喪屍入侵計算器

喪屍入侵雖然純屬虛構，用來模擬它的數學模型卻直接取自真實的流行病學與族群動力學。本計算器採用經典的SIR（易感者—感染者—康復者）架構，並針對喪屍與人類的互動進行調整，預測假想疫情隨時間的變化。 標準SIR模型將人口分為三類：可能受感染的易感者、會傳播疾病的感染者，以及不再具有傳染性的康復者（或移出者）。在喪屍情境中，人類是易感族群，喪屍則是感染傳播者。與經典流行病學的主要差異在於，喪屍不會自行康復，而會持續存在，直到被治癒或消滅。因此，標準感染模型上又加上了捕食者與獵物的互動關係。 感染率參數（β）代表一次喪屍與人類接觸導致新增喪屍的機率。數值為0.1表示10 %的接觸會造成感染，反映有效的圍堵措施。數值為0.8則代表傳播性極強的疫情，接觸後幾乎必然感染。治癒率（γ）反映醫療介入、免疫措施或喪屍清除的成效：數值越高，喪屍數量減少得越快。人類死亡率（μ）則計入疫情期間與喪屍無關的死亡。 地理擴散係數會依人口密度與空間分布調整接觸頻率。人口密集的都市中，單位時間內喪屍與人類的接觸次數多於人口稀疏的鄉村。係數高於1.0會加劇感染傳播，低於1.0則會減緩傳播。 資源消耗用來模擬倖存人類的後勤負擔。每個活著的人都需要食物、水、藥品與住所。隨著人類數量下降、喪屍壓力增加，資源短缺會進一步加重生存挑戰。資源總量提供模擬期間所需物資的數量級估算。 儘管應用情境充滿幻想色彩，這類建模在現實中有嚴肅的對應用途。流行病學家使用相同的數學架構模擬流感大流行、伊波拉疫情及COVID-19傳播。預測喪屍占據優勢的方程式，也能量化疫苗接種計畫、隔離措施與醫療量能對真實傳染病的影響。即使在趣味情境中研究這些模型，也能幫助你直覺理解疫情動態、及早介入的重要性，以及再生數在決定疫情消退或爆發時的關鍵作用。