COVID-19疫情增長模型研究，建模經驗分享

COVID-19疫情增長模型研究 摘要

疫情感染形式嚴峻，目前對疫情增長的模型的研究主要都是單一的增長模型。本文從3個人為干預的重要節點進行劃分，提出了自然增長COVID-19模型、有防護的意識、人員可流動增長COVID-19模型、無人員流動增長COVID-19模型的建模思路。並對影響疫情的相關特徵進行了分析。

研究背景

2020年，新型冠狀病毒肺炎肆虐。目前，國內疫情得到很好控制，全球累計確證241萬人，西方國家疫情形勢依舊嚴重，美國現已經累計確診79萬人。

作為學術圈的人，關注的就是論文了。目前知網上大批量的疫情相關論文湧現，各大期刊也在加急處理疫情相關論文，送上知網，網絡首發，這一類型論文下載量高居不下。下面是一個國內的EI級別的中文期刊。

本人研究方向，主要偏向時間序列預測工作，本篇文章將從疫情預測模型角度，分享一些個人想法個人經驗。

COVID-19疫情數據相關特徵分析

影響疫情的因素(與疫情相關的特徵特徵)。

人口數：一個區域（國家）的人口數是病毒進行傳播的基準數據。

不同年齡段的人口分別情況：病毒的傳播與人的免疫能力有關，可以從年齡角度大致表徵免疫能力。

經濟情況（人均GDP等）：具體與醫療現代化程度關聯，進行考慮。

人員流動特徵：主要可以從，陸運、海運、空運的客運量考慮。

防疫資源的數量：防疫資源從防控，治療角度影響疫情數據。包括口罩日產量、防護服產量、呼吸機產量、消毒行業消費量等。

感染人數模型的分解

疫情的傳播情況不是一塵不變，其中需要根據干預手段，在不同時間節點進行切分，不同時間段的感染人數數據應該分別進行建模。

3個關鍵的時間點如下（以我國對疫情的處理為例）：

1月20日確定人傳人

1月23號分閉武漢

2月8日禁止小區流動

根據上述信息，我們可以將數據切分為3部分。

1月11日-1月20日：疫情的模型應該幾乎是無人為干預的模型。

1月20日-2月8日：疫情的模型應該是人員有防護的意識、可流動的模型。

2月8日-3月9日左右（可以出門了）：人員流動遏制的模型，至3月9日疫情的傳播基本得到遏制，人員防護物資和人員防護意識已經完全跟上。

另外需要注意的是：當人為干預作用時刻後，有1-14天的疫情發病期。也就是說干擾時刻後的14天的疫情模型應該反應的是前一個防疫級別疫情增長情況。

（1月11日-1月20日+14天）這一時間段的數據所產生的模型應歸為自然增長COVID-19模型。

（1月20日-2月8日+14天）這一時間段的數據所產生的模型應歸為

（2月8日-3月9日+14天）這一時間段的數據所產生的模型應歸為無人員流動增長COVID-19模型。

閱讀更多 人工智能學術前沿 的文章

關鍵字: 武漢 傳染病 模型