Gruppenseite - (RGB) Bearbeiten

Diese Seite enthält die gesammelten Materialien der Gruppe 15 für die Portfolioprüfung.

Teilnehmer-innen Bearbeiten

  • Klara Ruff
  • Lena Gilcher
  • Shirley Betsch

Diskrete Modellierung Bearbeiten

SIR-Modell mit Tabellenkalkulationsprogramm Bearbeiten

Allgemeine Informationen Bearbeiten

  • Die Startpunkte der einzelnen Personen werden festgelegt und die infizierte Person gewählt (1:infected ; 0:susceptible).
  • Der Raum wird durch eine 20x20 Matrix dargestellt.
  • Die Infektionswahrscheinlichkeit gibt an wie hoch die Wahrscheinlichkeit ist sich zu infizieren.


A B C D E
x y
Startpunkt Person 1 10 13 1
Startpunkt Person 2 3 5 0
Startpunkt Person 3 16 14 0
Startpunkt Person 4 8 8 0
Startpunkt Person 5 4 4 0
x y
obere Grenzen 20 20
untere Grenzen 0 0
Infektionswahrscheinlichkeit 0,2

Modellierung der Positionsänderungen aller Personen Bearbeiten

(Beispielhaft durch Person 1 gezeigt)

  • Person 1

Status am Anfang: 1 d.h Person ist infiziert

  • Abfragen:

12,7536268786558=WENN(B5+D6>$Allgemeines.B$11;B5-ZUFALLSZAHL()*3;WENN(B5+D6<$Allgemeines.B$12;B5+ZUFALLSZAHL()*3;B5+D6))

12,7536268786558=WENN(C5+E6>$Allgemeines.C$11;C5-ZUFALLSZAHL()*3;WENN(C5+E6<$Allgemeines.C$12;C5+ZUFALLSZAHL()*3;C5+E6))

2,75362687865583=-3+6*ZUFALLSZAHL()

-0,005662748437095=-3+6*ZUFALLSZAHL()

A B C D E
t x y Bewegung in x-Richtung Bewegung in y-Richtung
0 10 13
1 12,7536268786558 12,9943372515629 2,75362687865583 -0,005662748437095
2 10,917954283641 13,1458929666051 -1,83567259501487 0,151555715042242
3 9,96388314304611 15,9229791003147 -0,954071140594845 2,77708613370958
4 8,51250844841113 15,4924898240445 -1,45137469463499 -0,430489276270182
5 8,5772288908625 12,7624766264637 0,064720442451369 -2,73001319758088
6 9,82651751507785 10,9650534345809 1,24928862421536 -1,79742319188276
7 10,0096249152132 8,07713475134837 0,183107400135356 -2,88791868323254
8 8,27631653202698 5,84270743285987 -1,73330838318623 -2,2344273184885
9 6,56276433307787 6,5481794430535 -1,71355219894911 0,705472010193631
10 8,42119782316474 8,20854039214596 1,85843349008687 1,66036094909246
11 10,5246069551183 9,14207090744135 2,10340913195353 0,933530515295396
12 10,5110795559202 6,32226607972122 -0,013527399198093 -2,81980482772013
13 11,360894269437 4,57738612179959 0,849814713516773 -1,74487995792163
14 10,0398705193774 4,85192343043513 -1,32102375005952 0,274537308635539
15 8,8466928781919 2,88416570363843 -1,19317764118554 -1,9677577267967
16 6,9901049800876 3,92313021302957 -1,8565878981043 1,03896450939114
17 8,42515517916673 5,41030564957336 1,43505019907913 1,48717543654379
18 9,37947664592221 7,8297594578109 0,954321466755477 2,41945380823754
19 11,6862806755774 5,31887514301613 2,30680402965515 -2,51088431479477
20 9,65646807141582 4,41178891153317 -2,02981260416153 -0,907086231482955
21 12,219653631761 1,81917331023282 2,56318556034522 -2,59261560130035
22 12,8632807163325 0,897372396031146 0,643627084571443 -0,921800914201678
23 15,1019365932361 3,02669574165249 2,23865587690362 2,12932334562135
24 16,6193900638279 1,47051605847286 1,51745347059181 -1,55617968317963
25 18,4283745726683 1,42457177592046 1,80898450884043 -0,045944282552401
26 17,8946345272821 0,433348643794853 -0,53374004538628 -0,991223132125607
27 19,5989098838579 2,83704598705126 1,70427535657581 2,40369734325641
28 17,4618244073089 2,3262726616941 0,775359395067039 -0,510773325357157
29 17,0704164616034 2,95831577511132 -0,391407945705569 -2,57928304793946
30 15,9900539448124 2,96480246770511 2,98577992253819 0,006486692593787
31 13,8346748907432 2,81291540256485 -2,15537905406927 -0,151887065140259
32 14,0773663314632 1,20682965087788 0,242691440720001 -1,60608575168697
33 16,0810894073221 0,155948328248616 2,00372307585898 -1,05088132262927
34 14,9765520759798 3,01689439311031 -1,10453733134232 -1,13353980745856
35 17,165544974251 0,78539356806105 2,18899289827121 -2,23150082504926
36 16,4634934554289 1,61384047647813 -0,702051518822128 0,828446908417082
37 18,0956895771532 4,17927637997317 1,63219612172433 2,56543590349504
38 15,4204234319744 3,67473657941849 -2,67526614517883 -0,504539800554676
39 15,8035696797358 3,53527444487542 0,383146247761384 -0,139462134543075
40 14,605753824254 5,86690951168784 -1,1978158554818 2,33163506681242
41 16,7780180044461 3,5939740564565 2,17226418019209 -2,27293545523133
42 17,9266693606991 4,82085964299434 1,14865135625298 1,22688558653783
43 17,1817459974786 5,47203442194138 -0,744923363220475 0,651174778947044
44 16,1418508089 4,28319067932935 -1,03989518857862 -1,18884374261203
45 17,6468791301006 4,02641674407368 1,50502832120068 -0,256773935255669
46 18,238266063823 3,29999847134887 0,591386933722409 -0,726418272724814
47 17,8047190576252 5,80548039443484 2,43449055864976 2,50548192308598
48 15,6200844908496 7,68979694964426 -2,18463456677555 1,88431655520942
49 17,7750870354746 9,14285093208986 2,15500254462495 1,4530539824456
50 15,8730508808343 11,9795744597499 -1,90203615464026 2,83672352766005
51 16,6829786932846 11,121295420428 0,809927812450313 -0,858279039321862
52 15,8539782617851 12,1156127401561 -0,829000431499503 0,994317319728056
53 17,8378094253411 12,8580741463164 1,98383116355596 0,742461406160339
54 14,8979843085182 12,6586755670545 -2,93982511682292 -0,199398579261966
55 14,4284521639095 9,67015833789943 -0,46953214460869 -2,98851722915505
56 14,7257190422845 8,21727445112315 0,297266878375 -1,45288388677628
57 14,773088360179 10,1558295393159 0,047369317894501 1,9385550881928
58 15,4422934103038 11,0502636166708 0,669205050124787 0,894434077354877
59 12,7985325329135 11,7405537529637 -2,64376087739026 0,690290136292924
60 14,2365321947301 9,15573453954939 1,43799966181662 -2,58481921341436

Abstandsabfrage zwischen Personen Bearbeiten

  • Mittels der euklidischen Norm wird der Abstand zwischen den Personen berechnet.

7,71340468964258=WURZEL((Person1!B6-Person2!B6)^2+(Person1!C6-Person2!C6)^2)
⇒Zugriff auf Tabellenblätter der einzelnen Personen, um die jeweiligen x- und y-Koordinaten zum jeweiligen Zeitpunkt abzurufen, sodass die euklidische Norm berechnet werden kann.

  • Beispielhafter Ausschnitt der Ergebnisse der Abstandsabfrage:
Abstand Person 1 mit Person 2
7,71340468964258
4,26554244469595
0,8402068053489
2,93410122552207
6,02357886620046
7,80980231754275
8,51000440094819
8,3790048243642
3,38116600466229
 

Abstandscheck Bearbeiten

  • Abstandscheck zwischen Person 1 und Person 3 wird durchgeführt. Falls der Abstand zwischen beiden kleiner 2m ist, soll 1 ausgegeben werden (Zufallsexperiment wird im Weiteren durchgeführt), sonst 0 (Zufallsexperiment wird nicht durchgeführt)

1=WENN(B4<2;1;0)

Abstandscheck
0
1
0
0
1
0
0
0
 

Infektionsvorgang mittels einem Zufallexperiment und Abfrage des Infektionsstatus Bearbeiten

Zufallsexperiment Bearbeiten
  • Hier wird abgefragt ob bei dem Abstandscheck zuvor eine 1 oder eine 0 ausgeworfen wurde.
  • Ein Zufallsexperiment wird durchgeführt, wenn beim Abstandscheck der Abstand kleiner 2 ist.
  • Beim Zufallsexperiment wird eine Zufallszahl generiert. Eine "Infektion" wird angezeigt, wenn die Zufallszahl kleiner als die Infektionswahrscheinlichkeit ist, sonst wird "keine Infektion" ausgeworfen.
keine Infektion=WENN(UND(N12=1;ODER(V11=1;Z11=1));WENN(ZUFALLSZAHL()<$Allgemeines.$B$15;"Infektion";"Keine Infektion");"0")
Person 1 mit Person 5
0
0
0
0
0
0
0
0
0
Keine Infektion
0
0
Keine Infektion
0
0
0
Infektion
0
0
Abfrage Infektionsstatus Bearbeiten
Abfrage Anfangsstatus Person 5:
0=$Allgemeines.E8
Abfrage Status Person 5 nach Zeitschritten:
1=WENN(Z18=1;1;WENN(ODER(AE19="Infektion";AH19="Infektion";AJ19="Infektion";AK19="Infektion");1;0))
Wenn eines der Zufallsexperiment zuvor mit Infektion beschrieben wird, soll eine 1 ausgeworfen werden.
Person 5
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
 

Gefährdungsfunktion mittels GeoGebra Bearbeiten

Normalverteilung:

 

d und c

  • d = Integral(p(x), -j, j)
  • c = 1-d (Infektionswahrscheinlichkeit)


 

Modellierung Klassenzimmer mit Gefährdungsfunktion in Octave Bearbeiten

Festlegung grundlegender Variablen und Bedingungen Bearbeiten

clear all
close all
% Anzahl der bewegenden Personen
PersonenX=5;    % Personen insgesamt in x
PersonenY=5;    % Personen insgesamt in y
Zeitschritte=2;
T=2;
% Fuer die Gefaehrdungsfunktion werden globale Variablen definiert um sie in anderen Funktionen nutzen zu koennen.
% Deinition einer Normalverteilung mit sigma entsprechend der Funktionsvorschrift
global sigma = 0.6;
global f = @(t) 1/sqrt(2*pi*sigma.^2)*exp(-1/2*(t/sigma).^2);
% Definition Menschen
% Definieren auf Basis des Szenarios
% Ausgangsposition - jeder im Abstand von 2m zu einer anderen Person
Abstand=2;                          
x=[1:Abstand:PersonenX*Abstand];
y=[1:Abstand:PersonenY*Abstand];
[X,Y]=meshgrid(x,y);
% Definition der Raender auf Basis der Personen (Vektoren x und y)
xMin=x(1)-1;
xMax=x(end)+1;
yMin=y(1)-1;
yMax=y(end)+1;
% Gibt an, was passiert, wie weit sich eine Person von der Wand wegbewegt, sofern sie auf sie trifft
Faktor=1;

Abstandsvektor=[]
%X=[2,5,8];
%Y=[5,7,9];
Erster Infizierter Bearbeiten
% Position des ersten Infizierten wird durch ein Zufallsexperiment bestimmt
% Indices der Person wird herausgegeben
% rand(1) gibt eine Zufallszahl zwischen 0 und 1 heraus
xZufall=ceil(PersonenX*rand(1));
yZufall=ceil(PersonenY*rand(1));
% geometrische Position der Infizierten Person wird auf Basis der Indices ermittelt
XInf=X(yZufall,xZufall)
YInf=Y(yZufall,xZufall)
% Erste Infizierte Person wird in die Vektoren der Infizierten Personen übernommen
InfizierteX=[xZufall];
InfizierteY=[yZufall];
InfizierteXneu=InfizierteX;     % Dient als Zwischenspeicher
InfizierteYneu=InfizierteY;     % Dient als Zwischenspeicher 
Plot Ausgangssituation Bearbeiten
% Erster Plot
figure(1)
plot(X,Y,'*b') 
hold on
axis([x(1)-10 x(end)+10 y(1)-10 y(end)+10])
plot(XInf,YInf,'sr')
hold off
 
Bewegung der Personen Bearbeiten
% Bewegung
% Bewegungsvektoren fuer das erste T wird erstellt
VPosX=rand(PersonenY,PersonenX)-0.5;
VPosY=rand(PersonenY,PersonenX)-0.5;

for i=1:Zeitschritte*T

neuX=X+VPosX;
neuY=Y+VPosY;

 for k1=1:PersonenX
   for k2=1:PersonenY
   % Abfragen, ob sich eine Person aus dem definierten Gebiet herausbewegt
   % Sollte dies passieren, wird sie mittels Zufallsexperiment von der Wand entfernt und 
   % in das Gebiet zurueckgeschickt.
    
   if neuX(k2,k1)<xMin 
        neuX(k2,k1)=X(k2,k1)+rand(1)*Faktor;
      elseif neuX(k2,k1)<xMin && neuY(k2,k1)<yMin % Abfrage wo die Person den Rand ueberschreitet
         neuX(k2,k1)=X(k2,k1)+rand(1)*Faktor;     % Abhaengig von dieser Abfrage wird die Person vom Rand 
         neuY(k2,k1)=Y(k2,k1)+rand(1)*Faktor;     % weggeschickt
      elseif neuX(k2,k1)<xMin && neuY(k2,k1)>yMax
         neuX(k2,k1)=X(k2,k1)+rand(1)*Faktor;
         neuY(k2,k1)=Y(k2,k1)-rand(1)*Faktor;
      elseif neuX(k2,k1)>xMax
         neuX(k2,k1)=X(k2,k1)-rand(1)*Faktor;
      elseif neuX(k2,k1)>xMax && neuY(k2,k1)<yMin
         neuX(k2,k1)=X(k2,k1)-rand(1)*Faktor;
         neuY(k2,k1)=Y(k2,k1)+rand(1)*Faktor;
      elseif neuX(k2,k1)>xMax && neuY(k2,k1)>yMax
         neuX(k2,k1)=X(k2,k1)-rand(1)*Faktor;
         neuY(k2,k1)=Y(k2,k1)-rand(1)*Faktor;
      elseif neuY(k2,k1)<yMin
         neuY(k2,k1)=Y(k2,k1)+rand(1)*Faktor;
      elseif neuY(k2,k1)>yMax
         neuY(k2,k1)=Y(k2,k1)-rand(1)*Faktor;
      else 
        X(k2,k1)=neuX(k2,k1);
        Y(k2,k1)=neuY(k2,k1);
   endif 
    endfor
endfor

    X=neuX;
    Y=neuY;
Plot der Bewegung Bearbeiten
figure(i+10)
plot(neuX,neuY,'*b')
hold on
axis([x(1)-10 x(end)+10 y(1)-10 y(end)+10])

Rahmen plotten 
plot([xMin xMin],[yMin yMax],"-b");
plot([xMax xMax],[yMin yMax],"-b");
plot([xMin xMax],[yMin yMin],"-b");
plot([xMin xMax],[yMax yMax],"-b");
%quiver(neuX,neuY,VPosX,VPosY); %Sofern Bewegungspfeile gewuenscht 
% Zu jedem neuen T wird die Bewegungsrichtung der Personen gewechselt
if mod(i,Zeitschritte)==0
VPosX=rand(PersonenY,PersonenX)-0.5;
VPosY=rand(PersonenY,PersonenX)-0.5;
endif

Infektion Bearbeiten

% Definition Ansteckungsfunktion 
function [Infektion]=Ansteckungsfunktion(Abstand)
 
  % Globale Variablen(Normalverteilung mit entsprechenden Paramaetern) werden involviert  
  global sigma
  global f
 
  % Siehe GeoGebra fuer Erklaerung 
  Infwahrscheinlichkeit=1-integral(f,-Abstand,Abstand);
 
  % Zufallsexperiment wird durchgefuert  
  % Entscheidung fuer eine Infektion oder nicht 
  Experiment=rand(1);
 
  if Experiment<Infwahrscheinlichkeit
   Infektion=true;
  else
   Infektion=false;
 endif

endfunction 
Abstandscheck und neue Infizierungen Bearbeiten
for j=1:columns(InfizierteX)  % Abstand zu jedem Infizierten wird berechnet
  for k1=1:PersonenX          % Alle Personen werden "durchiteriert"  
    for k2=1:PersonenY
     
      % Abstandsabgleich zum Infizierten von jeder Person 
      Abstand=norm([neuX(k2,k1)-neuX(InfizierteY(j),InfizierteX(j)),neuY(k2,k1)-neuY(InfizierteY(j),InfizierteX(j))]);
      
      % Gefahrfunktion und Zufallexperiment
       Infektion=Ansteckungsfunktion(Abstand);
      
       if  Infektion==true % Ansteckungsfunktion
        
         Abstandsvektor=[Abstandsvektor,Abstand];
         % Neu infizierte Person wird in den Speicher übernommen
         InfizierteXneu=[InfizierteXneu k1];
         InfizierteYneu=[InfizierteYneu k2];
        
         % Speicheroptimierung - Personen sollen nicht doppelt im Speicher der Infizierten vorkommen
         A1 = [InfizierteXneu'];
         A2 = [InfizierteYneu'];
         A=[A1,A2];
         B=unique(A,"rows");
         InfizierteXneu=B(:,1)';
         InfizierteYneu=B(:,2)';
       endif
      
    endfor
  endfor
endfor
% Zwischenspeicheruebergabe
  InfizierteX=InfizierteXneu;
  InfizierteY=InfizierteYneu;
% Kennzeichnung aller Infizierten 
for l=1:columns(InfizierteX)
   plot(neuX(InfizierteY(l),InfizierteX(l)),neuY(InfizierteY(l),InfizierteX(l)),'sr')
endfor
endfor

Verbesserungsvorschläge Bearbeiten

%   Reflexion an der Wand
%   Nach einer bestimmten Anzahl von Zeitschritten wird eine Person aus dem Infiziertenspeicher
%   geloescht und in die Gruppe der Genesenen
%   Einzelne Personen bewegen sich schneller oder langsamer
%   Szenarios von Gruppenbildung 
%   Abaenderung der Gefahrenfunktion 

Kontinueliche Modellierung Bearbeiten

Tutorium 1 - Kontaktmodell Bearbeiten

%Anzahl von Punkten in x- und y-Richtung
Nx=10;
Ny=20;
radiusInf=0.8;
Zeitschritte=3; %pro eine Zeiteinheit T=1
T=6; %Die Berechnung wird für 5 Zeiteinheiten laufen
g=0.5;% Geschwindigkeit mit der sich die Fußgänger fortbewegen
Anzahl=[1];
x=[1:Nx];
y=[1:Ny];
dt=1/Zeitschritte;
[x,y]=meshgrid (x,y);


%erste infizierte Person
xInf=x(1, Nx/2);
yInf=y(Ny/2); 
IndInf2=Nx/2;  %Spalte
IndInf1=Ny/2; %Zeile
IndInf1neu=IndInf1;
IndInf2neu=IndInf2;

Plot
figure (1)
hold on;
plot(x,y, '*b') ;
plot(xInf,yInf, 'sr') ;
axis([-5 15 -5 25]);
%mit folgenden Befehlen kann man die Bilder speichern und für weitere Bearbeitung verwenden (Videos, Animationen) 
%test=["Fig_", num2str(1),".jpg"]
%saveas(1, test)
hold off;
 
for i=1:T*Zeitschritte %1. Zeiteinheit
figure (i+1)
title (['t=' num2str(i*dt)])
axis([-5 15 -5 25]);
hold on
% Zielpunkt, der am Ende der Bewegung erreicht werden soll
% Mit rand(Ny,Nx) wird eine Matrix generiert - es entstehen Zufallszahlen zwischen -0.5 und 0.5 
% Zielpositionen werden durch Addition der Zufallszahlen zwischen -0.5 und 0.5 zu jeder x,y-Koordinate generiert und mit der Geschwindigkeit g skaliert
neuPosX=x.+g.*rand(Ny,Nx)-0.5*g;
neuPosY=y.+g.*rand(Ny,Nx)-0.5*g;
%In jedem Zeitschritt wird zur aktuellen Position ein Bruchteil i*dt der noch ausstehenden Strecke addiert
Faktor=mod(i,Zeitschritte);
if Faktor==0
  Faktor=Zeitschritte;
endif
neuX=x.+1*(neuPosX.-x)*Faktor*dt; 
neuY=y.+1*(neuPosY.-y)*Faktor*dt;
VPosX=neuX.-x;
VPosY=neuY.-y;
x=neuX;
y=neuY;
%%neue Infizierungen:
%%In Vektoren IndInf1, IndInf2 sind die i- und j-Indexen der (x,y)-Koordinaten der bereits Infizierten gespeichert.
%%---------------------------
for k1=1:length(IndInf1)
  for j=1:Nx
    for l=1:Ny
   %%die aktuellen Positionen der Fußgänger-Punkte werden mit den Positionen der Infizierten abgeglichen (Abstand wird berechnet)
     abstand=norm ( [neuX(l,j)-neuX(IndInf1(k1),IndInf2(k1)), neuY(l,j)-neuY(IndInf1(k1),IndInf2(k1))]);
       if abstand<radiusInf
        %%wenn der Abstand zum Infizierten unter dem Ansteckungsradius liegt, wird  der l,j-te  Punkt infiziert (mit rotem Quadrat gekennzeichnet)
        abstand;    
           plot(neuX(l,j),neuY(l,j), 'sr') ;
           hold on
           %%---------------------------
           k2=1;
           %% der Vektor der Infizierten wird untersucht, falls die l,j-Indexen des aktuellen Punkten nicht unter den
           %infizierten Indexen auftauchen, werden  die l,j-Indexen des aktuell Infizierten zu den neuen Vektoren der Infizierten-Indexen
           % IndInf1neu, IndInf2neu zugefügt.
           %(Grund: Speicheroptimierung)
           while k2 <=length(IndInf1)&&(l!=IndInf1neu(k2) || j!=IndInf2neu(k2)) 
            k2=k2+1;
           endwhile
           
           if k2 >length(IndInf1)
             IndInf1neu=[IndInf1neu l];
             IndInf2neu=[IndInf2neu j];
           endif
       endif
         endfor
       endfor
    endfor


IndInf1=IndInf1neu;
IndInf2=IndInf2neu;


Laenge=length(IndInf1)
Anzahl= [Anzahl, Laenge]; 


plot(neuX,neuY, '*b')
quiver (neuX,neuY, VPosX,VPosY);
%%Speichern der Bilder: optional
 %test=["Fig_", num2str(i+1),".jpg"]
 %saveas(i+1, test)
hold off
%% Erreichte Position wird nach einem Zeitschritt i in x bzw. y gespeichert
endfor
 


%%Zeitschleife abgeschlossen
%%---------------------------
figure (20)
hold on
plot([0,(1:T*Zeitschritte)*dt], Anzahl, 'sr-')
xlabel('Zeit')
ylabel('Anzahl von Infizierten')
grid on
%test=["Fig_", num2str(20),".jpg"]
%saveas(20, test)
 

Das Kontaktmodell soll zunächst dazu dienen ein vereinfachtes Modell der Verbreitung einer COVID-19 Infektion darzustellen. Dabei stehen die Punkte, welche durch eine Matrix gebildet wurden, für Personen. In der Ausgangssituation sind 200 Personen abgebildet. Der Infizierte befindet sich in der Mitte und wird durch ein rotes Quadrat markiert. Die Passanten bewegen sich zunächst mit einer Geschwindigkeit von 0,5 km/h in unterschiedliche Richtungen. Bei einem Abstand unter 0,8 m zu einer Infizierten Person wird ein weiterer Passant infiziert, der in den Radius des Infizierten eintritt. Mit der Abänderung unterschiedlicher Faktoren, die auf das Modell einwirken, können Beobachtungen bezüglich Veränderungen der Verbreitung wahrgenommen werden. Diese sollen im Folgenden dokumentiert werden.

Ausgangssituation Bearbeiten

 
Ausgangssituation


Veränderung des Ansteckungsradius Bearbeiten

 
Veränderung Ansteckungsradius

Zunächst wurde der Ansteckungsradius verändert. Dabei wurde der Radius des Infizierten, in der diese Person für andere ansteckend ist, auf 1,3 m erhöht. Mit der Vergrößerung des Radius steigt die Anzahl der Infizierten und die Infektion kann sich schneller ausbreiten. Modellhaft kann man von einer ansteckenderen Mutation der Infektion ausgehen.


Erhöhung der Geschwindigkeit Bearbeiten

 
Erhöhung der Geschwindigkeit

Die Geschwindigkeit wurde im Modell von 0,5 km/h auf 1 km/h erhöht. Eine erhöhte Geschwindigkeit bringt zunächst ebenfalls eine höhere Infektionszahl mit sich. Da sich die Passanten allerdings immer weiter voneinander entfernen treten weniger Verbindungen zwischen den Passanten auf. Dadurch steigen die Infektionen bei erhöhten Zeitschritten nicht mehr an.


Veränderung der Zeiteinheiten Bearbeiten

 
Veränderung Zeiteinheiten

Erhöht man die Zeitschritte von 3 auf 5, ist eine niedrigere Anzahl der Infizierten in einem Zeitschritt zu beobachten, da sich der Vorgang über einen längeren Zeitraum vollstreckt.


Wahl des ersten Infizierten als Randpunkt Bearbeiten

 
Erster Infizierter als Randpunkt

Nun wird der erste Infizierte nicht im Zentrum der Matrix gewählt, sondern als Randpunkt, genauer noch als Eckpunkt. Hier wird keine weitere Person Infiziert, da sich der Ausgangspunkt der Infektion direkt von den anderen Personen entfernt und dadurch keine Kontakte entstehen können.


Erhöhung des Ansteckungsradius und Geschwindigkeitsreduktion Bearbeiten

 
Erhöhung des Ansteckungsradius und Reduzierung der Geschwindigkeit

Die Geschwindigkeit wird von 0,5 km/h auf 0,2 km/h reduziert und der Ansteckungsradius auf 1,2 m erhöht. Die Anzahl der Infektionen steigt noch schneller wie zuvor an. Die Passanten entfernen sich durch die geringere Geschwindigkeit viel langsamer voneinander und werden zudem durch den erhöhten Ansteckungsradius schneller mit COVID-19 infiziert.

Tutorium 2 - Fundamenallösungen der Diffusionsgleichung Bearbeiten

Stationäre Diffusion: Laplace Gleichung ⇒ Fundamentallösung von Phi Bearbeiten

clear all;
x=[-2:0.08:-0.01,0.01:0.08:2]; %Singularität rausnehmen (denn wenn wir Werte gegen Null schicken, geht das Ganze gegen unendlich)
y=[-2:0.08:-0.01,0.01:0.08:2];
[x,y]=meshgrid(x,y); %Matrizen werden erzeugt

Formel der Fundamentallösung der Laplace-Gleichung für:  

 
u=(-1/(2*pi))*log(sqrt(x.^2+y.^2)); %Laplace-Gleichung auf R^2

Plot

figure(1)
meshc(x,y,u) 
title('Graphische Darstellung der Laplace Gleichung auf R^2')
 

Stationäre Diffusion: Poisson Gleichung Bearbeiten

function wert=Quellfunktion(x,y)
 if sqrt((x.-1.0).^2+(y.-1).^2)<=0.15 wert=1;
   else wert=0;
   if sqrt((x.-4.0).^2+(y.-2).^2)<=0.15 wert=0.5;
   else wert=0; %+.
 endif
 endif
endfunction

Rechteckiges Gebiet/Gitter wird definiert

step=0.03;
X=[0:step:5]; 
Y=[0:step:5]; %Hier wurde das Rechteck verändert, über das integriert wird, sodass beide Träger mit drin sind (Aufgabe 2a).
[x,y]=meshgrid(X,Y);


Auswertung der Quellfunktion in allen Punkten des Gitters

 for i=1:(length(X)) 
 for j=1:(length(Y))
  f(j,i)=1*Quellfunktion(x(j,i),y(j,i)); %Auswertung wird in f gespeichert
 endfor  
endfor

Implementierung der Poissonformel Bearbeiten

 for i=1:(length(X)) 
 for j=1:(length(Y))
 xstar=x(j,i)*ones(length(Y),length(X));
 ystar=y(j,i)*ones(length(Y),length(X));
 % Phi mit verschobenem Argument:
 phi=-log(sqrt((xstar.-x).^2+(ystar.-y).^2))/(2*pi);
 phi(j,i)=0;
 %numerische Integration
 I(j,i) = trapz(Y,trapz(X,phi.*f,2));
  endfor  
endfor


Graphische Ausgaben
figure 1
meshc(x,y,I)
grid on
title ('Losung von Poissongleichung')
xlabel('x')
ylabel ('y')
figure 2
surfc(x,y,f)
title ('Funktion der rechten Seite')
 
 


Zeitabhängige Diffusion ⇒ Fundamentallösung von Psi Bearbeiten

close all
clear all
Abmessung=3; %Damit wir den Anfangs- und Endwert schneller abändern können, definieren wir "Abmessung"
Schrittweite=0.1; %Gleiches erfolgt mit der Schrittweite
%Ausschneiden des  Punktes (0,0)  nicht notwendig, da die Singularität in diesem Fall nur entsteht wenn alles 0 ist - x, z aber auch t, was hier nicht 
so ist.
x=[-Abmessung:Schrittweite:Abmessung]; 
y=[-Abmessung:Schrittweite:Abmessung];
[x,y]=meshgrid(x,y); %Matrizen werden erzeugt
norm=sqrt(x.^2+y.^2); %Norm wird definiert, sodass wir sie in z verwenden können
% Diffusionskoeffizienten
a=0.1; %Je größer a ist, desto schneller bewegen sich die Teilchen von Ort hoher Konzentration, zu Ort niedriger Konzentration
t0=0.01
dt=0.2
for k=0:5 %hier definieren wir eine for-Schleife für die verschiedenen Zeitpunkte. Diese läuft von Zeitpunkt t1 bis t5.
t=t0+k*dt;

Lösungsformel für die homogene (instationäre) Diffusionsgeichung für konstanten Diffusionskoeffizient  .

 
z=(1/(4*pi*a*t))*exp(-norm.^2/(4*a*t)); %stationaere Diffusionsgleichung für n=2


%plotten
figure(k+1) %Plott soll zum jeweiligen Zeitpunkt k+1 folgen
meshc(x,y,z)
grid on 
title (['Loesung von Diffusionsgleichung_',num2str(k)]) %num2str führt dazu, dass die bei allen Bildern der Zeitpunkt angegeben wird.
xlabel('x')
ylabel ('y')
axis([-Abmessung Abmessung -Abmessung Abmessung 0 6.48]) %Achsen werden fest gewählt, sodass die Bilder aussagekräftig sind und nicht immer anders 
skaliert sind
%Skalierung der Achsen: x-Werte von -2 bis +2; y-Werte von -2 bis +2 und z-Werte von 0 bis 6.48
% Speichern der Bilder
filename=["Images/Figure_" num2str(k+1) ".jpg"]; %[] texte werden verbunden ; num2str = Nummer zu Text; / = in dem Ordner speichern! mehrere / in den jeweiligen Unterordner
saveas(k+1,filename)
endfor
Lösung der Diffusionsgleichung

Zeitabhängige Diffusion als Anfangswertproblem Bearbeiten

clear all
function wert=Quellfunktion(x,y) %Quellfunktion wird definiert (wie ganz oben)
  if sqrt((x.-1.0).^2+(y.-1).^2)<=0.15 wert=1;
    else wert=0;
   
    if sqrt((x.+1.0).^2+(y.+1).^2)<=0.15 wert=1;
    else wert=0; 
  endif
  endif
endfunction


% Langsamere Diffusionsgeschwindigkeit
a=1;
step=0.05; %Abstand der Gitterpunkte
%x und y Matrizen werden definiert
Abmessungen=2;
 X=[-Abmessungen:step:Abmessungen];
 Y=[-Abmessungen:step:Abmessungen];
[x,y]=meshgrid(X,Y);
%Quellfunktion wird in einer Schleife für i von i=1 bis zur jeweiligen Länge des Vektors x bzw. y aufgerufen
 for i=1:(length(X))
 for j=1:(length(Y))
   f(j,i)=1*Quellfunktion(x(j,i),y(j,i)); %Speichern erfolgt in Matrix f an der Stelle (j,i)
  endfor  
 endfor
%Anfangsloesung-Darstellung
meshc(x,y,f)
 
%Zeitschleife für t wird eingebaut
for t=0.08:0.02:0.16 %wir fangen bei 0,08 an und laufen in 0,02er Schritten zu 0,16
%man geht in 2 for-Schleifen über alle Gitterpunkte
for i=1:(length(X))
   for j=1:(length(Y))
       %________________
       xstar=x(j,i)*ones(length(Y),length(X));
       ystar=y(j,i)*ones(length(Y),length(X));
       % Psi mit verschobenem Argument:
       psi=(1/(4*pi*a*t))*exp(-((xstar.-x).^2+(ystar.-y).^2)/(4*a*t));
       %numerische Integration
       J(j,i) = trapz(Y,trapz(X,psi.*f,2)); %wird in Matrix J gespeichert
       %_______________
   endfor  
endfor
%plotten
n_fig=1000+t*1000;
figure(n_fig)
meshc(x,y,J)
title(['Loesung zeitabhaengige Diffusionsgleichung' num2str(t)])
xlabel('x-Achse')
ylabel('y-Achse')
axis([-0.8 2 -0.8 2 0 1.0]) %Achsen werden fest gewählt, sodass die Bilder aussagekräftig sind und nicht immer anders skaliert sind
endfor

Tutorium 3 - Modifiziertes SIR Modell Bearbeiten

Parameter des SIR Models Bearbeiten

NM=55000;   % Kapazitätsgrenze, 2/3 der deutschen Bevölkerung (in T)
c=0.32450;  % Basisinfektionsrate- die Rate des exponenziellen Wachstums am Anfang der Pandemie 
w=1/13.90;  % Wechselrate zu den Genesenen
d=0.003;    % Todesrate
% Anteil der erfassten Infizierten
r=0.1; 

%Veraenderung des r-Werts - Aufgabe 3 
r=[0.1:0.1:1];
 Aktuelle Daten bis zum 02.06.21
function y= Daten()
infects = [    16.0     18.0     21.0     26.0     53.0     66.0    117.0    150.0    188.0    240.0    400.0    639.0    795.0    902.0   1139.0   1296.0   1567.0   2369.0   3062.0   3795.0   4838.0   6012.0   7156.0   8198.0  10999.0  13957.0  16662.0  18610.0  22672.0  27436.0  31554.0  36508.0  42288.0  48582.0  52547.0  57298.0  61913.0  67366.0  73522.0  79696.0  85778.0  91714.0  95391.0  99225.0 103228.0 108202.0 113525.0 117658.0 120479.0 123016.0 125098.0 127584.0 130450.0 133830.0 137439.0 139897.0 141672.0 143457.0 145694.0 148046.0 150383.0 152438.0 154175.0 155193.0 156337.0 157641.0 159119.0 160758.0 161703.0 162496.0 163175.0 163860.0 164807.0 166091.0 167300.0 168531.0 169218.0 169575.0 170508.0 171306.0 172239.0 173152.0 173772.0 174355.0 174697.0 175210.0 176007.0 176752.0 177212.0 177850.0 178281.0 178570.0 179002.0 179364.0 179717.0 180458.0 181196.0 181482.0 181815.0 182028.0 182370.0 182764.0 183271.0 183678.0 183979.0 184193.0 184543.0 184861.0 185416.0 185674.0 186022.0 186269.0 186461.0 186839.0 187184.0 187764.0 188534.0 189135.0 189822.0 190359.0 190862.0 191449.0 192079.0 192556.0 193243.0 193499.0 193761.0 194259.0 194725.0 195228.0 195674.0 196096.0 196335.0 196554.0 196944.0 197341.0 197783.0 198178.0 198556.0 198804.0 198963.0 199375.0 199726.0 200260.0 200843.0 201372.0 201574.0 201823.0 202345.0 202799.0 203368.0 204183.0 204964.0 205269.0 205609.0 206242.0 206926.0 207828.0 208698.0 209653.0 209893.0 210402.0 211281.0 212022.0 213067.0 214214.0 215336.0 215891.0 216327.0 217293.0 218519.0 219964.0 221413.0 222828.0 223453.0 224014.0 225404.0 226914.0 228621.0 230048.0 232082.0 232864.0 233575.0 234853.0 236429.0 237936.0 239507.0 240986.0 241771.0 242381.0 243599.0 244855.0 246166.0 247619.0 248997.0 249985.0 250799.0 252298.0 253474.0 255366.0 256850.0 258480.0 259428.0 260355.0 261762.0 263663.0 265857.0 267773.0 270070.0 271415.0 272337.0 274158.0 275927.0 278070.0 280223.0 282730.0 284140.0 285332.0 287421.0 289219.0 291722.0 294395.0 296958.0 299237.0 300619.0 303258.0 306086.0 310144.0 314660.0 319381.0 322864.0 325331.0 329453.0 334585.0 341223.0 348557.0 356387.0 361974.0 366299.0 373167.0 380762.0 392049.0 403291.0 418005.0 429181.0 437866.0 449275.0 464239.0 481013.0 499694.0 518753.0 532930.0 545027.0 560379.0 577593.0 597583.0 619089.0 642488.0 658505.0 671868.0 687200.0 705687.0 727553.0 751095.0 773556.0 790503.0 801327.0 815746.0 833307.0 855916.0 879564.0 902528.0 918269.0 929133.0 942687.0 961320.0 983588.0 1006394.0 1028089.0 1042700.0 1053869.0 1067473.0 1084743.0 1106789.0 1130238.0 1153556.0 1171323.0 1183655.0 1197709.0 1218524.0 1242203.0 1272078.0 1300516.0 1320716.0 1337078.0 1351510.0 1379238.0 1406161.0 1439938.0 1471238.0 1494009.0 1510652.0 1530180.0 1554920.0 1587115.0 1587115.0 1627103.0 1640858.0 1651834.0 1664726.0 1687185.0 1719737.0 1719737.0 1755351.0 1765666.0 1775513.0 1787410.0 1808647.0 1835038.0 1866887.0 1891581.0 1908527.0 1921024.0 1933826.0 1953426.0 1978590.0 2000958.0 2019636.0 2033518.0 2040659.0 2052028.0 2068002.0 2088400.0 2106262.0 2122679.0 2134936.0 2141665.0 2148077.0 2161275.0 2178828.0 2192850.0 2205171.0 2216363.0 2221971.0 2228085.0 2237790.0 2252001.0 2264909.0 2275394.0 2284010.0 2288545.0 2291924.0 2299996.0 2310233.0 2320093.0 2328447.0 2334561.0 2338987.0 2342843.0 2350399.0 2360606.0 2369719.0 2378883.0 2386559.0 2390928.0 2394811.0 2402818.0 2414687.0 2424684.0 2434446.0 2442336.0 2447068.0 2451011.0 2460030.0 2471942.0 2482522.0 2492079.0 2500182.0 2505193.0 2509445.0 2518591.0 2532947.0 2545781.0 2558455.0 2569245.0 2575849.0 2581329.0 2594764.0 2612268.0 2629750.0 2645783.0 2659516.0 2667225.0 2674710.0 2690523.0 2713180.0 2734753.0 2755225.0 2772401.0 2782273.0 2791822.0 2808873.0 2833173.0 2855061.0 2873190.0 2885386.0 2893883.0 2900768.0 2910445.0 2930852.0 2956316.0 2980413.0 2998268.0 3011513.0 3022323.0 3044016.0 3073442.0 3099273.0 3123077.0 3141262.0 3153699.0 3163308.0 3188192.0 3217710.0 3245253.0 3268645.0 3287418.0 3299325.0 3310301.0 3332532.0 3357268.0 3381597.0 3400532.0 3416822.0 3425982.0 3433516.0 3451550.0 3473503.0 3491988.0 3507673.0 3520329.0 3527251.0 3533376.0 3548285.0 3565704.0 3577040.0 3584934.0 3593434.0 3598846.0 3603055.0 3614095.0 3626393.0 3635162.0 3642244.0 3648958.0 3651640.0 3653551.0 3656177.0 3662490.0 3669870.0 3675296.0 3679148.0 3681126.0 3682911.0 3687828.0 ];
deads = [   0.0    0.0    0.0    0.0    0.0    0.0    0.0    0.0    0.0    0.0    0.0    0.0    0.0    0.0    0.0    0.0    0.0    0.0    0.0    0.0    0.0    0.0    0.0   12.0   20.0   31.0   46.0   55.0   86.0  114.0  149.0  198.0  253.0  325.0  389.0  455.0  583.0  732.0  872.0 1017.0 1158.0 1342.0 1434.0 1607.0 1861.0 2107.0 2373.0 2544.0 2673.0 2799.0 2969.0 3254.0 3569.0 3868.0 4110.0 4294.0 4404.0 4598.0 4879.0 5094.0 5321.0 5500.0 5640.0 5750.0 5913.0 6115.0 6288.0 6481.0 6575.0 6649.0 6692.0 6831.0 6996.0 7119.0 7266.0 7369.0 7395.0 7417.0 7533.0 7634.0 7723.0 7824.0 7881.0 7914.0 7935.0 8007.0 8090.0 8147.0 8174.0 8216.0 8247.0 8257.0 8302.0 8349.0 8411.0 8450.0 8489.0 8500.0 8511.0 8522.0 8551.0 8581.0 8613.0 8646.0 8668.0 8674.0 8711.0 8729.0 8755.0 8763.0 8781.0 8787.0 8791.0 8800.0 8830.0 8856.0 8872.0 8883.0 8882.0 8885.0 8895.0 8914.0 8927.0 8948.0 8954.0 8957.0 8961.0 8973.0 8985.0 8994.0 9003.0 9010.0 9012.0 9016.0 9024.0 9036.0 9048.0 9054.0 9060.0 9063.0 9064.0 9068.0 9071.0 9078.0 9082.0 9083.0 9084.0 9086.0 9090.0 9095.0 9101.0 9111.0 9118.0 9118.0 9118.0 9122.0 9128.0 9134.0 9141.0 9148.0 9141.0 9148.0 9156.0 9168.0 9175.0 9183.0 9195.0 9196.0 9197.0 9201.0 9207.0 9211.0 9225.0 9231.0 9231.0 9232.0 9236.0 9243.0 9253.0 9260.0 9267.0 9269.0 9272.0 9277.0 9280.0 9285.0 9288.0 9289.0 9295.0 9298.0 9302.0 9313.0 9321.0 9322.0 9324.0 9325.0 9325.0 9329.0 9338.0 9341.0 9342.0 9347.0 9349.0 9350.0 9362.0 9368.0 9371.0 9378.0 9384.0 9386.0 9386.0 9396.0 9409.0 9428.0 9443.0 9452.0 9457.0 9460.0 9471.0 9488.0 9500.0 9508.0 9527.0 9529.0 9534.0 9546.0 9562.0 9578.0 9589.0 9604.0 9615.0 9621.0 9634.0 9677.0 9710.0 9734.0 9767.0 9777.0 9789.0 9836.0 9875.0 9905.0 9954.0 10003.0 10032.0 10056.0 10098.0 10183.0 10272.0 10349.0 10452.0 10481.0 10530.0 10661.0 10812.0 10930.0 11096.0 11226.0 11289.0 11352.0 11506.0 11767.0 11982.0 12200.0 12378.0 12485.0 12547.0 12814.0 13119.0 13370.0 13630.0 13884.0 14022.0 14112.0 14361.0 14771.0 15160.0 15586.0 15965.0 16123.0 16248.0 16636.0 17123.0 17602.0 18034.0 18517.0 18772.0 18919.0 19342.0 19932.0 20372.0 20970.0 21466.0 21787.0 21975.0 22475.0 23427.0 24125.0 24938.0 25640.0 26049.0 26275.0 27006.0 27968.0 28770.0 28770.0 29422.0 29778.0 30126.0 30978.0 32107.0 33071.0 33071.0 33960.0 34272.0 34574.0 35518.0 36537.0 37607.0 38795.0 39878.0 40343.0 40686.0 41577.0 42637.0 43881.0 44994.0 45974.0 46419.0 46633.0 47622.0 48770.0 49783.0 50642.0 51521.0 51870.0 52087.0 52990.0 53972.0 54913.0 55752.0 56546.0 56945.0 57120.0 57981.0 58956.0 59742.0 60597.0 61286.0 61517.0 61675.0 62156.0 62969.0 63635.0 64191.0 64742.0 64960.0 65076.0 65604.0 66164.0 66698.0 67206.0 67696.0 67841.0 67903.0 68318.0 68740.0 69125.0 69519.0 69888.0 70045.0 70105.0 70463.0 70881.0 71240.0 71504.0 71804.0 71900.0 71934.0 72189.0 72489.0 72810.0 73062.0 73301.0 73371.0 73418.0 73656.0 73905.0 74132.0 74358.0 74565.0 74664.0 74714.0 74964.0 75212.0 75440.0 75623.0 75780.0 75870.0 75913.0 76093.0 76342.0 76543.0  76775.0 76895.0 76963.0 77013.0 77103.0 77401.0 77707.0 78003.0 78249.0 78353.0 78452.0 78746.0 79088.0 79381.0 79628.0 79847.0 79914.0 80006.0 80303.0 80634.0 80893.0 81158.0 81444.0 81564.0 81624.0 81968.0 82280.0 82544.0 82850.0 83082.0 83192.0 83276.0 83591.0 83876.0 84126.0 84410.0 84648.0 84775.0 84829.0 85112.0 85380.0 85658.0 85848.0 86025.0 86096.0 86160.0 86381.0 86665.0 86902.0 87128.0 87298.0 87380.0 87423.0 87456.0 87726.0 87995.0 88187.0 88350.0 88406.0 88442.0 88595.0 88774.0];
recovered = [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 13500.0, 16100.0, 18700.0, 21400.0, 23800.0, 26400.0, 28700.0, 30600.0, 33000.0, 46300.0, 49000.0, 53913.0 57400.0 60200.0 64300.0 68200.0 72600.0 77000.0 81800.0 85400.0 88000.0 91500.0 95200.0 99400.0 103300.0 106800.0 109800.0 112000 114500 117400.0 120400.0 123500.0 126900.0 129000.0 130600.0 132700.0 135100.0 137400.0 139900.0 141700.0 143300.0 144400.0 145600.0 147200.0 148700.0 150300.0 151700.0 152600.0 153400.0 154600.0 155700.0 156900.0 158000.0 159000.0 159900.0 160300.0 161200.0 162000.0 162800.0 163200.0 164100.0 164900.0 165200.0 165900.0 166400.0 167300.0 167800.0 168500.0 168900.0 169100.0 169600.0 170200.0 170700.0 171200.0 171600.0 171900.0 172200.0 172600.0 173100.0 173600.0 174100.0 174400.0 174700.0 174900.0 175300.0 175700.0 176300.0 176800.0 177100.0 177500.0 177700.0 178100.0 179100.0 179800.0 180300.0 181000.0 181300.0 181700.0 182200.0 182700.0 183100.0 183600.0 184000.0 184400.0 184600.0 185100.0 185500.0 186000.0 186400.0 186900.0 187200.0 187400.0 187800.0 188100.0 188600.0 189000.0 189400.0 189800.0 190000.0 190400.0 190800.0 191300.0 191800.0 192300.0 192700.0 192900.0 193500.0 194000.0 194600.0 195200.0 195900.0 196400.0 196800.0 197400.0 198100.0 198800.0 199500.0 200200.0 200800.0 201300.0 202100.0 203000.0 203900.0 204800.0 205800.0 206600.0 207100.0 208200.0 209300.0 210600.0 211900.0 213200.0 214200.0 214900.0 216200.0 217600.0 219100.0 220500.0 221900.0 222900.0 223700.0 225000.0 226500.0 228000.0 229400.0 230600.0 231400.0 232100.0 233300.0 234600.0 236000.0 237300.0 238700.0 239800.0 240700.0 242200.0 243700.0 245400.0 246900.0 248500.0 249700.0 250500.0 252500.0 254200.0 256000.0 257900.0 259500.0 260900.0 261900.0 263700.0 265600.0 267700.0 269600.0 271800.0 273500.0 274800.0 276900.0 279300.0 281900.0 284600.0 287600.0 290000.0 291900.0 294800.0 298300.0 302100.0 306100.0 310300.0 314100.0 317100.0 321600.0 326700.0 332800.0 339200.0 345700.0 351200.0 355900.0 363100.0 371500.0 381400.0 391600.0 402500.0 412000.0 419300.0 429600.0 441200.0 454800.0 467800.0 481700.0 493200.0 502300.0 515200.0 530200.0 546500.0 562700.0 579100.0 593100.0 603800.0 618800.0 636700.0 656400.0 676100.0 696100.0 711000.0 722300.0 739100.0 758800.0 779500.0 800000.0 820600.0 835700.0 846400.0 863300.0 881800.0 902100.0 922100.0 942100.0 957500.0 967900.0 984200.0 1003300.0 1025000.0 1047600.0 1069400.0 1085500.0 1097400.0 1115400.0 1136700.0 1160100.0 1184400.0 1184400.0 1223700.0 1236700.0 1255700.0 1277900.0 1302600.0 1328200.0 1328200.0 1368100.0 1381900.0 1401200.0 1424700.0 1451000.0 1474000.0 1494100.0 1511800.0 1525300.0 1545500.0 1570000.0 1596600.0 1620200.0 1641200.0 1657900.0 1672000.0 1691700.0 1716200.0 1741800.0 1762200.0 1780200.0 1795400.0 1807500.0 1823500.0 1844000.0 1866000.0 1883700.0 1898900.0 1911800.0 1921700.0 1935600.0 1954000.0 1973200.0 1991000.0 2008200.0 2020900.0 2029200.0 2041300.0 2057300.0 2073100.0 2087600.0 2101000.0 2112000.0 2119100.0 2128800.0 2141400.0 2154600.0 2165900.0 2176300.0 2185100.0 2190600.0 2198000.0 2207700.0 2217700.0 2226500.0 2235700.0 2243200.0 2248400.0 2255500.0 2264600.0 2274400.0 2283400.0 2292100.0 2299400.0 2304300.0 2310900.0 2319600.0 2328700.0 2337000.0 2345600.0 2352600.0 2358000.0 2365100.0 2374200.0 2383600.0 2392600.0 2401700.0 2409700.0 2415200.0 2423400.0 2433800.0 2445300.0 2456200.0 2467600.0 2477500.0 2484600.0 2494800.0 2507900.0 2521800.0 2535000.0 2548200.0 2560400.0 2569400.0 2581500.0 2597100.0 2614500.0 2631400.0 2647600.0 2661500.0 2671200.0 2683900.0 2700200.0 2718700.0 2736100.0 2752000.0 2765100.0 2775200.0 2787200.0 2803600.0 2824100.0 2845300.0 2865000.0 2882300.0 2893900.0 2910100.0 2931400.0 2954000.0 2975200.0 2995200.0 3012100.0 3024600.0 3040700.0 3061500.0 3084700.0 3107300.0 3128800.0 3147100.0 3159200.0 3175600.0 3196900.0 3220300.0 3240300.0 3259000.0 3275500.0 3286400.0 3300700.0 3320300.0 3340400.0 3358000.0 3374600.0 3387800.0 3397100.0 3408800.0 3423700.0 3438800.0 3450400.0 3461700.0 3471800.0 3478600.0 3486700.0 3498400.0 3509600.0 ];
y=[infects;deads;recovered];
endfunction

% Einlesen der Daten von Infizierten, Genesenen und Toten
A=Daten();
inf_falleWHO=A(1,:);
inf_falleWHOrecovered=A(3,:);
inf_falleWHOtoten=A(2,:);

Aktuelle Impfdaten bis zum 02.06.21

function y= Impfungen()
vacc = [0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 6581.0 24741.0 42670.0 77602.0 115175.0 163424.0 163424.0 228763.0 283264.0 318674.0 366081.0 416646.0 461701.0 461701.0 532562.0 606786.0 679649.0 756333.0 834398.0 903271.0 903271.0 981914.0 1024631.0 1104504.0 1178725.0 1253306.0 1331573.0 1331573.0 1410239.0 1470822.0 1525943.0 1580628.0 1634786.0 1690351.0 1690351.0 1756478.0 1806606.0 1854928.0 1910863.0 1971043.0 2029047.0 2029047.0 2095255.0 2159412.0 2215504.0 2271784.0 2346388.0 2410230.0 2410230.0 2484408.0 2546692.0 2605818.0 2674692.0 2738103.0 2749786.0 2749786.0 2891951.0 2951692.0 3018750.0 3097094.0 3172553.0 3246005.0 3246005.0 3345235.0 3416612.0 3516986.0 3603639.0 3683054.0 3683054.0 3768080.0 3877914.0 3961165.0 4059489.0 4152414.0 4152414.0 4334170.0 4334170.0 4334170.0 4534775.0 4633859.0 4737605.0 4831522.0 4910308.0 4910308.0 5035195.0 5117056.0 5186135.0 5276028.0 5350247.0 5452990.0 5452990.0 5517282.0 5582992.0 5646788.0 5724561.0 5790531.0 5855864.0 5855864.0 5960243.0 6038063.0 6113728.0 6241152.0 6381397.0 6381397.0 6381397.0 6655866.0 6771476.0 6931584.0 7145486.0 7360108.0 7572228.0 7572228.0 7813381.0 8022890.0 8320680.0 8320680.0 8822370.0 9060934.0 9060934.0 9332160.0 9548021.0 9901626.0 10432968.0 10915832.0 11343644.0 11343644.0 11343644.0 11896572.0 12274086.0 13053626.0 13674483.0 14197101.0 14197101.0 14615052.0 15009970.0 15604092.0];
y=[vacc];
endfunction 
                                                    
% Einlesen der Impfungen (Zahlen entsprechen denen der vollstaendig Geimpften)
vacc=Impfungen();

% Aktuell infizierte Faelle (Gesamtfaellen an Infizierten und den Genesenen)
inf_falleWHOaktuell=inf_falleWHO-inf_falleWHOrecovered;

% Wieviele Tage Datenmaterial vorhanden
n=length(inf_falleWHO)

% Anzahl der Tage von denen Daten vorhanden sind 
timesWHO=[0:1:n-1];

% Hinzufuegen von Nullen bei Impfungen, damit deren Dimensionen den Infizierten entsprechen
m=length(vacc);
vacc=[zeros(1,n-m),vacc];
mneu=length(vacc);


 Plot Daten WHO
figure(1)
title ('Corona- infizierten Detuschland, Quelle RKI')
plot (timesWHO, inf_falleWHO./1000, 's', "linewidth",4, timesWHO,inf_falleWHOaktuell/1000, '*' , timesWHO,inf_falleWHOrecovered/1000,'s',  timesWHO, inf_falleWHOtoten./1000 , '*' )
xlabel ('Tage von 26. Februar')
ylabel ('Zahlen in Tausend')
legend ( "German data I+R" ,"German data I","German data R", "German data deaths" ,"location", "west")
grid on
xticks([10:10:460])
axis([0,n, 0 ,450]) 
 

Berechnung der Infektionsraten auf Basis der RKI-Daten Bearbeiten

T=1;
ccc(1)=c;
for i=T+1:n
 ccc(i-T)=(inf_falleWHO(i)-inf_falleWHO(i-T))/(inf_falleWHO(i-T));
% NEU ----------------
 % Infektionsrate aus dem beschränktem Modell
 ccc2(i-T)=NM*(inf_falleWHO(i)-inf_falleWHO(i-T))/(inf_falleWHO(i-T)*(NM-0.001*inf_falleWHO(i-T)));
endfor
Slowdown-Funktion
% val ist hier direkt die Infektionsrate!
function val=slowdown2(x,t)
% x=2.5
global c=0.32450;
% Ab Tag t (Argument der Funktion) wird die Infektionsrate in mehreren Schritten sinken:
if x<t val=0.32450 ; 
   elseif x<t +10 val=t./(x.^1.05)*0.32450; 
           elseif x<t +22 val=t./(x.^1.2)*0.32450; 
                   else val=t./(x.^1.27)*0.32450  ;
endif
%Beispielhafte Lockerung der Maßnahmen ab Tag 80, die die Infektionsrate wieder auf 50 % der   Basisinfektionsrate erhöht
%(um den Effekt der Lockerung zu beobachten)
if x> 90
 val=0.07;
endif

if x>150
 val=0.06;
endif
   if x>200
     val=0.115;
   endif
       if x>250
         val=0.15;
       endif
           if x>300
             val=0.1;
           endif
               if x>330
                 val=0.08;
               endif
                   if x>380
                     val=0.12;
                   endif
                       if x>400
                         val=0.195;
                       endif
                           if x>420
                             val=0.3;
                           endif
                               if x>440
                                 val=0.11;
                               endif
endfunction
Einbettung slowdown-Funktion
for i=1:length(timesWHO)
 cc(i)=slowdown2(timesWHO(i),25);
% NEU: Annahme, dass Infektionsrate in einer Woche konstant ist 
% Gleitender Mittelwert
for j=100:6:length(cc)-6
   Mittelwert=sum(cc(j:j+6))/7;
   cc(j:j+6)=Mittelwert;
 endfor
endfor
% Resultat: Werte für unsere Infektionsrate gespeichert in dem Vektor cc
Plot der Infektionsrate und slowdown-Funktion
figure(2)
plot(timesWHO,cc)
hold on 
plot (ccc, '*', ccc2 , 's')
grid on
title ('Tatsächliche und slow-down Infektionsrate')
legend ('slow-down Funktion', 'Infektionsrate c_Data')
hold off
 
% zum Vergleich relativer Fehler der Infektionsraten aus beschänkten und unbeschränktem Modell
figure(3)
plot (abs(ccc-ccc2)./ccc)
%plot (NM-0.001*inf_falleWHO(2:length(timesWHO))) % Kapazität
title ('Relat Fehler der unbesch. und beschr. Infektionsrate')
 

Numerische Lösung des SIR-Modells Bearbeiten

Weitere slowdown-Funktion
function val=slowdown(x,cc)

Rundung=floor(x);
if Rundung==0
  val=cc(1,1);
 else
  val=cc(1,floor(x));
 endif
endfunction
 Lösung des ODE Systems
% Times angepasst damit kein NA in relat Fehler entsteht 
% Beim Vergleich von Daten mit berechneten Werten, muessen die Berechnungszeiten uebereinstimmen.
times=(0:0.1:465);

for i=1:length(r) %Aufgabe 3
rRechnung=r(i);

%Anfangsbedingungen
   yo=[NM-16/1000;16/1000;0];
% Loesung des Systems von gewoehnlichen Differentialgleichungen (SIR-Modell)
   f=@(y,x) [-slowdown(x,cc)*y(1)*y(2)/(rRechnung*NM);slowdown(x,cc)*y(1)*y(2)/NM-w*y(2);w*y(2)-0*y(2)];
   y = lsode (f, yo, times);
  
% Plot der numerischen Loesung
figure(i+30)
  plot ( times, y (:,2), '.', times, y (:,3),'.',times, y (:,3)+y (:,2),'.')
  hold on
  plot (timesWHO, inf_falleWHO./1000, 's', "linewidth",4, timesWHO,inf_falleWHOaktuell/1000, '*' , timesWHO,inf_falleWHOrecovered/1000, '*' )
  legend ( "Infected", "Removed", " Infected+Removed","German data I +R" ,"German data I ","German data R" ,"location", "west")
  title (["Mit r = " ,num2str(rRechnung)]);
  axis([0,n, 0 ,5500]) 
  hold off 
  
 
figure(i+40)
  plot ( times, y (:,1), '.', times, y (:,2), '.', times, y (:,3),'.',times, y (:,3)+y (:,2),'.')
  hold on
  plot (timesWHO, inf_falleWHO./1000, 's', "linewidth",4, timesWHO,inf_falleWHOaktuell/1000, '*' , timesWHO,inf_falleWHOrecovered/1000, '*' )
  legend ( "Succeptible","Infected", "Removed", " Infected+Removed","German data I +R" ,"German data I ","German data R" ,"location", "west")
  title (["Mit r = " ,num2str(rRechnung)]);
  axis([0,450, 0 ,55020])
  hold off

endfor 
 

Beobachtung Aufgabe 3

Es ist deutlich zu erkennen, dass die Kurve der Infizierten (dunkelblau) ansteigt, je größer r wird. Dies bedeutet: Werden mehr Infizierte erfasst, also r größer und die Dunkelziffer damit kleiner, steigt im Umkehrschluss die Zahl der Infizierten.

Relativer Fehler der numerischen Lösung des SIR-Modells zu den RKI-Daten Bearbeiten

Relativer Fehler Infizierte
%Interpolation der Funktionswerte an die RKI-Zeiten (Tage)
I=interp1 (times, y(:,2), timesWHO+1);
abs_I=abs(I-inf_falleWHOaktuell/1000);
rel_I=abs(I-inf_falleWHOaktuell/1000)./(inf_falleWHOaktuell/1000);
Relativer Fehler Genesene/Toten
R=interp1 (times, y(:,3), timesWHO+1);
abs_R=abs(R-inf_falleWHOrecovered/1000);
rel_R=abs(R-inf_falleWHOrecovered/1000)./(inf_falleWHOrecovered/1000);
Plot relativer Fehler Infizierte und Genesene
figure(5)
plot (timesWHO, rel_I)
title ('relativer Fehler, Infected , Recovered')
hold on
plot (timesWHO, rel_R, '*')
hold off
legend('Infected', 'Recovered')
 
%Fehlermaß
maas_I=norm(abs_I)/norm(inf_falleWHOaktuell/1000)
%weiterer  Fehlermaß Durchschnitt und Euklid-Norm
rel_I_mean=mean(rel_I)
rel_I_norm=norm(rel_I);
%Fehlermaß
maas_R=norm(abs_R)/norm(inf_falleWHOrecovered/1000)
% weiterer Fehlermaß: Durchschnitt und Euklid-Norm
rel_R_mean=mean(rel_R(36:length(timesWHO)))
rel_R_norm=norm(rel_R(36:length(timesWHO)));


Impfungen Bearbeiten

Impffunktion
%weitere slowdown-Funktion

function val=Impffunktion(x)

Rundung=floor(x);
 if x<330
  val=0;
  elseif x<390&&x>=330
  val=0.00065;
  elseif x<430&&x>=390
  val=0.0009;
  elseif x<450&&x>=430
  val=0.0022;
  else 
  val=0.0045;
 endif
endfunction

for i=1:length(timesWHO)
 Impfen(i)=Impffunktion(timesWHO(i))*82000;
 Impfen_gesamt(i)=sum(Impfen(1:i));
endfor
Plot der Geimpften und der Impffunktion
figure(1000)
title("Impfungen auf RKI-Daten")
plot(timesWHO, vacc./1000,"s",Impfen_gesamt,"-b",Impfen)
xlabel("Tage von 26. Februar 2020")
ylabel("Zahlen in Tausend")
legend("ImpfungenRKI","Impffunktion","Tagesimpfungen")
grid on 
xticks([10:20:480])
axis([0,n, 0 ,20000]) 

 


Einbauen der Impffunktion in das System 
%Lösung des ODE Systems 
 % Zeitpunkt in denen numerische Loesung soll berechnet werden  
times=(0:0.1:460);

for i=1:length(r) %Aufgabe 3 
rRechnung=r(i);

%Anfangsbedingungen 
% neue Differentialgleichung wird hinzugefuegt - SIR Modell wird um die Gruppe der Geimpften erweitert, zu Beginn: "0" Geimpfte 
  yo=[NM-16/1000;16/1000;0;0];
   
% Term wurde hier hinzugefuegt - aus der Gruppe der Succeptible werden die Geimpften entfernt und in ihre eigene Gruppe hinzugefuegt 
   f=@(y,x) [-slowdown(x,cc)*y(1)*y(2)/(rRechnung*NM)-(Impffunktion(x)*82000);slowdown(x,cc)*y(1)*y(2)/NM-w*y(2);w*y(2)-0*y(2);(Impffunktion(x)*82000)];
   y = lsode (f, yo, times);
Plot ohne Succeptible 
 figure(i+60)
  plot ( times, y (:,2), '.', times, y (:,3),'.',times, y (:,3)+y (:,2),'.',times,y(:,4),'.')
  hold on
  plot (timesWHO, inf_falleWHO./1000, 's', "linewidth",4, timesWHO,inf_falleWHOaktuell/1000, '*' , timesWHO,inf_falleWHOrecovered/1000, '*',timesWHO, vacc./1000,"s" )
  legend ( "Infected", "Removed", " Infected+Removed","Vaccinated","German data I +R" ,"German data I ","German data R" ,"German data Vaccinated","location", "west")
  title (["Mit r=" ,num2str(rRechnung)]);
  axis([0,n, 0 ,5000])  
  hold off

 
 Plot mit Succeptible 
 figure(i+70)
  plot ( times, y (:,1),times, y (:,2), '.', times, y (:,3),'.',times, y (:,3)+y (:,2),'.',times,y(:,4),'.')
  hold on
  plot (timesWHO, inf_falleWHO./1000, 's', "linewidth",4, timesWHO,inf_falleWHOaktuell/1000, '*' , timesWHO,inf_falleWHOrecovered/1000, '*',timesWHO, vacc./1000,"s" )
  legend ("Succeptible","Infected", "Removed", " Infected+Removed","Vaccinated","German data I +R" ,"German data I ","German data R", "German data Vaccinated","location", "west")
  title (["Mit r = " ,num2str(rRechnung)]);
  axis([0,450, 0 ,55020])
  hold off
  
 
  close(i+70)
endfor

Tutorium 4 Bearbeiten

Aufgabenteil a) Bearbeiten

Implementierung der Randwertaufgabe für Dirichlet-Randbedingungen Bearbeiten
 % Quellfunktion f der rechten Seite der Poissongleichung wird definiert:
 function wert=Quellfunktion(x,y)
  if sqrt((x.-3.25).^2+(y.-3).^2)<=0.35 wert=1;
    else wert=0;
  endif
 endfunction
 % Erstellung eines aequidistanten Gitters 
 % Gebiet D wird definiert: 
 xend=8; 
 yend=5.0;
 N=50  % Anzahl der Punkte
 hx=xend/(N+1)  % Schrittweite ergibt sich aus der Laenge von x und der Anzahl der Punkte 
 hy=hx;         % aequidistantes Gitter
 M=floor((yend/hy))-1
 % Koordinatenmatrix der Gitterpunkte 
 [x,y]=meshgrid(hx:hx:xend-hx,hy:hy:yend-hy);
 a=1.0; % konstanter Diffusionskoeffizient
% Dirichlet Randwertbedingung:
% Bei der Wahl von "0" handelt es sich um ein homogenes Dirichlet Randwertproblem 
 wert_unten= 0.3;
 wert_oben=0.32;
 wert_links=0.3;
 wert_rechts=0.15;
% Definition der Systemmatrix 
% Definition des ersten Blocks - Tridiagonale Matrix
Block=zeros(N,N);
Block1=Block-4.*eye(N,N);           % eye Einheitsmatrix
Block1=Block1.+diag(ones(N-1,1),1); % fuegt Einsen auf der oberen, ersten Nebendiagonalen ein 
Block1=Block1.+diag(ones(N-1,1),-1);% fuegt Einsen auf der unteren, ersten Nebendiagonalen ein 
% N x N Einheitsmatrix
Block2=eye(N,N);

Ah=zeros(N*M);
for i=1:M
% Blockhauptdiagonale (B's)
 Ah(N*(i-1)+1:N*i,N*(i-1)+1:N*i)=Block1;
 
  % (1:50,1:50) (x-Richtung, y-Richtung)
  % 51:100
  % 101:150
endfor
% Einsortierung der Einheitsmatritzen (Block2)
for j=2:M
% Obere Blocknebendiagonale (I's)
  % (1:50,51:100) (51:100,101:150) 
  Ah(N*(j-2)+1:N*(j-1),N*(j-1)+1:N*j)=Block2;
% Untere Blocknebendiagonale (I's)
  % (51:100,1:50) (101:150,51:100)
  Ah(N*(j-1)+1:N*j,N*(j-2)+1:N*(j-1))=Block2;
endfor
% Plotten
figure(1)
spy(Ah)
xlabel("Spalten")
ylabel("Zeilen")
title("Systemmatrix Ah")
% Matrix mit Diffkoeff/h^2 multiplizieren
 Ah=Ah*a/hx^2;
 
% rechte Seite des Systems
   clear f;
 for i=1:N
 for j=1:M
% Berechnung der "f's" der Quellfunktion auf der rechten Seite
  f(j,i)=1*Quellfunktion(x(j,i),y(j,i));
% Dirichlet Randbedingung unten:
  if j==1 f(j,i)=1*Quellfunktion(x(j,i),y(j,i))+ wert_unten*(a/hx^2);endif
% Dirichlet Randbedingung oben:
  if j==M f(j,i)=1*Quellfunktion(x(j,i),y(j,i))+wert_oben*(a/hx^2);endif
% Dirichlet Randbedingung links:
  if (i==1)% ||(i==N ) % mathematische "Oder" in Octave
  f(j,i)=1*Quellfunktion(x(j,i),y(j,i))+wert_links*(a/hx^2);endif
% Dirichlet Randbedingung rechts:
  if (i==N)
  f(j,i)=1*Quellfunktion(x(j,i),y(j,i))+wert_rechts*(a/hx^2);endif
  endfor
  endfor
% Werte der Ecken: 
 f(1,1)=1*Quellfunktion(x(1,1),y(1,1))+ (wert_links+wert_unten)*(a/hx^2); 
 f(1,N)= 1*Quellfunktion(x(1,N),y(1,N))+ (wert_rechts+wert_unten)*(a/hx^2); 
 f(M,1)=1*Quellfunktion(x(M,1),y(M,1))+ (wert_links+wert_oben)*(a/hx^2); 
 f(M,N)=1*Quellfunktion(x(M,N),y(M,N))+ (wert_rechts+wert_oben)*(a/hx^2); 
 size (f)
% reshape funktioniert Spaltenmässig:  es wird Spalte1, dann Spalte2,... eingeordnet, wobei wir die Matrix    f nach Reihen/Zeilen einordnen.
% Daher soll die Matrix f' mit N(Zeilen)x M(Spalten) in ein langern Vektor eingeordnet. 
 b=-1*reshape(f',N*M,1);
% Loesungschritt 
 sol=Ah\b;
 sol_matrix=reshape(sol,N,M);% Matrix mit N(Zeilen)x M(Spalten) 
 sol_matrix=sol_matrix'; % Transponiert, wegen reshape


 % Oeffne ein  Bildfenster und plotte die Lösung auf dem realen Koordinatenfeld
 figure(2);
 surfc(x,y,sol_matrix);
 title ("Loesung");
 ylabel("y")
 xlabel("x")
 colormap("hsv") 
 colorbar 
 


 % weiteres Bild mit Quellfunktion- rechte Seite des Systems
 figure(3);
 surfc(x,y,f);
 title ("Quellfunktion");
 ylabel("y")
 xlabel("x")
 % colormap("hsv")
 

Aufgabenteil b) Bearbeiten

clear all;
function wert=Quellfunktion(x,y)
  if sqrt((x.-3.25).^2+(y.-3).^2)<=0.35 wert=1;
    else wert=0;
  endif
endfunction
% definiere Gebiet D 
  xend=8; 
  yend=5.0;

  N=80 % Anzahl der Punkte
  hx=xend/(N+1)
  hy=hx;
  M=floor((yend/hy))-1
% Koordinatenmatrix der Gitterpunkte
  [x,y]=meshgrid(0:hx:xend,0:hy:yend);
a=1.0; % konstanter Diffusionskoeffizient
% Randbedingungen(=0)
wert_links=0;
% Definition der Systemmatrix
% Bei Neumann ist die Systemmatrix von der Groesse (N+2)*(M+2)x(N+2)*(M+2)
N=N+2;
M=M+2;
Ah=zeros(N*M);
% Definition des ersten Blocks - Tridiagonale Matrix
Block=zeros(N,N);
Block1=Block-4.*eye(N,N);
Block1=Block1.+diag(ones(N-1,1),1); % fuegt Einsen auf der oberen, ersten Nebendiagonalen ein
Block1=Block1.+diag(ones(N-1,1),-1);% fuegt Einsen auf der unteren, ersten Nebendiagonalen ein
Block3=eye(N,N)*hx;
% Definition Neumann Randbedingungen unten
Ah(1:N,1:N)=Block3;
Ah(1:N,N+1:2*N)=-Block3;
% Definition Neumann Randbedingungen oben
Ah(N*M-(N-2)-1:N*M,N*M-(N-2)-1:N*M)=Block3;
Ah(N*M-(N-2)-1:N*M,N*M-N-(N-2)-1:N*M-N)=-Block3;
% N x N Einheitsmatrix
Block2=eye(N,N);
Block2(1,1)=0;
Block2(N,N)=0;
for i=2:M-1
  Ah(N*(i-1)+1:N*i,N*(i-1)+1:N*i)=Block1;
 
  %(1:50,1:50) (x-Richtung, y-Richtung)
  % 51:100
  % 101:150
endfor
% Einsortierung der Einheitsmatritzen (Block2)
% obere Nebendiagonale
for j=3:M
  % (1:50,51:100) (51:100,101:150)
  Ah(N*(j-2)+1:N*(j-1),N*(j-1)+1:N*j)=Block2;
endfor
% untere Nebendiagonale 
for j=2:M-1
  % (51:100,1:50) (101:150,51:100)
  Ah(N*(j-1)+1:N*j,N*(j-2)+1:N*(j-1))=Block2;
endfor
figure(1)
spy(Ah)
xlabel("Spalten")
ylabel("Zeilen")
title("Systemmatrix Ah")
 
% Matrix mit Diffkoeff/h^2 multiplizieren
Ah1=Ah*a/hx.^2;
% rechte Seite des Systems
    clear f;
  for i=1:N
  for j=1:M
   f(j,i)=1*Quellfunktion(x(j,i),y(j,i));
% Dirichlet Randbedingung links:
   if (i==1)||(i==N ) % mathematische "Oder" in Octave
   f(j,i)=1*Quellfunktion(x(j,i),y(j,i))+wert_links*(a/(hx.^2)); endif 
  endfor
  endfor
 % Werte der Ecken
 % Damit sich in den Ecken Neumann realisiert, werden hier die Dirichlet Randbedingungen Null gesetzt
  f(1,1)=1*Quellfunktion(x(1,1),y(1,1))+ 0; 
  f(1,N)= 1*Quellfunktion(x(1,N),y(1,N))+ 0; 
  f(M,1)=1*Quellfunktion(x(M,1),y(M,1))+ 0 ;
  f(M,N)=1*Quellfunktion(x(M,N),y(M,N))+ 0; 
  size (f)
  b=-1*reshape(f',N*M,1); % Spalten
% Loesungsschritt
 sol=Ah1\b;
 sol_matrix=reshape(sol,N,M);% Matrix mit N(Zeilen)x M(Spalten)
 sol_matrix=sol_matrix'; % Transponiert, wegen reshape
% Oeffne ein  Bildfenster und plotte die Lösung auf dem realen Koordinatenfeld 
 figure(2);
 surfc(x,y,sol_matrix);
 title ("Loesung");
 ylabel("y")
 xlabel("x")
 colormap("hsv") 
 colorbar 
 
 % weiteres Bild mit Quellfunktion- rechte Seite des Systems
 figure(3);
 surfc(x,y,f);
 title ("Quellfunktion");
 ylabel("y")
 xlabel("x")
 % colormap("hsv")
 


Tutorium 5 Bearbeiten

clear all
close all 
% Allgemeine Parameter ---------------------------------------------------------
a=0.1; %(konstanter Diffusionskoeffizient)
Tage=200 %(Zeitintervall in Tagen)
delta_t=0.1 %(Zeitschritt)
Zeitschritte=floor(Tage/delta_t)
  
%Für Reaktionsdiffusionsgleichung:
 Infektionsrate=0.3 %(Infektionsrate, Vorsicht k=c/B in unserem Modell k.u.(B-u)-w.u)
 Wechselrate=1/14 %Wechselrate
 
 Speicherung=true;
 mitImpfungen=true;

 Impfrate_Beginn=0;
% Einlesen der Bevoelkerungsdichte ---------------------------------------------
A=imread ('Monitor_Einwohnerzahl_detail.png');
%Ausschnitt aus dem Bild der Groesse 15x18 Picksel 
% hier kein Ausschnitt gewaehlt
S=A;
Groesse_Matrix=size(A)
% Bildebenen
S1=A(:,:,1);
S2=A(:,:,2);
S3=A(:,:,3);
% man sieht, S ist hier nur eine 2D Matrix
size(S1)
%___
[s1 s2 s3]=size(S)
S1=double (S1);
S2=double (S2);
S3=double (S3);
A=S1+S2+S3;
%___
S1=S1./A;
S2=S2./A;
S3=S3./A;
% Farbebene rot minus grau, geht von ca 20-100%
S=S1.-0.4.*(S2.+S3)/1.4;
% Alternativ (Gesamtintensitaet in umgedrehter Skala, max ist 255)
 maxA=max(max(A))
 %S=abs(A/maxA-1.1); % nicht von uns bevorzugt
 % oder nur  die Skala der roten Farbtonen, heruntergesetzt, da diese bei 40 % anfaengt
 S=S1-0.29;
%Konstante maximale Bevölkerungsdichte und weitere Definitionen
%----------------------------------------------------
B=3;% in Tausend: 800 Einwohner pro km^2 Konstante Bevölkerungsdichte pro km^2
% das physische räumliche  Gebiet an die räumliche Koordinaten des Bildes, oder dessen Ausschnittes  anpassen
yend=s1;
xend=s2;
N=s2%hier ist eine Rasterzelle des FDM Verfahren genau gleich dem Pixel des eingelesenen Bildes
% alternativ
N=2*s2 
%hier ist die Laenge einer Rasterzelle des FDM Verfahren 3-fach kleiner  als die Länge des Pixel des eingelesenen Bildes
%___
%Zeitschritte=10
 hx=xend/(N+1)
 hy=hx;
 M=floor((yend/hy))-1 

[x,y]=meshgrid(0:hx:xend,0:hy:yend);
N=N+2;
M=M+2;
%___
%Bilddarstellung 
%----------------------------------------------------
figure(Zeitschritte+1000);
surface(S)
title ("Bevoelkerungsdichte eingelesen, nicht flipped ");
colorbar
%___
 Max=max(max(S));
 %%%%S=abs(S-Max); manchmal hat helle Farbe niedrigeren Wert
%Interpolieren  an die Koordinatenmatrix (0,xend) x (0 yend) der numerischen Berechnung
 %-----------------
 Sint=interp2(S,xend*(1*x.+2)/(xend+2),yend*(1*y.+2)/(yend+2), 'cubic');
 
 %%% AH hier funktioniert dies nur im Falle eines Bildes aus einer Ebene
 %Sint=interp2(S,x,y, 'cubic');
 ss=size (Sint)
 %___
 %Korrektur -keine  Null Bevölkerungsdichte
 % und up-down flippen, da y-Koordinate im Image  von oben nach unten lä, bei uns von unten nach oben,
 % daher Bild flippen, oben <-> unten
 %-----------------
 % keine künstliche Verschiebung nun notwendig
 Sint=flipud (Sint).+0.0*Max;
 %___
 figure(Zeitschritte+1001);
 surface(x,y, 1000*(B/Max)*Sint*hx^2,"EdgeColor", "none")
   title (["Bevoelkerungszahl (pro Pixel) h^2=",num2str(hx^2)] );
   ylabel("y (km)")
   xlabel("x (km) ")
   colorbar
   colormap  ocean %autumn,  hsv jet ocean
   axis([0 xend 0 yend -0.005 1100*max(max(B))])
 %___
 %Optional: Speicherung der Bilder
 %test=["B_Anzahl.jpg"];
 %saveas(Zeitschritte+2,test)
%Integral der Bevölkerungsdichte: Gesamtbevoelkerung in unserem Gebiet und Duchschnittsbevölkerung
 %Bev=integrate(0:hx:xend,integrate (0:hy:yend, Sint*B))
  Bev=sum(sum(Sint*B))*hx^2
  Bev_duchschnitt=sum(sum(Sint*B))*hx^2/(xend*yend)
%___
%WICHTIG
%Bevoelkerungsdiche als ein langer Vektor abspeichern (fuer die Update Berechnung in Euler Zetschritt)
B=reshape((B/Max)*Sint',N*M,1);
%size (B);
% Definition der Systemmatrix
% Bei Neumann ist die Systemmatrix von der Groesse (N+2)*(M+2)x(N+2)*(M+2)
%___
%N=N+2; %oben schon definiert
%M=M+2;
Ah=zeros(N*M);
%
% Definition des ersten Blocks - Tridiagonale Matrix
Block=zeros(N,N);
Block1=Block-4.*eye(N,N);
Block1=Block1.+diag(ones(N-1,1),1); %fuegt Einsen auf der oberen, ersten Nebendiagonalen ein
Block1=Block1.+diag(ones(N-1,1),-1); % fuegt Einsen auf der unteren, ersten Nebendiagonalen ein
%___
% N x N Einheitsmatrix
Block2=eye(N,N);
%___
% NEUMANN -----------------------------------------------------------------------
% Definiert fuer den linken Rand
%___
Block1(1,1)=hx;
Block1(1,2)=-hx;
%___
% Definiert fuer den rechten Rand
Block1(N,N)=hx;
Block1(N,N-1)=-hx;
%___
Block2(1,1)=0;
Block2(N,N)=0;
%___
Block3=eye(N,N)*hx;
%___
% Einsortierung der neuen Bloecke fuer Neumann unten und oben
% Definition Neumann Randbedingungen unten
Ah(1:N,1:N)=Block3;
Ah(1:N,N+1:2*N)=-Block3;
%___
% Definition Neumann Randbedingungen oben
Ah(N*M-(N-2)-1:N*M,N*M-(N-2)-1:N*M)=Block3;
Ah(N*M-(N-2)-1:N*M,N*M-N-(N-2)-1:N*M-N)=-Block3;
%-------------------------------------------------------------------------------
%___
% Einsortierung der tridiagonalen Matrix
for i=2:M-1
 Ah(N*(i-1)+1:N*i,N*(i-1)+1:N*i)=Block1;
 
 %(1:50,1:50) (x-Richtung, y-Richtung)
 %51:100
 %101:150
endfor
%___
% Einsortierung der Einheitsmatritzen (Block2)
% obere Nebendiagonale
for j=3:M
 % (1:50,51:100) (51:100,101:150) 
 Ah(N*(j-2)+1:N*(j-1),N*(j-1)+1:N*j)=Block2;
endfor
% untere Nebendiagonale
for j=2:M-1
 % (51:100,1:50) (101:150,51:100)
 Ah(N*(j-1)+1:N*j,N*(j-2)+1:N*(j-1))=Block2;
endfor
%___
%------------------------------------------- 
% Matrix mit Diffkoeff/h^2 multiplizieren
%-------------------------------------------
Ah1=Ah*a/hx.^2;
%___
%Matrixdarstellung - optional
 figure (1004);
 spy (Ah1);
 xlabel("Spalten")
 ylabel("Zeilen")
 zlabel("Matrix B")
 title ("Systematrix Ah");
% gekoppelte Reaktionsdiffusionsgleichung - Reaktionsterme 
function F=F_I (c,w,B,ui,us)
F=(c./B).*ui.*us-w*ui;
endfunction
%___
function F=F_S (c,B,ui,us)
F=-1*(c./B).*ui.*us;
endfunction
%___
% Reaktiuonsterm mit Berücksichtigung der Impfungen
% aus der Gruppe der Succeptible wird in jedem Zeitschritt ein bestimmter Prozentsatz
% der Bevoelkerung entfernt
function F=F_S_Impf (c,B,ui,us,Impfrate)
F=-1*(c./B).*ui.*us-Impfrate*B;
endfunction
%___
%Anfangslösung als Matrix
% Tag 0
 N1=N-2;
 M1=M-2;
%___  
for  i=1:N
 for j=1:M
 %___  
  % Genauer Anschauen wieviel Infizierte wollen wir haben
  initial(j,i)=0.001*initialfunction(x(j,i),y(j,i));
  %0.005 und 0.01 (in Tausend) d.h. 5 und 10 pro gegebene Fläche pi*R^2
 endfor  
endfor
Anfangsinfizierte=1000*sum(sum(initial))*hx^2
%___
 B=reshape(B',N*M,1);
 size (initial)
 size(B)
 u_i_alt=1*reshape(initial',N*M,1); % Infizierte zum Zeitpunkt "0"
 u_s_alt=B.-u_i_alt; % Bevoelkerung ohne die Infizierten
 %reshape funktioniert Spaltenmässig: Sp1,Sp2, wir wollen Zeilenmässig
 %Matrix f' ist N(Zeilen)x M(Spalten)
 figure(1005)
 surface(x,y,initial);
 title ("Anfangsloesung");
 ylabel("y")
 xlabel("x")
 %___
 if mitImpfungen==true
 % Die Anzahl der Succeptible, wenn zu Beginn schon ein gewisser Prozentsatz geimpft ist
 % Festgelegt durch Prozentsatz von der Gesamtbevoelkerung  
 u_s_alt=u_s_alt-Impfrate_Beginn*B;
 endif
for t=1:Zeitschritte
 
 %Impfungen
 if mitImpfungen==true
   % Festlegung der Impfrate zu Beginn des Tages 
   if mod(t,1/delta_t)==0 || t==1
     % Impfungsrate am entsprechenden Tag herausbekommen - beginnend mit dem Starttag
     Impfindex=t*delta_t;
     % Impfrate pro Tag - wird anschließend gleichverteilt über den Tag angenommen
     ImpfungenProzent=Impffunktion(Impfindex);
     % SpeicherImpfungen(:,t)=ImpfungenProzent;
   endif
 endif

Erkrankungsrate=slowdown(t*delta_t,25)*Infektionsrate;
 
 % Berechnung der einzelnen Zeischritte durch das explizite Eulerverfahren
 
 u_i=u_i_alt + delta_t * (1*Ah1 *u_i_alt +1*F_I(Erkrankungsrate,Wechselrate,B,u_i_alt,u_s_alt));
 
 if mitImpfungen==true
 u_s=u_s_alt + delta_t * (1*Ah1 *u_s_alt +1*F_S_Impf(Erkrankungsrate,B,u_i_alt,u_s_alt,ImpfungenProzent));
 else
 u_s=u_s_alt + delta_t * (1*Ah1  *u_s_alt +1*F_S(Erkrankungsrate,B,u_i_alt,u_s_alt));
 endif
 u_i_alt=u_i;
 u_s_alt=u_s;
 
 %Reaktionsterme  fuer aktuell Infizierte und Anfaellige
 %AH dies muss man nich speichern
 %SpeicherungErkrankungsrate(1,t)=Erkrankungsrate;
 
 SpeicherUI(:,t)=u_i;
 SpeicherUS(:,t)=u_s;
endfor
fig_index=1:1:Zeitschritte;
Plot=101;
%___
for i=fig_index
 %___
 % Aus langem Vektor SpeicherUI wird die entsprechende Spalte herausgelesen
 % Anpassung an das Gitter
 Loesung=reshape(SpeicherUI(:,i),N,M);% Matrix mit N(Zeilen)x M(Spalten)
 Loesung=Loesung';
%___
 if mod(i,1/delta_t)==0
 figure(delta_t*i)
 surfc(x,y,Loesung, "EdgeColor", "none")
%%% view(0,90)
%___
% Verschiedene Farbpalleten
% colormap: autumn,  hsv jet ocean
 colormap ("jet")
 colorbar
 %___
 % Berechnung der Gesamtinfizierten zum Zeitpunkt des Plots
 InfizierteGesamt=floor(sum(sum(Loesung))*hx^2*1000);
%___
% Skala wird an die Bevölkerungsdichte angepasst 
 axis([0 xend 0 yend -0.001 1*max(max(B))])
 %___
 title (["Loesung in t=", num2str(delta_t*i), " Infizierte=" num2str(InfizierteGesamt)]);
 ylabel("y")
 xlabel("x")
 caxis([0 0.1])
 view(2)
 if Speicherung==true
   % Optional: Speicherung der Bilder
   test=["Images/Fig_", num2str(delta_t*i),".jpg"]
   saveas(delta_t*i, test)
 endif
 endif
 Plot=Plot+1;
endfor
%-------------------------------------------------
%___
 %weiteres Bild mit Anfangsfunktion
 %figure(Zeitschritte+1);
 %surface(x,y,initial);
 %title ("Anfangsloesung");
 %ylabel("y")
 %xlabel("x")


Animationen 500 Tage ohne Impfungen

500 Tage zu Beginn 20% geimpft

500 Tage zu Beginn 60% geimpft

Ergänzungen Octave-Tutorial Bearbeiten

Diese Ergänzungen wurden bei dem Octave-Tutorial vorgenommen, um die Implementation der Gruppe bzgl. der verwendeten Octave-Befehle nachvollziehbar zu machen.

Skripte in Octave Bearbeiten

Referenzieren Sie hier die von Ihnen verwendeten Skripte und Bibliotheken in Octave oder R/Studio

Literatur Bearbeiten

Notieren Sie hier die von Ihnen verwendete Literatur

  • Quelle 1