【正文】 量。我們采用模糊C均值聚類聚類算法，最終選擇6個投遞點。整理分析了所有相關(guān)的因素，得出了最終結(jié)論并預(yù)測了一段時間為埃博拉的根除。（3）恢復(fù)的患者將不會再感染（4）藥物僅僅在醫(yī)院提供（5）每一個在當(dāng)?shù)貛變?nèi)亞，塞拉利昂和利比里亞可以作為配送中心和配送城市和直線之間的路線。接觸EVD感染血液或其他體液或組織或基本再生數(shù)[6]：造成二次案件的平均數(shù)通過一個典型的受感染的個體，通過它整個過程中，在一個完全的感染易感人群和缺乏控制干預(yù)措施。符號說明基本再生數(shù)R0NS(t)E(t)I(t)H(t)C(t)R(t)CUT(t)總?cè)丝谝?guī)模懷疑個體數(shù)量同時暴露的個體數(shù)量在醫(yī)院外的感染者人數(shù)住院患者數(shù)量的時間污染死者的數(shù)量在時間及時刪除的個人數(shù)目個人的累計次數(shù)傳輸速率（在醫(yī)院外，醫(yī)院內(nèi)，尸體）平均培養(yǎng)時間傳染病個體的識別率/分離率平均時間從癥狀開始恢復(fù)（醫(yī)院外，醫(yī)院內(nèi)）平均時間從癥狀開始到死亡（在醫(yī)院外，醫(yī)院內(nèi)）病死率（醫(yī)院外，醫(yī)院內(nèi)）直至死者妥善處理的平均時間(bI,bH,bC)(gI,gH)(VI,VH)(dI,dH)k E,pI)每一個識別/孤立的接觸的平均數(shù)目感染個體接觸跟蹤個人的概率（已暴露的、感染的）被隔離而不引起新情況 E,wI)接觸跟蹤個體的概率之比（已暴露的、感染的）在對原產(chǎn)于案件的鑒定時隨機(jī)個體在人群中的概率（已暴露的、感染的）對埃博拉病毒的傳播遵循西（敏感暴露感染—恢復(fù)）的動力學(xué)，可以用下面的一組普通微分方程來描述方程[10]：amp。E(t)=bS(t)I(t)/NsE(t)239。239。M(t)=sE(t)239。b是沒有常數(shù)控制干預(yù)。b0,ttk(1t)238。估計所需的數(shù)據(jù)可以從疾病預(yù)防控制中心獲得[17]組織的在所有情況報告中提供的信息[18]那是從2014年3月1日到2015年2月4日最新的一個。參數(shù)幾內(nèi)亞塞拉利昂利比里亞傳輸速率減少傳動,000,100,092,310基本再生數(shù)R0由R0/給出,在這兒,1/=[10]。然后，通過比較計算出的數(shù)字報告的數(shù)據(jù)，我們將能夠驗證SEIR模型的有效性。、塞拉利昂和利比里亞的累計人數(shù)從上圖中，我們可以看到，該模型符合病例報告的數(shù)據(jù)，和死亡在這三個國家非常好。我們的主要考慮因素有：1）在不適定的潛在威脅傳染性bytheandthe提供醫(yī)院護(hù)理學(xué)院；2）（TPP）參與追蹤。這個累計個人數(shù)可以通過：考慮尸體、醫(yī)院和接觸的原因首先，醫(yī)院的護(hù)理[19受影響的人群可以作為一個治療患者的基礎(chǔ)，并防止疾病蔓延到一個更大的規(guī)模。我們叫它的SEIHCR（CT）模型來說明其改進(jìn)從傳統(tǒng)的SEIR模型的差異?；赟EIHCR(CT)模型下給出下面的公式，計算下一代方法：在所有這些參數(shù)之間，1是在沒有控制干預(yù)的情況下是恒定的，正如來自SEIHCR(CT)模型的，在控制措施后，在時間t時，1被假定為指數(shù)衰減率[16]。基于SEIR模擬比較模型，我們可以看到，我們得到一個更適用的SEIHCR（CT）模型，使計算數(shù)據(jù)更順利和密切的接近實際報告的數(shù)據(jù)與模擬對塞拉利昂的完美的逼近。當(dāng)藥物即將交付給受影響地區(qū)的埃博拉，顯然，人們應(yīng)該首先分析當(dāng)前形勢的嚴(yán)峻性去決定所需藥的數(shù)量。WHO已發(fā)布每周新確診病例的報告，新的SUM代表新病人的總和。通過增加病人的當(dāng)前累計數(shù)和增加本病的發(fā)病率（我們在這2個因素中的權(quán)重相等），我們可以得到該單位每個城市的每一天都需要藥物劑量由于大量的統(tǒng)計數(shù)字為城市的數(shù)量（56城市）和持續(xù)時間的數(shù)據(jù)（57個星期至2015年2月1日），具體數(shù)據(jù)和計算值將不被提出。由于沒有有效的藥物已開發(fā)和分布式的大規(guī)模，特定劑量的藥一個病人的需求是無處可找到。因此，我們只需要一個城市作為一個例子來檢驗我們的模型的可行性，我們選擇的資本塞拉利昂，弗里敦因為這座城市擁有最多的患者數(shù)量。除了這些，我們還比較的結(jié)果從seihcr（HC）模型和結(jié)果由世衛(wèi)組織統(tǒng)計（固體曲線）。因此，它不難確定的位置，在充電載藥和疫苗。換句話說，我們會先找到一些“總部”來儲存。模糊C均值聚類算法的關(guān)鍵是相似的每個集群功能的價值點股（會員）之間零和一[25]。對于價值，我們首先決定的數(shù)量總部應(yīng)下太大也不太小，不但應(yīng)該有足夠的方便的交付，但也將能夠防止交付是一個太要求工作。曲線被畫在下面：圖9米與碳的變化從圖9中，我們可以看到，選擇6個集群，因此6在幾內(nèi)亞比紹和利比里亞的所有城市總部的最終選擇，這也符合我們最初的標(biāo)準(zhǔn)。圖10交貨地點在上圖中，6個黃色的星星代表我們選擇的6個“總部”儲存的藥品，他們被標(biāo)記為1至6，以方便以后的討論。也就是說，藥品和疫苗將從6個黃色的星星到周圍的特定顏色點。此外，百分比將為這6個總部分配的藥品也算便利進(jìn)一步交付。然而，如果制造業(yè)的速度比你的數(shù)量要小每日所需藥品，要求將不完全滿足，并將導(dǎo)致減少病死率。自1/Hg代表從癥狀發(fā)作到恢復(fù)里面的平均時間醫(yī)院，這是一個影響很大的參數(shù)，通過藥物的療效。圖11預(yù)計從2015年2月4日在塞拉利昂累計病例=仿真在圖11中，五的值被設(shè)置為Hg。我們組y的值是2，4，6，8，10和1/y價值變化的同時時間。死者的平均時間越短，可以正確處理的是，病毒的傳播速度較慢，導(dǎo)致一個較小的人口個人累計數(shù)。圖1,k ,1/gH ,dH控制埃博拉傳播的效果在藍(lán)色區(qū)域的黑色線的臨界條件時CUM162。剩余的灰色區(qū)域是可以位于的地方理論上，但實際上并非如此。如果累計病例數(shù)CUM與時間保持不變，顯然沒有新的感染者，意味著消滅埃博拉病毒。3）接觸追蹤的介紹時間。通過比較兩曲線145和240，我們可以看到，最重要的是，一個小將導(dǎo)致了一個巨大的下降，累計人數(shù)的個人。虛線在這2張圖代表了埃博拉的根除點。 有一些參數(shù)，在我們的工作中有一個固定的價值。然而，一點點方差值I可能會讓結(jié)果陷入灰色區(qū)域，這讓我們認(rèn)為不合理。這是與其他的傳輸速率和H和C相同。因此，我們得到了結(jié)論：研究結(jié)果對不同的值是不敏感的。由于H主要反映了藥的制造速度和藥效好壞，我們得出的結(jié)論是，生產(chǎn)的速度和藥物的療效不會影響個人的累積數(shù)量過多。加權(quán)模糊C均值聚類算法應(yīng)用在決定交貨地點。由于統(tǒng)計大量的城市在幾內(nèi)亞、塞拉利昂和利比里亞，我們只選擇弗里敦作為一個例子，分析，這可能會導(dǎo)致一些差異。考慮到大量的參數(shù)，這是不可能的，他們是完全彼此隔離。在這個意義上，我們將知道如何在城市之間的埃博拉病毒蔓延的結(jié)果我們自己的模式，不只是根據(jù)誰的統(tǒng)計數(shù)據(jù)。最后，因為所有的埃博拉病毒在歷史上沒有持續(xù)多久，我們可以嘗試找出這種疾病的內(nèi)在原因，有這樣的不尋常的特點。具體而言，我們改進(jìn)了傳統(tǒng)的流行病模型，并將其轉(zhuǎn)化為一個適合埃博拉病毒特異性的羽毛。根據(jù)我們的研究，交付的位置，在地形的幾內(nèi)亞比紹，塞拉利昂利比里亞將包括6個總部。這些總部的地理坐標(biāo)是：，所分配的百分比。結(jié)果我們的研究表明，以保證患者每天的需要，可以滿足。隨著藥物療效的提高，最后一天根除埃博拉被預(yù)測要快到。我們真誠地希望與大家的努力，包括我們的研究和你的發(fā)明的新藥物，一天的消滅埃博拉盡快來！最好的問候參考文獻(xiàn)