Seltsam SciPy ODE Integration Fehler

Ich bin die Implementierung eines sehr einfachen Susceptible-Infected-Recovered-model mit einem stabilen Bevölkerung für ein idle-Seite des Projekts - in der Regel eine ziemlich einfache Aufgabe. Aber ich bin mit in solver-Fehler mit entweder PysCeS oder SciPy, die beide verwenden, lsoda als Ihre zugrunde liegende solver. Dies geschieht nur für bestimmte Werte der parameter, und ich bin ratlos, warum. Der code, den ich verwende ist wie folgt:

import numpy as np
from pylab import *
import scipy.integrate as spi

#Parameter Values
S0 = 99.
I0 = 1.
R0 = 0.
PopIn= (S0, I0, R0)
beta= 0.50     
gamma=1/10.  
mu = 1/25550.
t_end = 15000.
t_start = 1.
t_step = 1.
t_interval = np.arange(t_start, t_end, t_step)

#Solving the differential equation. Solves over t for initial conditions PopIn
def eq_system(PopIn,t):
    '''Defining SIR System of Equations'''
    #Creating an array of equations
    Eqs= np.zeros((3))
    Eqs[0]= -beta * (PopIn[0]*PopIn[1]/(PopIn[0]+PopIn[1]+PopIn[2])) - mu*PopIn[0] + mu*(PopIn[0]+PopIn[1]+PopIn[2])
    Eqs[1]= (beta * (PopIn[0]*PopIn[1]/(PopIn[0]+PopIn[1]+PopIn[2])) - gamma*PopIn[1] - mu*PopIn[1])
    Eqs[2]= gamma*PopIn[1] - mu*PopIn[2]
    return Eqs

SIR = spi.odeint(eq_system, PopIn, t_interval)

Diese erzeugt die folgende Fehlermeldung:

 lsoda--  at current t (=r1), mxstep (=i1) steps   
       taken on this call before reaching tout     
      In above message,  I1 =       500
      In above message,  R1 =  0.7818108252072E+04
Excess work done on this call (perhaps wrong Dfun type).
Run with full_output = 1 to get quantitative information.

Normalerweise, wenn ich ein problem auftreten, so, es ist etwas unheilbar falsch mit der Gleichung system, das ich eingerichtet, aber ich kann nicht sehen, nichts falsch mit ihm. Komischerweise, funktioniert es auch, wenn Sie sich ändern mu etwas wie 1/15550. Im Falle dass es war etwas falsch mit dem system, ich auch implementiert das Modell in R wie folgt:

require(deSolve)

sir.model <- function (t, x, params) {
  S <- x[1]
  I <- x[2]
  R <- x[3]
  with (
    as.list(params),
{
    dS <- -beta*S*I/(S+I+R) - mu*S + mu*(S+I+R)
    dI <- beta*S*I/(S+I+R) - gamma*I - mu*I
    dR <- gamma*I - mu*R
  res <- c(dS,dI,dR)
  list(res)
}
  )
}

times <- seq(0,15000,by=1)
params <- c(
 beta <- 0.50,
 gamma <- 1/10,
 mu <- 1/25550
)

xstart <- c(S = 99, I = 1, R= 0)

out <- as.data.frame(lsoda(xstart,times,sir.model,params))

Diese auch verwendet lsoda, aber scheint zu gehen reibungslos über die Bühne. Kann jemand sehen, was falsch läuft in der Python-code?