基于SEIR传染病模型的社会舆情传播matlab模拟与仿真

1.程序功能描述

在当今信息高度发达的社会，舆情如同传染病一般，能够在人群中迅速扩散，对社会稳定、经济发展以及个人生活产生深远影响。将传染病动力学中的 SEIR 模型应用于社会舆情传播研究，为理解舆情的发展态势提供了有力的定量分析工具。SEIR 模型原本用于描述传染病在人群中的传播过程，它把人群分为四类：易感者（Susceptible）、暴露者（Exposed）、感染者（Infected）和康复者（Recovered）。通过类比，我们可以构建基于 SEIR 模型的社会舆情传播模型，揭示舆情从产生、扩散到平息的内在规律。

2.测试软件版本以及运行结果展示

MATLAB2022A版本运行

3.核心程序

复制代码

...........................................................................

% 绘制图像
figure;
subplot(221);
% 用红色绘制平滑曲线，线宽为 2
plot(nums5,'r','linewidth',2) 
% 保持当前图像以便添加新曲线
hold on 
% 用蓝色带圆圈标记绘制真实每日推文数量曲线
plot(nums0,'b-o'); 
% 添加 x 轴标签
xlabel('days'); 
% 添加 y 轴标签
ylabel('推文数量'); 
% 添加图例
legend('每天推文5日均值曲线','真实每日推文数量');

subplot(222);
% 用红色绘制平滑曲线，线宽为 2
plot(nums10,'r','linewidth',2) 
% 保持当前图像以便添加新曲线
hold on 
% 用蓝色带圆圈标记绘制真实每日推文数量曲线
plot(nums0,'b-o'); 
% 添加 x 轴标签
xlabel('days'); 
% 添加 y 轴标签
ylabel('推文数量'); 
% 添加图例
legend('每天推文10日均值曲线','真实每日推文数量');

subplot(223);
% 用红色绘制平滑曲线，线宽为 2
plot(nums20,'r','linewidth',2) 
% 保持当前图像以便添加新曲线
hold on 
% 用蓝色带圆圈标记绘制真实每日推文数量曲线
plot(nums0,'b-o'); 
% 添加 x 轴标签
xlabel('days'); 
% 添加 y 轴标签
ylabel('推文数量'); 
% 添加图例
legend('每天推文20日均值曲线','真实每日推文数量');

subplot(224);
% 用红色绘制平滑曲线，线宽为 2
plot(nums30,'r','linewidth',2) 
% 保持当前图像以便添加新曲线
hold on 
% 用蓝色带圆圈标记绘制真实每日推文数量曲线
plot(nums0,'b-o'); 
% 添加 x 轴标签
xlabel('days'); 
% 添加 y 轴标签
ylabel('推文数量'); 
% 添加图例
legend('每天推文30日均值曲线','真实每日推文数量');

numss=nums20;
..............................................
% 绘制图像
figure;
% 用红色绘制 nums2 曲线，线宽为 2
plot(T,nums2,'r','linewidth',2);hold on 
% 用青色绘制 S 曲线，线宽为 2
plot(T,S,'c','linewidth',2);hold on 
% 用蓝色绘制 E 曲线，线宽为 2
plot(T,E,'b','linewidth',2);hold on 
% 用黑色绘制 I 曲线，线宽为 2
plot(T,I,'k','linewidth',2);hold on 
% 用品红色绘制 R 曲线，线宽为 2
plot(T,R,'m','linewidth',2);hold on 
% 显示网格
grid on; 
% 添加 x 轴标签
xlabel('天'); 
% 添加 y 轴标签
ylabel('推文数量') 
% 添加图例
legend('每天推文变化趋势','S(t)','E(t)','I(t)','R(t)')
16_117m

4.本算法原理

第一个方程描述了易感者数量的变化率。由于易感者只有在与感染者接触时才会被感染，所以其数量减少的速率与易感者、感染者的数量乘积成正比，比例系数为感染率beta。

第二个方程表示暴露者数量的变化。一方面，易感者感染后成为暴露者，这部分增加量为beta*S*I ；另一方面，暴露者以速率delta转化为感染者，所以要减去delta*E 。

第三个方程体现感染者数量的动态。暴露者以速率delta转变为感染者，使得感染者数量增加；同时，感染者以速率恢复为康复者，导致其数量减少。

最后一个方程反映康复者数量随感染者恢复而增加的过程，增加速率为r*I。

通过数值求解上述微分方程组（可使用如 Runge - Kutta 等数值方法），可以得到不同时刻各群体人数的变化情况，进而描绘出舆情传播的动态曲线。在初始阶段，由于易感者数量庞大，感染者数量会迅速增加，随着时间推移，暴露者陆续转化为感染者，同时感染者也开始以一定速率恢复为康复者，易感者数量持续下降。当达到一定时间后，由于易感者数量减少以及康复者增多，舆情传播速度逐渐减缓，最终趋于平息。

基于 SEIR 模型的社会舆情传播研究为理解舆情演变规律提供了系统的框架。通过合理定义变量、参数，以及进行稳定性分析、模型拓展等工作，能够较为准确地模拟不同场景下的舆情传播态势，并为舆情管控提供科学依据。

5.完整程序

VVV