基于改进的SEIR模型对新冠肺炎的疫情预测及防控措施的评估

基于国家卫健委每日公布的湖北省新冠(COVID-19)疫情数据,结合实际的疫情传播和防控流程,提出一种基于SEIR模型改进的传染病动力学CSEIR模型.在传统SEIR模型的基础上增加了潜伏追踪入院和发病追踪入院的传播流程以刻画疫情发展趋势;通过引入感染抑制因子描述感染率随时间的变化趋势,用于分析封城封村、居家隔离等抗疫...     

基于随机SEIR模型的新冠肺炎传播动力学分析

基于2020年1月28日至2020年3月10日的湖北省疫情数据,考虑新型冠状病毒潜伏期的传播能力,建立了经典SEIR传播动力学模型和随机SEIR传播动力学模型.通过建模分析,拟合得到了模型的动力学参数,探索了新型冠状病毒性肺炎疫情传播特点和发展规律.在模型中引入疫苗接种的因素,考量其对疫情发展的影响,为全员接种疫苗提供了理论依据.     

基于延迟效应的SAIR_2D模型对新冠肺炎疫情的分析预测及防控策略研究

提出了一种改进的SEIR疫情传播模型(SAIR_2D),对近期新疆爆发的新冠肺炎疫情流行机制进行了分析,并对传播趋势进行了初步预测。首先,考虑此次爆发的COVID-19病例多表现为无症状感染者(A)且A类人群的筛查检测过程需要时间,建立具有延迟效应的SAIR_2D模型并进行数值解析和模拟仿真实验。结果表明,模型对疫情传播的相关估计与实际情况较为符合,特别是在疫情爆发初期能够较为准确的预测感染病例。最后,评估了封城的有效性,分析表明及时封城可以控制COVID-19的传播,提出的相关防控策略可为有关部门提供借鉴。     

新型冠状病毒肺炎传播动力学模型构建与分析

为研究新型冠状病毒肺炎(简称新冠肺炎)传播机理和传播风险，预测疫情发展趋势，对政府制定相关疫情防控政策提供帮助，提出了一种新的新冠肺炎传播非线性动力学模型(SLEIR)。该模型考虑到疫情中采取保护措施的人群，将其作为低危群体加入到模型中；通过对模型的基本再生数、平衡点、稳定性和分岔等进行分析，揭示新冠肺炎传播机理；利用印度新冠肺炎真实数据对模型参数和部分状态初值进行最小二乘拟合，根据拟合的参数对印度疫情发展趋势做出预测。该模型对印度3～4月、4～5月两阶段疫情预测平均相对误差分别为4.107%和2.805%,对于印度10月最新的疫情，预测平均相对误差为3.266%,预测结果表明SLEIR模型具有较好的预测效果。与传统SEIR模型相比，该模型能适应印度疫情复杂的变化趋势，且具有更高的预测精度，可以为政府选择合适的防控措施提供技术支撑。     

数据驱动下新冠肺炎基本再生数的计算方法

2019年突如其来的新冠肺炎疫情给我国经济社会发展和人民生活带来严重影响.如何科学合理计算新冠肺炎传播的基本再生数对疫情的控制尤为重要.目前,已有的计算新冠肺炎基本再生数方法大都基于数据辨识模型参数进而算出其值.给出一种利用数据结合模型直接计算新冠肺炎传播基本再生数的新方法.利用该方法及峰值数据可以计算基于SIR模型、SEIR模型及SEIAR模型全国、湖北及广东新冠肺炎传播的基本再生数.该方法能反映基本再生数和新冠肺炎传播相关数据的直接关系.     

山西省新型冠状病毒肺炎疫情发展状况的模型拟合研究

目前,山西省新型冠状病毒肺炎疫情防控工作仍在继续,寻找一个用于拟合新冠疫情发展状况的模型对于今后新冠疫情管控预测及社会政策制定都是有意义的。依据官方数据（2020.1.22-2.20）,构建相应的SIR、SEIR传染病模型。重点是在SEIR传染病模型下,运用MATLAB对疫情状况进行相关分析。模拟山西省新冠肺炎疫情在2月底达到峰值,并预测该疫情将在4月底得到基本控制,与实际时间相差不远,说明该模型用于新冠肺炎的研究是比较合适的。     

基于广义SEIR模型的新冠肺炎传播机制及干预效果仿真

 新型冠状病毒肺炎（新冠肺炎）已在全球多个国家和地区蔓延，且不同国家和地区新冠肺炎的传播扩散过程和传染预测模式不尽相同。以美国和中国新冠肺炎公开数据为样本，首先应用广义SEIR模型，对疾病传播参数进行估计。其次，确定基本传染数R₀中各参数对疾病的影响，进而基于Anylogic仿真，利用系统动力学模型进行参数敏感性分析，定量表征关键参数对疾病传播的影响。最后，根据分析结果提出针对性的防控干预措施，以中美为例模拟不同防控级别的干预效果。研究发现，广义SEIR模型对中国与美国新冠肺炎传播机制的拟合性较好，保护率、感染率和平均检疫时间对防控疫情影响显著，并可以通过针对性的措施来提高保护率、降低感染率、缩短平均检疫时间。     

基于TRP-SEAMRD模型对美国新冠肺炎疫情回顾与预测

传统SEIR(susceptible-exposed-infectious-recovered/removed)模型是一种简化的动力学预测模型,没有考虑到防疫政策等变化对疫情发展的影响.我们针对新型冠状病毒肺炎(新冠肺炎)在潜伏期也具有传染性等特征,同时结合美国的抗疫政策,提出了TRP-SEAMRD(test-restricted-phased SEAMRD)模型.该模型较好地拟合了2020年2月～8月美国新冠肺炎感染、康复和死亡人数.通过分析模型提供的数据和曲线,可以抽象出美国新冠肺炎大流行的一些特征.基于TRP-SEAMRD模型,我们评估了美国在疫情发展早期不当的检测政策及之后的"居家隔离令"等防疫措施对疫情发展的影响,分析了未来美国在不同社会控制程度下的新冠肺炎大流行可能的发展趋势.这些模拟可为制定科学的防疫措施提供参考.     

基于广义SEIR模型的新冠肺炎传播机制及干预效果仿真

 新型冠状病毒肺炎（新冠肺炎）已在全球多个国家和地区蔓延,且不同国家和地区新冠肺炎的传播扩散过程和传染预测模式不尽相同。以美国和中国新冠肺炎公开数据为样本,首先应用广义SEIR模型,对疾病传播参数进行估计。其次,确定基本传染数R₀中各参数对疾病的影响,进而基于Anylogic仿真,利用系统动力学模型进行参数敏感性分析,定量表征关键参数对疾病传播的影响。最后,根据分析结果提出针对性的防控干预措施,以中美为例模拟不同防控级别的干预效果。研究发现,广义SEIR模型对中国与美国新冠肺炎传播机制的拟合性较好,保护率、感染率和平均检疫时间对防控疫情影响显著,并可以通过针对性的措施来提高保护率、降低感染率、缩短平均检疫时间。     

基于SEIR模型分析相关干预措施在新型冠状病毒肺炎疫情中的作用

目的:评价新型冠状病毒肺炎(COVID-19)疫情中相关干预措施的作用.方法:收集COVID-19疫情数据,分析COVID-19的传播特点,利用Python建立SEIR模型,加入潜伏期传染率、感染人群变化率等新参数,尝试分析防控手段的有效性.结果:给出多种相关干预措施下疫情发展趋势的预测.模型显示,基于严格限制出行的隔离措施能够减缓COVID-19发病曲线发展的趋势,使潜伏和感染人群的峰值降低45.71%和29.90%,潜伏人群数量较快到达群峰;模拟发现,本次疫情的拐点将出现在3月初,但对比COVID-19疫情实际数据,疫情拐点或将提前出现.结论:COVID-19疫情的防控措施是有效的,各地方政府应严格执行隔离制度,切断传播途径,巩固成果,全力遏制COVID-19传播.     

考虑防护和隔离的传染病传播建模与分析

基于SEIR模型，引入自我防护和隔离两个仓室，提出一个更加通用的传染病传播模型.通过对模型进行定性分析，计算模型的基本再生数，通过特征值理论和Routh-Hurwitz判据，分析模型的无病平衡点和地方病平衡点的局部渐近稳定性.数值模拟和COVID-19病毒真实数据拟合结果表明，所提出的SEIQRP模型能够有效地描述传染病的动态传播过程.模型中防护率、潜伏期隔离率和感染者隔离率这三个参数对疾病的传播起着非常关键的作用.提高人们加强自我防护意识、重点排查潜伏期患者和对感染者进行隔离治疗可以有效降低传染病的传播.     

基于SEIR模型的中国山东省与韩国COVID-19疫情早期传播特征比较分析

2019年底爆发的新冠肺炎疫情(COVID-19)在世界大部分国家和地区蔓延，促使各国政府出台了不同程度的管控措施.不同于各种针对疫情变化的预测模型，该文通过使用经典SEIR仓室模型对COVID-19在中国山东省、韩国两地的传播动力学特征开展了回溯分析，对比并讨论了这两个样本在暴露人群数量、感染人数、确诊人数及治愈率上的显著差异.在此基础上，该文通过对比中国山东省、韩国的首例防控措施公告，重点探讨了在疫情早期采取严格、快速的物理疏离和保持高效的医疗救治对阻断COVID-19传播的积极意义.     

基于SEIADR模型研究口罩对COVID-19传播的影响

为了模拟COVID-19流行病的传播，将无症状感染者引入SEIDR模型中，提出了一个改进的SEIADR模型来分析戴口罩对COVID-19流行病最终规模和基本再生数的影响。为了研究口罩对新冠肺炎传播的影响，将人群分为两组：一组戴口罩(包括易感者、暴露者、有症状感染者、无症状感染者、死亡人群和康复人群);另一组不戴口罩(包括易感者、暴露者、有症状感染者、无症状感染者、死亡人群和康复人群)。运用分组动力学模型确定了流行病的基本再生数和控制再生数；从生物学意义对再生数进行了解释，并根据文献中的相关数据模拟了疾病的最终规模；最后通过数值分析模拟了戴口罩对流行病传播过程中的动态影响。数据模拟表明，如果所有人不戴口罩，那么控制再生数为1.35;如果50%的人戴口罩，口罩的易感性和传染性降低50%,那么控制再生数会下降到0.39,而病例最终规模也将从73.20%降到16.15%。     

基于机器学习的新冠肺炎疫情趋势预测方法

防控措施对传染病的传播过程有重要作用，因此在预测新型冠状病毒肺炎疫情未来发展趋势时必须要考虑防控措施的影响。该文提出了基于机器学习的新冠肺炎疫情三步预测模型，将神经网络、随机森林、长短期记忆网络和序列到序列等机器学习算法引入到新冠肺炎传染病疫情预测中。与前人的预测模型相比，所提出的模型考虑了新冠肺炎疫情发展过程中防控措施的变化情况，可以使用检测数据预测未来的确诊人数和实际感染规模。研究结果表明：预测结果与实际数据基本一致，模型具有较高的可靠性。该预测方法可以使政府管理部门更准确地了解新冠肺炎疫情的实际发展态势，帮助管理者更有效地分配医疗资源，为新冠肺炎疫情防控提供决策参考。     

SARS传播模型的探讨

首先以传统的Logistic模型和SEIR模型分析了SARS传播的一般规律,并以北京地区2003年4月20日到6月23日有关SARS数据为参考资料,对北京地区SARS疫情高峰期和最终感染人数作出估计,由此得到SARS传播服从Logistic模型和SEIR模型,其次,在此基础上分析了两物种间的疾病传播规律,建立了两物种间疾病传播的SEIR模型。     

新冠肺炎疫情背景下中国港口冷链运行效率

为科学评价新冠肺炎疫情对中国港口冷链运行效率的影响，基于数据包络分析(DEA),同时考虑评价指标数据的差异性和指标间关系，将变异系数法和相关系数法与DEA模型结合，得到改进的DEA模型。以新冠肺炎疫情对中国港口冷链运行造成的影响为例，使用改进的DEA模型和空间自相关模型进行分析。结果表明：新冠肺炎疫情期间，中国沿海重要港口的冷链运行效率整体呈现先下降后上升的特点，除连云港港外，其余港口冷链运行效率均在新冠肺炎疫情的传导爆发期降至最低；疫情发生前后，莫兰指数散点图中的各个港口位于第二、四象限，尽管大连港、宁波-舟山港及广州港在新冠肺炎疫情的冲击增长期冷链业务量上升明显，但港口冷链业务竞争格局并未出现显著变化；中国政府迅速采取的防控措施对港口外贸冷链业务产生了一些影响，尤其是大连港和上海港受到的影响频次和程度较大，但从长远角度看，强有力的管控措施对于控制港区疫情传播风险、维护港口长期运行稳定及保障贸易活动的正常进行具有重要意义。     

基于随机 SEIR 模型比较不同筛查频率的核酸筛查效果

为了比较西安疫情期间两种核酸筛查频率的清零效果,提出了改进的随机 SEIR 模型,使用这种模型模拟疫 情的变化过程,然后分析比较一天一次核酸和三天一次核酸两者的清零效果;该模型加入了核酸筛查效果,建立了 考虑核酸筛查的随机 SEIR 模型,然后根据每日社区(不含隔离管控区域)新增患者人数使用线性回归对参数进行 求解,利用小批量随机梯度下降法和余弦调节器对参数的求解过程优化,最后利用参数和模型模拟疫情的发展变 化;对比模型一天一次核酸筛查阳性数量和实际数量,发现两者数量基本一致,所以该随机 SEIR 模型能够较好地 模拟疫情的变化;使用该随机 SEIR 模型模拟一天一次核酸筛查和三天一次核酸筛查,并且计算一天一次核酸筛查 和三天一次核酸筛查的核酸检测成本以及患者(仅计算核酸筛查发现和发病人群)的治疗费用,结果发现社区一天 一次核酸筛查比三天一次核酸筛查拥有更好的清零效果,而且一天一次核酸筛查的成本更低。     

基于SEIR-LSTM混合模型的新型冠状病毒肺炎传播趋势分析与预测

为了对新型冠状病毒肺炎(COVID-19)传播趋势实现更精准的分析与预测,基于传统的传染病动力学模型SEIR(susceptible-exposed-infectious-recovered)和长短期记忆(long short-term memory,LSTM)深度学习网络构建了一种混合模型SEIR-LSTM,结合全国和湖北省的疫情数据进行分析与预测.从实验结果来看,相较于传统的机器学习、多项式拟合、普通的SEIR模型和单一的LSTM,所提出的混合模型能取得更高的疫情预测精度.最后给出了对疫情发展的预测,对疫情防控具有一定的应用价值和社会价值.     

基于早期监测病例的埃博拉病毒传播风险评估

基本再生数是传染病动力学中反映传染病传播潜力最重要的参数,对基本再生数的估算是传染病传播风险评估工作的核心内容。该文针对2013年末发生于西非的埃博拉疫情的风险评估问题,提出了改进的最小二乘法作为疫情参数拟合方法,并对该次埃博拉疫情中3个重灾区国家(几内亚、塞拉利昂、利比里亚)境内的早期疫情数据进行了拟合,估算出了疫情的基本再生数,拟合结果与实际数据吻合得较好;通过分析几内亚境内疫情的早期数据,改进前人研究中所采用的基于均匀混合假设的易感者S(susceptible)、携带者E(exposed)、传染者I(infectious)以及移出者R(removed)(SEIR)模型,提出了多次疫情假说模型,较好地解释了几内亚境内疫情数据波动现象。该文提出的拟合标准和传染病动力学建模思路对于确定病毒传播性质、评估防疫措施效果、预测传播趋势以及遏制未来可能出现的疫情有着重要意义。     

一类 SEIR-A 与 TCN 混合传染病模型的研究

目的 由于传染病的不断复杂化,一类传播过程中出现大量隐性感染人群的疾病逐渐流行,提出一种基于 SEIR 模型改进后的 SEIR-A 模型来更加准确地刻画该类疾病的传播机制。 方法 在动力学模型方面,主要有以下两 点改进:一是假设潜伏期人群和显性感染人群具有一致的传染因子;二是引入具有不同传染性的隐性感染人群 A, 且增添隐性感染者向显性感染者单向转换的常值因子 ω,构建一类具有特殊隐性感染人群的 SEIR-A 模型。 此外, 将改进后的 SEIR-A 模型与时间卷积网络 TCN 模型线性结合,得到一种动力学模型和深度学习模型相互融合的混 合模型。 结果 通过真实数据的拟合,结果表明:SEIR-A 模型可以模拟传染病的总体趋势,且能够对该疾病中现存 隐性感染人群和累计恢复人群做出准确拟合,决定系数 R2 分别达到 0. 987 0 和 0. 989 9,证明该模型合理;SEIR-A 与 TCN 的混合模型可以实现对复杂现存显性感染人群的拟合,相较于单一的 SEIR-A 模型、TCN 和 LSTM 模型,该 混合模型的决定系数 R2 达到了 0. 961 1,取得了 5 种对比模型中最优的拟合精度。 结论 传统动力学和深度学习的 结合,可以在体现疾病传播机理的同时有效解决传统模型拟合精度不高的问题,对传染病研究具有现实意义。