【《基于增长模型的疫情数据可视化系统设计》7600字（论文）】

基于增长模型的疫情数据可视化系统设计摘要2019年12月，新型冠状肺炎病毒在武汉市被确诊出来，并迅速传播整个中国。这也引起了全国人民的重点关注。随着新冠病毒的出现再到确诊人数不断上升，每增加一个人，都牵动着每一位中国人民心。人们时刻关注着疫情的发展状况，每天都会上各个网站查看感染人数的变化，当感染病毒的人无法治愈死亡人数的不断上升，每一个人都在害怕与担心中度过。在这信息时代，数据分析和人工智能等技术可以将疫情的发展实情快速的转达给众人，同时也可以为疫情地防控提供了正确且有价值的信息，这些技术的不断完善能够更加准确和全面的捕捉信息。为了更快地了解疫情发展的真实情况，设计疫情数据可视化展示系统，在系统的页面上可以爬取疫情数据，根据需要将数据展示到页面中，利用数据进行可视化分析，清楚地展示各个数据的真实情况。使用增长模型预测疫情感染的人数，根据预测模型图展示感染人数的发展趋势，并将结果图形展示到页面中。根据实时的数据制作地图展示各省份确诊的人数。利用图形用户界面设计系统的整体布局，在使用Python语言编写代码连接系统所有数据，展示内容，实现系统的页面跳转，构成一个完整的系统。关键字：Python网络爬虫；数据可视化；增长模型目录1引言 图2.15所示。图2.15内蒙古自治区部分疫情数据Figure2.15epidemicdatainInnerMongolia2.2可视化分析2.2.1折线图折线图就是利用数据随着时间的变化而呈现的趋势图，其中显示的数据可能是一个单位的数据点，也可能是每一个数据点。因为折线图常常用于显示随着时间推移而发生连续变化的数据，所以其非常合适用来呈现相等的时间单位下的数据发生变化的趋势，图形发展趋势很直观，上升下降的程度都能很明显的表现出来。折线图的x轴表示时间，y轴表示确诊人数。本文采用每个国家的总确诊人数、总治愈人数、总死亡人数进行绘图，以每相隔30天为一个单位画出数据点，以为德国例，画出的图形如图2.21所示。图2.21德国疫情折线图表Figure2.21brokenlinechartofepidemicsituationinGermany2.2.2饼图饼图的英文名称为SectorGraph，它常常是用于显示一个数据下的各项数据的大小与总数据的占比，得出每一部分数据的百分比，利用颜色和面积的不同清楚地展示各个部分大小。本文采用了实时的总治愈人数、现有确诊人数、总死亡人数三个指标数据，显示在总确诊人数的占比。下图以法国为例，各项人数所占的百分比如下图2.22所示。图2.22法国饼图占比Figure2.22proportionofFrenchpiechart2.2.3柱状图柱形图（bargraph），又称长条图、柱状统计图，条形统计图可以比较各个数量之间的大小，清晰的看出数量之大小，本文采用的是确诊人数前十的国家进行绘图，柱状图的x轴国家，y轴为确诊人数，确诊人数最多的十个国家为美国、印度、巴西、英国、俄罗斯、土耳其、德国、意大利、法国、西班牙制作柱状图，从图中可以看出美国是确诊人数最多的国家，如图2.23所示。图2.23确诊人数前十柱状图Figure2.23toptencolumnchartofthenumberofconfirmedcases3增长模型当一个原始生态系统中有一个新的物种迁入后，这个物种的数量将会发生变化，假设物种迁入的数量小于当前生态环境的最大容纳量，则物种的数量将会增长，当物种在生态中生存出现天敌、食物、空间等资源不足时，该物种的数量增长函数就会满足逻辑斯谛方程，增长图像呈现S形态，逻辑斯谛方程表达的是在有限的资源条件下一个种群数量增长规律，是非常可靠的数学模型。逻辑斯蒂模型的微分式是（3.1）：dN/dt=rN(1-N/K)（3.1）由公式（3.1）微分式中的r为速率参数。如图3.1所示图3.1Logistic增长模型Figure3.1logisticgrowthmodel逻辑斯蒂增长模型公式：P(0)=KP0ertK+公式（3.2）中K为数量增长到最后的环境容量，P(t)为数据能达到的最大极限环境容量。P0为生态环境的初始容量，就是当t=0时刻的数量。r为种群数量的增长速率，r越大则表示数量的增长速度越快，越快就会越逼近K值，r越小种群数量的增长速度就会越慢，逼近K值的速度也会越慢。本文采用的是中国2020年1月11日到2020年1月30日数据进行了预测，设增长速率r=7.5时，预测结果图如下图3.2所示。图3.2中国预测模型图Figure3.2Chinaforecastmodel从预测的结果来看，当疫情出现的40天左右将达到环境的最大容纳量，人数大概在一万一左右，从真实的数据来看，确诊人数的确在一万一左右，但并不是在疫情出现的40天之后就到达了最大环境容纳量，而是在一年左右人数才到达一万左右，所以预测结果与实际的结果相差较大。4系统所需插件4.1Python简介在1989年的圣诞节一个荷兰人GuidovanRossum（简称Guido）发明了一种面向对象的解释型编程语言，后来被命名为Python。Python是其中一种门编程语言,近年来Python语言在所有编程语言中使用的次数排名不断的在提升，之所以这么受人们的欢迎和追捧，是因为它语言简单、易学和可以快速上手使用。Python可用于很多当面例如就可以用于web开发、或者网络爬虫，数据分析，人工智能等等方面，涵盖了很多方面，内容也很丰富。Python最初的设计意图是用于编写自动化脚本(shell)，随着使用者的需求，其版本也随之不断地更新，并添加了语言新功能。随着版本的更新和越来越多的使用，常常用于独立的、大型的开发项目。Python有三个不同的版本，如Windows版本，Linux版本，MacOS版本，每个版本都有自己的特点，使用者可以根据自己的情况来选择版本。4.2GUI简介GraphicalUserInterface简称GUI又被称为图形用户界面或图形用户接口。图形界面对于普通用户来说是非常友好的，操作比较简单，也不用记太多的命令，是通过窗口、按键、菜单等方式来进行操作，更为简便易用。随着时间变化GUI也被广泛使用，也成为计算机发展的重要成就之一。嵌入式GUI具有很多优秀的特点，比如它所占的用资源少、使用高性能、方便移植、可配置等等特点。4.3PyQt5插件PyQt5是由Digia公司的Qt应用程序框架的v5的一组Python绑定。Qt是C++库的一组开发工具，用于SQL数据库、图形用户界面、网页浏览等等众多平台，PyQt5包含了许多Qt附加库的组件。PyQt5已拥有超过620个类和6000个函数与方法，在Python语言下编写图形用户界面程序的时候提供了巨大的便利，减少了复杂度。PyQt5可以快速实现简单的图形界面开发，且方便打包发布。PyQt5是一个运行在所有主流操作系统上的多平台组件，包括Unix,Windows和MacOS。4.4Designer插件Designer插件是用来设计界面的，可以让用户在短时间内快速的了解属性并可以在极短时间内创建并完成一个图形化用户界面的一种设计器。使用的是拖拉或点击的方式在主窗口添加一些所需的按钮、下拉框、输入和输出框等等的设计图形用户界面，并可以预览。左侧就是控件栏，右侧是每个控件中的一些属性，可以进行修改字体颜色等等属性。打开后，可以设计想要的图形用户界面，编辑好的测试界面，点击保存会生成一个.ui格式的文件。5界面设计过程5.1系统安装与环境PyCharm是一个用于计算机编程的集成开发环境，主要是用于Python语言开发。PyCharm的安装，首先在浏览器中搜索PyCharm下载安装，找到官网后点击进入，如图5.11所示，下载网址：/pycharm/。图5.11官网Figure5.11officialwebsite点击DOWNLOAD进入下载界面如下图5.12所示，左边的professional是专业版，右边的Community是社区版。图5.12下载选择界面Figure5.12downloadselectioninterface这里可以根据自己的系统选择其中一个版本，然后点击安装，安装好的PyCharm打开后的页面如下图5.13所示。图5.13PyCharm安装完成Figure5.13pycharminstallationcompleted安装好PyCharm后，需要配置环境，打开软件，在环境中配置PyQt5，在菜单栏中找到File并点击，在弹出的内容中找到Settings并点击，选择Tools添加配置QtDesigner，QtDesigner的设置如图5.14所示，点击OK就配置好了。图5.14QtDesigner设置Figure5.14qtdesignersettings配置完QtDesigner，用同样的步骤配置PyUCI，PyUCI的配置如图5.15所示，在菜单栏中选中Tools，查看Externaltools中是否有QtDesigner和PyUCI，有则配置成功。图5.15PyUCI设置Figure5.15pyucisettings5.2界面设计在PyCharm的菜单栏中的单击Tools，在跳出的内容中选择ExternalTools，再单击QtDesigner，进入界面设计师软件窗口，如图5.21所示，在该窗口下即可设计疫情可视化系统的界面，选择“MainWindow”，屏幕大小选择默认模式，点击创建就可以开始设计窗口界面。系统一共需要创建了四个窗口，第一个窗口作为进入系统界面，第二个窗口则用于爬取和展示数据界面，第三个窗口为数据可视化界面，同于展示各种可视化图形，第四个窗口用于显示疫情地图。图5.21Qt设计窗口Figure5.21QTdesignwindow第一个窗口的设计，选择“MainWindow”，屏幕大小选择默认模式，再单击创建界面。在左边的控件栏中拖拽两个pushButton按钮放到合适的位置并调整大小，pushButton命名为“欢迎进入疫情数据可视化系统”，将字的颜色改为粉色，大的大小设置为28pt，pushButton_2命名为“点击进入”，字体大小为14pt，颜色改为粉色，进入系统的界面就设计完了，结果如图5.22所示。点击文件进行保存，生成.ui文件，路径为PyCharm项目下的路径，命名为InPage.ui。图5.22进入界面Figure5.22entryinterface第二个窗口设计，再次使用Qt设计师，创建主窗口，命名为“疫情可视化系统”，在从控件目录中拖拽两个“pushButton”按钮，pushButton为“爬取数据”，pushButton_2为“数据可视化”，再添加两个下拉框按钮“combobox”，再次拖拽两个“lable”依次放在两下拉框的后面，添写“省份选择”、“国家选择”，将所有的字体大小都调为11pt，最后在控件栏的ItemViews下拖一个“TableView”,调整好所有键的位置，数据展示窗口就设计完成了，如图5.23所示。将设计好的窗口保存为ShowData.ui文件。图5.23数据界面Figure5.23datainterface第三个窗口的设计，在左边的控件中找到InputWidgets下的“ComboBox”下拉控件，并拖到窗口中，一共拖动四次；再从DisplayWidgets下拖动三个“Label”，两个用来添加文字，一个留空，用于后面图片的展示，并设置到它的位置和大小；紧接着在Buttons下拖三个“PushButton”,依次命名为“开始绘图”，“中国疫情地图”，“上一页”，第三个界面就设计好了，如下图5.24所示。将设计好的页面保存为PltShow.iu文件。图5.24可视化页面Figure5.24visualizationpage5.3技术可行性本文的基于增长模型疫情数据爬虫系统设计主要是为了人们能够清晰有效的了解到出现感染新冠肺炎病毒以来的被感染人数的数据变化。系统设计了四个窗口，第一个窗口是欢迎进入系统界面，第二个窗口利用爬虫获取中国每个省份和全球被感染国家的历史数据和实时数据并保存在当前文件夹中，文件名为国家.csv文件，并实现选择省份或国家时可以展示相对应的数据，第三个窗口则是对新冠肺炎数据的可视化，能够任意选择省份或国家并对其进行相应的可视化分析，第四个窗口用于显示中国疫情地图，实现四个窗口的跳转，系统操作的步骤都非常的简单且合理。新冠肺炎数据可视化系统主要目的是利用Python语言实时获取新冠肺炎数据并将数据连接到图形用户界面中，展示数据，对其进行可视化，利用数据对疫情的发展进行预测。5.4系统实现GUI可视化系统是随着用户操作和程序内部逻辑状态的改变在屏幕上画出相应的图形，利用按钮pushButton控件来关联需要的信息。选中InPage.ui文件，在PyCharm的菜单栏中找到Tools,最后单击PyUCI，就可以将InPage.ui文件转为InPage.py文件，生成相应的代码，从百度中挑选一张图保存到项目目录下，作为背景图，将图片名为为1.jpg，利用MainWindow.setStyleSheet("#Mainwindow{border-image:url(1.jpg);}")语句为界面添加背景图结果如图5.12所示，Button控件连接到第二界面。图5.12完善进入界面Figure5.12perfecttheaccessinterface将ShowData.ui转为ShowData.py文件，生产的代码。在窗口中初始化数据，创建函数，读取数据，在setupUi中调用自己创建的函数将内容添加到下拉框中，对Ui_MainWindow类进行实例化。读取数据将相应的内容添加到两个下拉控件中，当选中下拉控件中的内容会在“TableView”控件中展示相应的数据，如图5.41所示图5.41数据展示Figure5.41datadisplay将PltShow2.iu文件生产PltShow2.py文件，初始化数据，在comboBox按键中添加省份和国家的名称，在comboBox_3中添加折线图、饼图、柱状图、中国疫情预测模型图，建立函数对数据进行可视化，在调回函数，对Ui_MainWindow类进行实例化，将可视化图形结果展示到lable中，选择不同的可视化图，就会在lable中展示相应的图形的。当在下拉框中选择墨西哥，可视化图下拉框中选择饼图，墨西哥属于国家，所以选择下拉框中的国家，点击开始绘图，绘图结果将在lable中展示，结果如图5.42所示。图5.42可视化界面Figure5.42visualinterface在可视化PltShow.py界面中，有一个PushButton_2按钮，单击中国疫情地图将会跳转到第四个页面，界面上将会展示中国的疫情地图，当鼠标移动到各个省份时将会显示这个省份的总确人数，利用颜色深浅层次表示确诊人数的多少，确诊人数越多颜色越深，反之，确诊人数越少颜色越浅。第四个图形界面如图5.43所示。图5.43中国疫情地图Figure5.43epidemicmapofChina6参考文献[1]蒋荣猛.新型冠状病毒感染相关概念的解读[J].中国感染控制杂志,2020,019(006):487-491.[2]黄小青.指数增长模型和Logistic增长模型的比较[J].广西民族大学学报,2002,9(002):29-33.[3]李娟.Logistic人口增长模型离散化的数学现象[J].兰州文理学院学报,2017,031(005):28-30.[4]陈茜茜、周若芝、王浩东.意大利新冠肺炎疫情预测分析[J].产业与科技论坛,2020,v.19(24):46-49.[5]林德双、金秀玲、刘文鑫等.新冠肺炎疫情预测分析[J].黑龙江工业学院学报,2020,v.20(09):120-125.[6]邹蕴涵.新冠肺炎疫情对我国经济的影响分析[J].重庆经济,2020,000(002):P.1-5.[7]王灏晨,温珂.新冠肺炎疫情的危中之机——加速我国数字化转型[J].科学学研究,2020,v.38;No.251(03):11-13.[8]李垚,梁丁元,穆云松等.甲型流感的流行与防控分析及其对新冠肺炎疫情的启示[J].环境科学研究,2020(7).[9]叶春明,赵圣文,杨秀红等.基于机器学习的青少年运动员