def fig_creator_md_inter(name, coeff_list):
"""
Création de figure pour models_interractive.py : Représentation des différents modèles et de la courbe réelle du
nombre cumulé de cas de la COVID-19.
:param name: str -> Nom du pays
:param coeff_list: list -> Liste des paramètres des différents modèles dans cet ordre : [r_log, r_rich, alpha,
beta_SIR, gamma_SIR, beta_SEIR, sigma_SEIR, gamma_SEIR]
:return: plotly.graph_objs._figure.Figure
"""
fig = make_subplots(rows=1, cols=1)
title = "Nombre cumulé d'infectés - COVID-19"
fig.update_layout(title={
'text': title,
'y': 0.9,
'x': 0.5,
'xanchor': 'center',
'yanchor': 'top'
},
title_font_size=30,
xaxis={'title': 'Date (jour/mois)'},
yaxis={'title': 'Nombre d\'individu'})
matrix = give_CC_matrix(name)
sp = CC_starting_point(name)
### Défintion des paramètres ###
# Nombre initial d'infectés.
C0 = matrix[0]
# Nombre cumulatif final d'infectés.
K = matrix[len(matrix) - 1]
# Intervalles de temps.
t = np.arange(sp, len(dt.Time_ext), 1)
# Population totale.
N = dt.Totpop[name]
# Nombre initial d'individus infectés, infectieux et guéris.
E0, I0, R0 = 0, C0, 0
# Nombre d'individu susceptibles d'attrapper la maladie.
S0 = N - E0 - I0 - R0
# Modèles calculant le nombre cumulé d'infectés.
C1 = md.logistique(C0, K, coeff_list[0], t) # modèle logistique
C2 = md.richards(C0, K, coeff_list[1], t,
coeff_list[2]) # modèle de Richards
C3 = md.SIR(S0, I0, R0, t, N, coeff_list[3], coeff_list[4]) # modèle SIR
C4 = md.SEIR(S0, E0, I0, R0, t, N, coeff_list[5], coeff_list[6],
coeff_list[7]) # modèle SEIR
### Ajout des courbes ###
fig.add_scatter(x=dt.Time_ext[sp:], y=matrix, name=name)
fig.add_scatter(x=dt.Time_ext[sp:], y=C1, name="Modèle logistique")
fig.add_scatter(x=dt.Time_ext[sp:], y=C2, name="Modèle de Richards")
fig.add_scatter(x=dt.Time_ext[sp:], y=C3, name="Modèle SIR")
fig.add_scatter(x=dt.Time_ext[sp:], y=C4, name="Modèle SEIR")
return fig
def f_richards_minimization(coeff, name):
"""
Obtention d'une valeur représentative de l'erreur entre les observations réelles du nombre cumulé de cas de COVID-19
et le modèle de Richards défini à partir des paramètres de la fonction.
:param coeff: numpy.ndarray
:param name: str -> Nom du pays
:return: float
"""
sp = int(GRCC_matrix_startCC([name])[0][0])
C0 = GRCC_matrix_startCC([name])[0][1]
observations = give_CC_matrix(name)
K = np.max(observations)
t = np.arange(sp, len(observations) + sp)
C = md.richards(C0, K, coeff[0], t, coeff[1])
return error(observations, C)
def update_graph(EGR_log, EGR_rich, Rcoeff, b_SIR, g_SIR, b_SEIR, s_SEIR,
g_SEIR):
# Nombre cumulé d'infectés.
C1 = logistique(C0, K, EGR_log, t1) # modèle logistique
C2 = richards(C0, K, EGR_rich, t1, Rcoeff) # modèle de Richards
C3 = SIR(S0, I0, R0, t1, N, b_SIR, g_SIR) # modèle SIR
C4 = SEIR(S0, E0, I0, R0, t1, N, b_SEIR, s_SEIR, g_SEIR) # modèle SEIR
new_fig = make_subplots(rows=1, cols=1)
new_fig.update_layout(title={
'text': "Nombre cumulatif d'infectés de la COVID 19",
'y': 0.9,
'x': 0.5,
'xanchor': 'center',
'yanchor': 'top'
},
title_font_size=30,
xaxis={'title': 'Date (jour/mois)'},
yaxis={'title': 'Nombre d\'individu'})
new_fig.add_scatter(x=dt.Time, y=dt.France_C, name="Données France CSSE")
new_fig.add_scatter(x=dt.Time, y=matrix_2, name="Données France OxCGRT")
# new_fig.add_scatter(
# x=dt.Time,
# y=dt.Germany_C, name="Données Allemagne")
#
# # new_fig.add_scatter(
# x=dt.Time[2:],
# y=C1, name="Modèle logistique")
#
# new_fig.add_scatter(
# x=dt.Time[2:],
# y=C2, name="Modèle de Richards")
#
# new_fig.add_scatter(
# x=dt.Time[2:],
# y=C3, name="Modèle SIR")
#
# new_fig.add_scatter(
# x=dt.Time[2:],
# y=C4, name="Modèle SEIR")
return new_fig
t1 = np.arange(2, len(dt.Time), 1)
# Coefficient du modèle de Richards.
alpha1 = 1.0685873
# Population totale.
N = 64081000
# Nombre initial d'individus infectés, infectieux et guéris.
E0, I0, R0 = 0, 2, 0
# Nombre d'individu susceptibles d'attrapper la maladie.
S0 = N - E0 - I0 - R0
# Taux de transmission et taux de guérison par jours.
beta_SIR, gamma_SIR = 9.24884336, 9.12660313 # modèle SIR
beta_SEIR, sigma_SEIR, gamma_SEIR = 44.3754473, 2.75653902, 41.72852292 # modèle SEIR
# Nombre cumulé d'infectés.
C1 = logistique(C0, K, r_log, t1) # modèle logistique
C2 = richards(C0, K, r_rich, t1, alpha1) # modèle de Richards
C3 = SIR(S0, I0, R0, t1, N, beta_SIR, gamma_SIR) # modèle SIR
C4 = SEIR(S0, E0, I0, R0, t1, N, beta_SEIR, sigma_SEIR,
gamma_SEIR) # modèle SEIR
data = converter("data_text/{}".format("France"))
matrix = []
for t in range(len(data)):
matrix += [data[t][27]]
matrix_2 = matrix[21:-8]
df = pd.read_csv(
'https://raw.githubusercontent.com/plotly/datasets/master/gapminderDataFiveYear.csv'
)
external_stylesheets = ['https://codepen.io/chriddyp/pen/bWLwgP.css']