预测model3中dynamic SEIR模型的loss

[today-y]

在文件model3里的dynamic SEIR模型预测时，在每个epoch里，模型的loss不会变化，导致最后模型估算出的beta值不收敛，随着epoch数的增加会越来越低

[YiranJing]

@today-y ，

谢谢你提出的问题，你说的没错，我这个代码在update ### beta过程中有bug。不过我今天依旧没有检测出来loss不更新的问题，但是update的代码的一些bug今天发现了。我会再继续检测我的bug在哪里的。

不过其实现在的情况是beta其实很低了，因为全国已经开始出现下降，目前为止拟合的也很好，看下图。而且我之前那个对beta function的假设本身也不合理。

所以我其实下一步想换一种方法来估计传染率，看这个ttps://www.ncbi.nlm.nih.gov/pmc/articles/PMC2829081/， lambda = beta*S/N，is a poisson process

[kolore]

在train当中，E_to_I = (self.rateAl self.Exposed[t]) I_to_R = (self.Infected[t] self.rateIR) self.I_pre.append(self.Infected[t] + E_to_I - I_to_R) rateAl 、Exposed[t]、Infected[t]、rateIR都是定值，所以I_pre没有改变，loss就也不会变

[Eddie-yz]

@today-y ，

谢谢你提出的问题，你说的没错，我这个代码在update ### beta过程中有bug。不过我今天依旧没有检测出来loss不更新的问题，但是update的代码的一些bug今天发现了。我会再继续检测我的bug在哪里的。

不过其实现在的情况是beta其实很低了，因为全国已经开始出现下降，目前为止拟合的也很好，看下图。而且我之前那个对beta function的假设本身也不合理。

所以我其实下一步想换一种方法来估计传染率，看这个ttps://www.ncbi.nlm.nih.gov/pmc/articles/PMC2829081/， lambda = beta*S/N，is a poisson process

我用了piecewise linear来刻画beta和gamma随时间的变化，然后去拟合infectious的变化趋势。