مدل‌سازی و تحلیل گسترش کووید-19 در ایران با استفاده از مدل کلاسیک sir

در این مقاله به مدل‌سازی، تحلیل و پیش‌بینی بیماری جدید همه‌گیر کووید19 با شناخت پارامترهای موثر در گسترش آن پرداخته‌شده است. به این منظور از مدل پایه مستعدمبتلاحذف‌شده (sir) که با دو پارامتر نرخ ابتلا و نرخ حذف استفاده‌شده است. با توجه به بروز چندین نقطه بیشینه در داده‌های ایران و تک اوج بودن مدل sir، نمی‌توان از یک مدل با پارامترهای یکسان به ازای تمام زمان‌ها استفاده کرد. به همین دلیل داده‌های ایران به پنج دوره زمانی تقسیم‌شده است و سپس پارامترهای هر دوره مجزا به‌دست‌آمده است. این بازه‌های زمانی علاوه بر تطابق با رفتار داده‌های مربوط به بیماری، با واقعیت‌های جامعه ازجمله زمان تغییر تصمیمات دولت و نیز تغییر الگوی افراد جامعه هم‌خوانی دارد. درنهایت، تحلیلی بر اساس پارامترهای به‌دست‌آمده و روند گسترش بیماری در ادامه سال جاری ارائه‌شده است. ازآنجاکه پیامدهای اقتصادی، اجتماعی و بهداشتی ناشی از این ویروس فاجعه‌بار است، استفاده از نتایج مدل‌سازی ریاضی به‌دست‌آمده جهت شناخت عوامل موثر بر گسترش بیماری می‌تواند گامی جهت اقدامات آتی برای کنترل این بیماری باشد.

Modeling and analysis of the spread of the COVID-19 pandemic using the classical SIR model

In this paper modeling, analysis and prediction of novel epidemic of COVID19 are concerned to identify effective spread parameters of it in Iran. For this purpose, the basic susceptibleinfectedremoved (SIR) model is used which has two parameters: the infection rate and remove rate. Because of several maximum points in the Iranian data and the single peak of the SIR model, it is not possible to use a model with the same parameters for all times. For this reason, the Iranian data is divided into five time periods and then the parameters of each period are obtained. In addition to adapting to the behavior of diseaserelated data, these time periods are consistent with the realities of society, including the timing of government decisions and the changing patterns of individuals in society. Finally, an analysis based on the obtained parameters and the trend of disease spread in the continuation of this year is presented. Since the economic, social and health consequences of this virus are catastrophic, using the results of mathematical modeling to identify the factors affecting the spread of the disease can be a step towards future actions to control the disease.