Turing.jl中基于SIR模型的贝叶斯参数估计实践
2025-07-04 22:56:24作者:段琳惟
背景介绍
在流行病学建模中,SIR(易感-感染-恢复)模型是最基础的数学模型之一。本文将展示如何使用Turing.jl这一强大的概率编程语言,结合微分方程求解器,对SIR模型进行贝叶斯参数估计。
SIR模型定义
我们首先定义标准的SIR模型微分方程:
function sir(du, u, p, t)
S, I, R = u
γ, ν = p
infection = γ * S * I
recovery = ν * I
du[1] = -infection
du[2] = infection - recovery
du[3] = recovery
return nothing
end
其中γ表示感染率,ν表示恢复率。模型描述了人群中易感者(S)、感染者(I)和恢复者(R)的数量随时间的变化。
数据生成
为了验证参数估计的效果,我们首先生成合成数据:
u0_known = [999, 1, 0] # 初始条件
tend_known = 100.0
γ_true = 0.0003; ν_true = 0.1; σ_true = 20.0
p_true = [γ_true, ν_true]
oprob_true = ODEProblem(sir, u0_known, tend_known, p_true)
measured_t = 1:1:100
sol_true = solve(oprob_true; saveat = measured_t)
measured_S = [rand(Normal(S, σ_true)) for S in sol_true(measured_t, idxs = 1).u]
这里我们添加了高斯噪声来模拟实际观测数据。
贝叶斯模型构建
使用Turing.jl构建贝叶斯模型:
@model function fit_sir(data, prob)
# 先验分布
γ ~ LogUniform(0.00001, 0.001)
ν ~ LogUniform(0.01, 1.0)
σ ~ LogUniform(10.0, 30.0)
# 模型模拟
prob = remake(prob; p = [γ, ν])
predicted = solve(prob; saveat = measured_t, verbose = false, maxiters = 10000)
# 检查求解是否成功
if !SciMLBase.successful_retcode(predicted)
Turing.@addlogprob! -Inf
return nothing
end
# 似然计算
for i in eachindex(predicted)
data[i] ~ Normal(predicted[i][1], σ)
end
end
关键点说明:
- 对γ和ν使用对数均匀先验,符合它们的物理意义
- 使用ODE求解器获取模型预测值
- 采用正态分布作为观测模型
参数估计与结果分析
运行MCMC采样:
model = fit_sir(measured_S, oprob_true)
chain = sample(model, NUTS(), MCMCSerial(), 1000, 4)
后验分布显示参数估计效果良好,能够较好地恢复真实参数值。特别值得注意的是:
- 感染率γ的估计集中在真实值0.0003附近
- 恢复率ν的估计也接近真实值0.1
- 噪声参数σ的估计反映了数据生成过程中使用的噪声水平
实践建议
在实际应用中,需要注意以下几点:
- 对于人口动力学模型,考虑使用离散分布(如泊松分布)可能更合适
- 当ODE解出现负值时,需要谨慎处理,避免产生无效的概率计算
- 先验分布的选择对结果有重要影响,应根据领域知识合理设置
- 对于复杂的ODE模型,可能需要调整求解器参数以确保数值稳定性
通过这个案例,我们展示了Turing.jl在结合微分方程模型进行贝叶斯参数估计方面的强大能力。这种方法可以扩展到更复杂的流行病学模型和其他领域的动态系统建模中。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
595
57

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K