Python实现带接种人群的SIRD模型代码异常求助

1. 核对微分方程的合理性 #

先确认你推导的带接种（V）的SIRD方程是否符合基本传播逻辑，标准的带接种SIRD方程框架如下：

dS/dt = -βSI/N - νS （易感人群减少：被感染+接种）
dI/dt = βSI/N - γI - μI （感染人群变化：新增感染 - 康复 - 死亡）
dR/dt = γI （康复人群仅来自感染人群康复）
dD/dt = μI （死亡人群仅来自感染人群死亡）
dV/dt = νS （接种人群来自易感人群接种）

需要重点确认：

• 接种项dV/dt的来源是否是易感人群S，且系数ν（接种率）不为0
• 所有人群的总和S+I+R+D+V是否在模拟过程中保持恒定（这是模型的核心守恒性，可通过打印每一步的总和验证）

2. 手动数值积分的逻辑错误 #

因为你没有用odeint而是手动实现积分（比如欧拉法、龙格-库塔法），这类实现最容易出问题：

• 时间步长问题：如果步长过大，会导致数值不稳定，甚至出现负人群数，或者曲线提前进入平台期
• 变量更新顺序错误：必须先计算所有变量的微分增量，再统一更新变量值，不能用更新后的变量去计算其他增量。比如错误写法：

# 错误：先更新S，再用新S计算V的增量
S += (-β*S*I/N - ν*S)*dt
V += ν*S*dt

正确写法应该是先缓存所有当前值的微分，再统一更新：

# 正确：先计算所有微分
dS = (-β*S*I/N - ν*S)
dV = ν*S
dI = β*S*I/N - γ*I - μ*I
dR = γ*I
dD = μ*I
# 再统一更新所有变量
S += dS*dt
V += dV*dt
I += dI*dt
R += dR*dt
D += dD*dt

3. 参数与初始条件排查 #

• 接种率ν：如果ν设为0或极小值（比如1e-5），接种人群V的增长会极其缓慢，视觉上呈现无增长状态
• 传播/康复/死亡参数：如果感染率β太小，或康复率γ+死亡率μ太大，感染人群I会快速清零，导致dR/dt和dD/dt变为0，R和D自然停止增长
• 初始条件：确认初始易感人群S₀是否大于0（如果S₀=0，V就没有增长来源）；初始感染人群I₀是否足够支撑疫情传播（如果I₀=0，整个模型不会启动）

4. 代码细节检查 #

• 确认人群总数N的定义：N应该是初始状态下S+I+R+D+V的总和，且模拟过程中每一步的总和应基本恒定（允许微小数值误差）
• 检查是否有阈值判断逻辑：比如当I小于某个极小值时，强制将所有微分设为0，导致R、D提前停止增长
• 核对绘图代码：确认V的数组长度与时间轴一致，且没有被错误赋值为固定值（比如V始终等于初始值）

内容的提问来源于stack exchange，提问作者arthika