如何使用SIR模型拟合数据-Python

Question

我用Python实现了SIR模型，结果似乎是正确的：

import scipy.integrate
import numpy
import matplotlib.pyplot as plt

def SIR_model(y,t,N,beta,gamma):
    S,I,R=y
    dS_dt=-beta*S*I/N
    dI_dt=beta*S*I/N-gamma*I
    dR_dt=gamma*I
    return([dS_dt,dI_dt,dR_dt])

N=1000
I0=1
R0=0.0
S0=N-I0-R0
beta=0.2
gamma=0.1

t=numpy.linspace(0,160,160)

sol=scipy.integrate.odeint(SIR_model,[S0,I0,R0],t,args=(N, beta,gamma))
sol=numpy.array(sol)

plt.figure(figsize=[6,4])
plt.plot(t,sol[:,0],label="S(t)")
plt.plot(t,sol[:,1],label="I(t)")
plt.plot(t,sol[:,2],label="R(t)")
plt.grid()
plt.legend()
plt.xlabel("Time")
plt.ylabel("Number")
plt.title("SIR model")
plt.show()

现在，我想用模型（https://github.com/pcm-dpc/COVID-19）拟合真实数据。我知道N0，S0，I0，R0，我需要为beta和gamma找到最佳值。在我以前的项目中，我将数据拟合到定义明确的函数上（我知道解析表达式），但是现在我不知道如何使用集成系统的结果来实现这一点。我通常使用Numpy curve_fit函数：

popt, pcov = curve_fit(f, x_list, y_list, sigma=y_err)

执行此操作的最佳方法是什么？几天前github上有一个不错的项目，但现在作者删除了它。