我们综合现实因素和理论依据给出战胜疫情的拙见。

我们综合考虑当前的疫情发展实情、国家的应急措施和相关不确定性因素，基于数学模型和数据分析的结论，对疫情未来发展做长期判断，给出战胜疫情过程中的重要防控关卡和几个重要时间节点。

数据分析：新冠疫情实时数据爬取

一、需求分析

报表需求

1. 国内各省份**现有确诊数（=确诊-死亡-治愈）**所占比例

2. 国内确诊总数、死亡总数、治愈总数、输入总数

3. 国内近段时间每天的确诊数、疑似数趋势；累计确诊数、现有确诊数趋势；累计治愈数、累计死亡数趋势

4. 全球各国现有确诊数所占比例

5. 全球累计确诊总数、现有确诊总数、死亡总数、治愈总数

数据需求

1. 国内各省份现有确诊、累计确诊、死亡、治愈；
2. 国内总数现有确诊、累计确诊、死亡、治愈、输入；
3. 国内近段时间每天的确诊数、疑似数、累计确诊数、现有确诊数、累计治愈数、累计死亡数
4. 全球各国确诊、死亡、治愈；
5. 全球总数确诊、死亡、治愈；

数据格式

Excel、SQLite

二、数据爬取分析处理

数据爬取

1、这里使用网易新闻里的实时疫情数据网站，接下来以国内各省份当日的疫情数据为例进行数据爬取。

https://wp.m.163.com/163/page/news/virus_report/index.html?nw=1&anw=1

2、通过网页检查，找到该网站的API数据接口

3、新建PyCharm项目，创建ChinaDataGet.py，导入我们需要的包

import json			# json数据解析
import requests		# 爬虫
import pandas as pd	# 数据处理
import sqlite3		# sqlite数据库

4、在main函数中，声明数据接口url和请求头信息headers

if __name__ == '__main__':
    url = 'https://c.m.163.com/ug/api/wuhan/app/data/list-total'
    headers = 
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) '
                      'Chrome/102.0.5005.62 Safari/537.36 '
    

5、获取json数据模块：通过url和headers获取json。在main函数中打印data_json能否成功获取数据

# 获取json
def getHtml(url, headers):
    re = requests.get(url=url, headers=headers)
    # print(re.text)
    re.encoding = re.apparent_encoding
    status = re.status_code
    # 通过json库将json格式的文本转换成python中的字典类型
    data_json = json.loads(re.text)
    # print(status)
    return data_json

6、查看数据接口，找到中国每个省的当日数据。

7、获取各省当日数据模块：在json中找到各省当日数据处理成DataFrame对象并返回。在main函数中打印today_df查看是否与原数据一致

# 获取各省份的当日数据
def getProvinceTodayData(data_json):
    data = data_json['data']['areaTree'][2]['children']
    
    today_df = pd.DataFrame(data)[['name', 'lastUpdateTime']]

    # 获取当日的确诊、死亡、治愈
    confirmData = pd.DataFrame([province['today']['confirm'] for province in data])
    deadData = pd.DataFrame([province['today']['dead'] for province in data])
    healData = pd.DataFrame([province['today']['heal'] for province in data])

    # 将三列数据拼接到today_df,并计算现有确诊列
    today_df['confirm'] = confirmData
    today_df['dead'] = deadData
    today_df['heal'] = healData

    # 调整列的顺序
    today_df = today_df[['name', 'confirm', 'dead', 'heal', 'lastUpdateTime']]

    # 修改列名
    colNames = ['省份', '确诊', '死亡', '治愈', '更新时间']
    today_df.columns = colNames

    return today_df

保存数据到Excel文件

将各省当日数据的DataFrame保存到excel文件，参数为数据dataframe、在excel中的表名sheetName、excel文件路径filePath。这里使用的是pandas中的ExcelWriter类，具体用法看代码

# 保存到excel
def saveProvinceTodayDataToExcel(df, sheetName, filePath):
    # 使用pandas中的ExcelWriter类
    writer = pd.ExcelWriter(filePath)

    # 保存到excel，设置表名，不保存行索引
    df.to_excel(writer, sheet_name=sheetName, index=False)

    # 获取对应表名的工作表对象
    worksheet = writer.sheets[sheetName]

    # 将工作表的第4列宽设为20
    worksheet.set_column(first_col=4, last_col=4, width=20)

    # 保存writer对象, save()自带关闭操作
    writer.save()

    return

保存数据到SQLite数据库文件

1、初始化数据库文件，参数为数据库文件路径dbPath。需要导入sqlite3库。基本流程为创建数据库连接实例；创建游标实例；执行创建数据表语句；提交；关闭游标；关闭连接

# 初始化sqlite数据库
def initProvinceTodayDB(dbPath):
    sql = '''
        CREATE TABLE IF NOT EXISTS provinces_today
        (
            id integer primary key autoincrement,
            proName text,
            confirm integer ,
            dead integer ,
            heal integer ,
            updateTime text
        )
    '''
    conn = sqlite3.connect(dbPath)
    cursor = conn.cursor()
    cursor.execute(sql)
    conn.commit()

    cursor.close()
    conn.close()
    return

2、保存数据dataframe到数据库文件。基本流程为初始化数据库文件；创建数据库连接实例；创建游标实例；使用for循环将dataframe每一行的数据转换为列表；对每一行数据执行INSERT语句并提交；关闭游标；关闭连接

有个细节需要注意，dataframe中的数字是numpy.int64或numpy.int32类型的，这种类型的数据插入数据库时会造成乱码。所以需要将每一行数据的列表对应位置的元素强制转换为int类型

# 保存数据到数据库
def saveProvinceTodayDataToDB(today_df, dbPath):
    # 初始化数据库
    initProvinceTodayDB(dbPath)

    # 连接数据库，打开游标
    conn = sqlite3.connect(dbPath)
    cursor = conn.cursor()

    # 将各省份数据添加到数据库
    for index in today_df.index:
        # 这里取出来的数据中，确诊、死亡、治愈三个数据虽然看着是int类型，但实际是numpy.int64类型
        # 若直接插入sqlite数据库会造成乱码
        dataItem = today_df.iloc[index].tolist()
        dataItem[1] = int(dataItem[1])
        dataItem[2] = int(dataItem[2])
        dataItem[3] = int(dataItem[3])

        insert_sql = 'INSERT INTO provinces_today(proName, confirm, dead, heal, updateTime) VALUES(?, ?, ?, ?, ?)'

        cursor.execute(insert_sql, dataItem)
        conn.commit()

        pass

    # 关闭游标，关闭数据库
    cursor.close()
    conn.close()

其他的像全国累计数据，各省累计数据的获取方式都和上面相同，这里不再赘述。