if __name__ == '__main__':
city = 'Rio de Janeiro/RJ'
cases = load_cases('city')[city]
population = load_population('city')[city]
date_for_pred = '2020-03-24'
S0 = population
I0 = cases.loc[date_for_pred]['totalCases']
E0 = 2 * I0
R0 = 0
for reduce_by in [0, 0.25, 0.50, 0.65]:
model = SEIRBayes.init_from_intervals(
NEIR0=(population, E0, I0, R0),
r0_interval=((1 - reduce_by) * 1.9, (1 - reduce_by) * 5, 0.95),
gamma_inv_interval=(10, 14, 0.95),
alpha_inv_interval=(4.2, 5, 0.95),
t_max=180)
S, E, I, R, t = model.sample(1000)
pred = pd.DataFrame(index=(pd.date_range(
start=date_for_pred, periods=t.shape[0]).strftime('%Y-%m-%d')),
data={
'S': S.mean(axis=1),
'E': E.mean(axis=1),
'I': I.mean(axis=1),
'R': R.mean(axis=1)
})
df = (pred.join(cases, how='outer').assign(
cases=lambda df: df.totalCases.fillna(df.I)).assign(
newly_infected=lambda df: df.cases - df.cases.shift(1) + df.R -
def generate_seir(
# Municipio
city,
date,
# Condições iniciais
S0=None, # População total (N)
I0=None, # Indivíduos infecciosos inicialmente (I0)
E0=None, # Indivíduos expostos inicialmente (E0)
R0=0, # Indivíduos removidos com imunidade inicialmente (R0)
# R0, período de infecção (1/γ) e tempo incubação (1/α)
r0_inf=1.9, # Limite inferior do número básico de reprodução médio (R0)
r0_sup=5, # Limite superior do número básico de reprodução médio (R0)
reduce_r0=[0, 0.25, 0.50, 0.65],
gamma_inf=10, # Limite inferior do período infeccioso médio em dias (1/γ)
gamma_sup=14, # Limite superior do período infeccioso médio em dias (1/γ)
alpha_inf=4.2, # Limite inferior do tempo de incubação médio em dias (1/α)
alpha_sup=5, # Limite superior do tempo de incubação médio em dias (1/α)
# Parâmetros gerais
t_max=180, # Período de simulação em dias (t_max)
sample_size=1000 #Qtde. de iterações da simulação (runs)
):
cases = load_cases('city')[city]
population = load_population('city')[city]
S0 = S0 or population
I0 = I0 or cases.loc[date]['totalCases']
E0 = E0 or 2 * I0
R0 = R0 or 0
sample_size = sample_size or 1000
t_max = t_max or 180
for reduce_by in reduce_r0:
model = SEIRBayes.init_from_intervals(
NEIR0=(S0, E0, I0, R0),
r0_interval=((1 - reduce_by) * r0_inf,
(1 - reduce_by) * r0_sup, 0.95),
gamma_inv_interval=(gamma_inf, gamma_sup, 0.95),
alpha_inv_interval=(alpha_inf, alpha_sup, 0.95),
t_max=t_max)
S, E, I, R, t = model.sample(sample_size)
pred = pd.DataFrame(index=(pd.date_range(
start=date, periods=t.shape[0]).strftime('%Y-%m-%d')),
data={
'S': S.mean(axis=1),
'E': E.mean(axis=1),
'I': I.mean(axis=1),
'R': R.mean(axis=1)
})
df = (pred.join(cases, how='outer').assign(
cases=lambda df: df.totalCases.fillna(df.I)).assign(
newly_infected=lambda df: df.cases - df.cases.shift(
1) + df.R - df.R.shift(1)).assign(
newly_R=lambda df: df.R.diff()).rename(
columns={'cases': 'totalCases OR I'}))
df = df.assign(days=range(1, len(df) + 1))
print(model._params)
df.to_csv(f'seir_output-{reduce_by}_2.csv')
options=options_date,
index=len(options_date) - 1)
NEIR0 = make_NEIR0(cases_df, population_df, w_place, w_date)
w_params = make_param_widgets(NEIR0)
sample_size = st.sidebar.number_input(
'Qtde. de iterações da simulação (runs)',
min_value=1,
max_value=3_000,
step=100,
value=300)
st.markdown(texts.MODEL_INTRO)
w_scale = st.selectbox('Escala do eixo Y', ['log', 'linear'], index=1)
w_show_uncertainty = st.checkbox('Mostrar intervalo de confiança',
value=True)
model = SEIRBayes.init_from_intervals(**w_params)
model_output = model.sample(sample_size)
ei_df = make_EI_df(model_output, sample_size)
fig = plot(model_output, w_scale, w_show_uncertainty)
st.altair_chart(fig)
download_placeholder = st.empty()
if download_placeholder.button('Preparar dados para download em CSV'):
href = make_download_df_href(ei_df)
st.markdown(href, unsafe_allow_html=True)
download_placeholder.empty()
intervals = [
w_params['alpha_inv_interval'], w_params['gamma_inv_interval'],
w_params['r0_interval']
]
SEIR0 = model._params['init_conditions']