Zastosowanie języka programowania Python do modelowania rozprzestrzeniania się epidemii

• Autorzy: Koziej Krzysztof , Kazimierska-Drobny Katarzyna

Identyfikatory

DOI

10.34767/SIMIS.2023.02.02

Warianty tytułu

EN

Application of Python programming language for modeling the evolution of epidemic

• Języki publikacji: PL

Abstrakty

PL

Niniejszy artykuł przedstawia numeryczne rozwiązania wybranych modeli rozprzestrzeniania się epidemii w języku programowania Python. Rozwiązania oparto na modelach epidemii SIS, SIR, SIRS oraz SEIR. Do rozwiązań numerycznych w języku Python wykorzystano biblioteki NumPy, SciPy oraz Matplotlib.

EN

This article presents numerical solutions of selected epidemic spread models in the Python programming language. The solutions were base on the SIS, SIR, SIRS and SEIR epidemic models. NumPy, SciPy and Matplotlib libraries were used for numerical solutions in Python.

Słowa kluczowe

PL

Python; modele epidemii; rozwiązania numeryczne; SIS; SIR; SIRS; SEIR

EN

Python; models of epidemic; numerical solutions; SIS; SIR; SIRS; SEIR

• Wydawca: Instytut Informatyki Uniwersytet Kazimierza Wielkiego
• Czasopismo: Studia i Materiały Informatyki Stosowanej
• Rocznik: 2023
• Tom: T. 15, nr 2
• Strony: 10--17
• Opis fizyczny: Bibliogr. 18 poz., rys.

Twórcy

autor

Koziej Krzysztof

• Uniwersytet Kazimierza Wielkiego Wydział Informatyki, Wydział Mechatroniki ul Kopernika 1, 85-074 Bydgoszcz

autor

Kazimierska-Drobny Katarzyna

• Uniwersytet Kazimierza Wielkiego Wydział Informatyki, Wydział Mechatroniki ul Kopernika 1, 85-074 Bydgoszcz

Bibliografia

• 1. Anderson R. M., May R. M., Infectious Diseases of Humans: Transmission and Control. Oxford University Press, 1991.
• 2. Batista A.M., Silvio L.T. de Souza et al., Simulation of deterministic compartmental models for infectious diseases dynamics. arXiv:2106.02085 v1, Cornell University, 2021.
• 3. Bartłomiejczyk A., Wata M, Analizy epidemiologiczne w środowisku Matlab/Octave, Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej 2019, 65, doi: 10.32016/1.65.01.
• 4. Doshi P., The elusive definition of pandemic influenza. Bull World Health Org, 2012, 89, 532-538.
• 5. Foryś U., Matematyka w biologii. Wydawnictwo Naukowo-Techniczne, Warszawa, 2005.
• 6. Foryś U., Dzwonkowska A., Krawczyk J., Matematyka w epidemiologii. Jak modelować covid-19, KOSMOS Problemy nauk biologicznych, 2021, 70 (3), 475–484.
• 7. Hethcote, H. W., The mathematics of infectious diseases. SIAM review, 42(4), 599-653, 2000.
• 8. Johansson R., Matematyczny Python, Helion, 2021.
• 9. Johansson R., Numerical Python: Scientific Computing and Data Science Applications with Numpy, SciPy and Matplotlib, Helion, 2020.
• 10. Kiple K.F. (red.), Wielkie epidemie w dziejach ludzkości, Oficyna Wydawnicza Atena, 2002
• 11. Mata A.S., Dourado S., Mathematical modeling applied to epidemics: an overview. São Paulo Journal of Mathematical Sciences 2023, 15, 1025–1044.
• 12. McKinney W., Python w analizie danych. Przetwarzanie danych za pomocą pakietów Pandas i NumPy oraz środowiska Jupyter, Helion, 2023.
• 13. Porta M., A Dictionary of Epidemiology. Oxford University Press, 2008, 81-82.
• 14. Ramalho L., Zaawansowany Python, APN Promise, 2022.
• 15. Tadeusiewicz R., Jaworek J i inni. Wprowadzenie do modelowania systemów biologicznych oraz ich symulacji w środowisku MATLAB. Wydawca Uniwersytet Marii Curie-Skłodowskiej w Lublinie, 2012.
• 16. Report of the review committee on the functioning of the International Health Regulations (2005) and on pandemic influenza A (H1N1). International Health Regulations Review Committee, 2009.
• 17. Oficjalna strona biblioteki SciPy, https://scipy.org/ Dostęp 06.06.2023.
• 18. Oficjalna strona biblioteki NumPy, https://numpy.org/ Dostęp 06.06.2023.