常见新型冠状病毒肺炎疫情预测方法及其评价

发布时间：2021-03-01 02:49

　　自新型冠状病毒肺炎疫情发生以来,一些学者利用疫情公开数据建立预测模型。所用预测方式包括曲线拟合、传染病动力学模型及人工智能算法三大类。传统的曲线拟合预测方式无法考虑传染病特征,预测结果并不可靠。传染病动力学模型是本次疫情预测应用最多的一类,能够考虑传染病的传播速度、传播模式及各种防控措施等因素,但由于考虑的参数不可能全面,且参数可能在疫情不同阶段发生动态变化,因此预测效果往往不佳,但对早期预警、防控决策支持及防控效果评价具有重要应用价值。人工智能方法可以综合考虑不同防控措施以及多种因素的影响,如果考虑得当,预测效果将会有所提高。在综合利用动力学模型优势的基础上,尽可能多地考虑不同影响因素,利用人工智能构建仿真模型,将是一个新的发展趋势。 

【文章来源】：中国卫生统计. 2020,37(03)北大核心

【文章页数】：5 页

【部分图文】：

新型冠状病毒肺炎疫情曲线拟合

【参考文献】：
期刊论文
[1]传染病动力学模型的理论基础及在疫情防控中的应用价值[J]. 魏永越,赵杨,陈峰,沈洪兵.  中华预防医学杂志. 2020(06)
[2]基于改进的SEIR+CAQ传染病动力学模型进行新型冠状病毒肺炎疫情趋势分析[J]. 魏永越,卢珍珍,杜志成,张志杰,赵杨,沈思鹏,王波,郝元涛,陈峰.  Chinese Journal of Epidemiology. 2020(04)
[3]新型冠状病毒肺炎疫情预测建模、数据融合与防控策略分析[J]. 唐三一,肖燕妮,彭志行,沈洪兵.  Chinese Journal of Epidemiology. 2020(04)
[4]基于SIR模型分析不同强度防控手段在当前武汉市新型冠状病毒（2019-nCoV）感染的肺炎疫情中的作用[J]. 武文韬,李达宁,李莉,冯敖梓,徐安定,吕军.  医学新知. 2020(01)
[5]新型冠状病毒肺炎流行病学特征分析[J]. EpidemiologyWorkingGroupforNCIPEpidemicResponse,ChineseCenterforDiseaseControlandPrevention.  Chinese Journal of Epidemiology. 2020(02)
[6]新型冠状病毒肺炎基本再生数的初步预测[J]. 周涛,刘权辉,杨紫陌,廖敬仪,杨可心,白薇,吕欣,张伟.  中国循证医学杂志. 2020(03)
[7]传染病动力学建模研究进展[J]. 徐致靖,祖正虎,许晴,郑涛.  军事医学. 2011(11)
[8]传染病发病数资料的EM估计[J]. 叶小华,周舒冬,李丽霞,李燕芬.  数理医药学杂志. 2008(05)
[9]传染病预测的数学模型研究[J]. 王丙刚,曲波,郭海强,张蕾,金鑫,李刚,孙高.  中国卫生统计. 2007(05)
[10]传染病链二项分布资料的Poisson回归模型[J]. 叶小华,荀鹏程,于浩,陈峰.  中国卫生统计. 2005(06)

硕士论文
[1]几类新型传染病模型动力学分析及其研究[D]. 彭晓艳.兰州交通大学 2015



本文编号：3056854