-
Notifications
You must be signed in to change notification settings - Fork 0
/
funtion for model.R
180 lines (120 loc) · 5.75 KB
/
funtion for model.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
###################################################################################
# modelagem matematica lobisomem vampiro humanos #
##################################################################################
# Parametros ----
#cenario optimista
natalidade <- 0.001 #taxa matalidade mundial 2015
Motalidade.Hum <- 0.0001 #taxa de mortalidade
beta.vamp <- 0.003 #taxa de infecao vampiros
beta.lobi <- 0.001 #taxa de infecao lobisomn
prev.vamp <- 0.001 # taxa de prevencao que um humano vire vamp porque se suicida ou matam com estaca no coração
prev.lobi <- 0.001 #taxa de prevencao que um humano vire lobi porque se suicida ou le disparam bala de prata
# gamma.vamp <- 0#365/21 # periodo de latencia para virar vampiro 3 sem
# gamma.lobi <- 0 #365/21 # periodo de latencia lobi 3 sem
letha.homen.mata.vampiro <- 0.001 # taxa de humonaos que matam vampiros
letha.lobi.mata.vampiro <- 0.5 #taxa de lobi que matam vampiros
letha.homenm.mata.lobi <- 0.001 # taxa de humonaos que matam lobi
letha.vampi.mata.lobi <- 0.01 # taxa de vampiro que matam lobi
mortalidade.lobi <- 0.001 # cinomose ou vivem o mesmo tempo do que os humanos
#cenario pesimista
beta.vamp <- 0.004 #taxa de infecao vampiros
#lobisomem eh muito masi p-oderoso segindop o alussio
#funtion form model ----
#paramoteros do modelo (correr funcao primeiro )
HVW.model(natalidade ,
Motalidade.Hum ,
beta.vamp ,
beta.lobi ,
prev.vamp ,
prev.lobi ,
# gamma.vamp = gamma.vamp,
# gamma.lobi = gamma.lobi,
letha.homen.mata.vampiro ,
letha.lobi.mata.vampiro ,
letha.homenm.mata.lobi ,
letha.vampi.mata.lobi ,
mortalidade.lobi )
# funtion para o modelo ----
HVW.model <- function(natalidade = natalidade,
Motalidade.Hum = Motalidade.Hum,
beta.vamp = beta.vamp,
beta.lobi = beta.lobi,
prev.vamp = prev.vamp,
prev.lobi = prev.lobi,
# gamma.vamp = gamma.vamp,
# gamma.lobi = gamma.lobi,
letha.homen.mata.vampiro = letha.homen.mata.vampiro,
letha.lobi.mata.vampiro = letha.lobi.mata.vampiro,
letha.homenm.mata.lobi = letha.homenm.mata.lobi,
letha.vampi.mata.lobi = letha.vampi.mata.lobi,
mortalidade.lobi = mortalidade.lobi) {
# Formulacao com fracoes (proporcoes)
# Carregando pacotes ----
if(!(require(deSolve))){install.packages("deSolve")}; library(deSolve)
if(!(require(tidyverse))){install.packages("tidyverse")}; library(tidyverse)
if(!(require(reshape2))){install.packages("reshape2")}; library(reshape2)
if(!(require(ggthemes))){install.packages("ggthemes")}; library(ggthemes)
# o desolve precisa um conjunto de parametrros pra souber o nome da equacao
par.SVW <- c(
natalidade = natalidade,
Motalidade.Hum = Motalidade.Hum,
beta.vamp = beta.vamp,
beta.lobi = beta.lobi,
prev.vamp = prev.vamp,
prev.lobi = prev.lobi,
# gamma.vamp = gamma.vamp,
# gamma.lobi = gamma.lobi,
letha.homen.mata.vampiro = letha.homen.mata.vampiro,
letha.lobi.mata.vampiro = letha.lobi.mata.vampiro,
letha.homenm.mata.lobi = letha.homenm.mata.lobi,
letha.vampi.mata.lobi = letha.vampi.mata.lobi,
mortalidade.lobi = mortalidade.lobi
)
# Calculando R0 ----
#
# R0 <- beta.vamp/(gamma.vamp)
# R0
# Variaveis e condicao inicial ----
S.iniciais <- 1000
S <- 1000
Iv <- 0
Iw <- 0
V <- 1
W <- 1
# K <- S/10 # capacidade de suporte ouseja cuantos humanos poderiam matar
# state.SIR <- c(s=0.9999,i=0.0001,r=0)
state.SVW <- c(S = S, Iv = Iv,Iw = Iw)
# Tempo de simulacao ----
tsim <- 50000
Dt <- 1
# Funcao para o modelo SIR ----
# Termo de transmissao frequencia dependente
SIRS <- function(t,state,parameters){
with(as.list(c(state,parameters)),{
# # rate of change
# ds <- natalidade*S - Motalidade.Hum*S - beta.vamp *S*V -beta.lobi*S*W
ds <- (natalidade*S) - Motalidade.Hum*S - ((beta.vamp *S*V )*(S/S.iniciais)) -( (beta.lobi*S*W)*(S/S.iniciais))
dIv <- (beta.vamp*S*V)- prev.vamp* Iv - letha.lobi.mata.vampiro*V - letha.homen.mata.vampiro*V
# dIv <- sqrt((((beta.vamp*S*V)/(S)) - prev.vamp* Iv - letha.lobi.mata.vampiro*V - letha.homen.mata.vampiro*V )^2)
dIw <- beta.lobi*S*W - prev.lobi*Iw - letha.vampi.mata.lobi*W - letha.homenm.mata.lobi*W - mortalidade.lobi*W
# dIw <- sqrt(((beta.lobi*S*W/(S)) - prev.lobi*Iw - letha.vampi.mata.lobi*W - letha.homenm.mata.lobi*W - mortalidade.lobi*W )^2)
# return the output of the model
return(list(c(ds, dIv, dIw)))
})
}
tempos <- seq(from=0,to=tsim,by=Dt)
# modSIRS <- ode(y = state.SIR, times = tempos, func = SIRS, parms = par.SIRS, method = "ode45")
modSIRS <- ode(y = state.SVW, times = tempos, func = SIRS, parms = par.SVW, method = "ode45")
modSIRS <- as.data.frame(modSIRS)
names(modSIRS) <- c("Time", "Humans", "Vampires", "Wolfman")
plot.vamp.lobi.hum <- modSIRS %>%
gather(key = 'Population', value = 'valor', -Time) %>%
ggplot( )+
geom_line(aes(x= Time, y = valor, colour = Population), size = 1)+
# ylim(0,1000)+
# scale_fill_manual(values=c("#999999", "#E69F00", "#56B4E9"))
# ggthemes::theme_igray()+
xlab("Time (Days) ")+ ylab("Population")+ ggtitle("Interration of Populations")+
theme(axis.text.x = element_text(angle = 45, hjust = 1) ,text = element_text(size = 17, face = "bold") )
return(plot.vamp.lobi.hum)
}