具有复发效应的SEAIR模型及在新冠肺炎传染病中的应用

建立了一类具有复发效应和无症状感染的SEAIR模型,给出了模型的基本再生数R0,证明了当R0<1时无病平衡点全局渐近稳定,R0>1时无病平衡点不稳定且疾病是一致持久的.作为模型的应用,选取湖北已报道的新冠肺炎累计病例数,利用模型拟合数据,并对疾病发展趋势进行了数值模拟.最后对参数进行敏感性分析,研究了不同的复发率对新冠肺炎的影响.结果表明,复发率越高,新冠肺炎疫情会越来越严重;研究结果建议采取严格的隔离措施和佩戴口罩来降低疾病的传染率和二次复发.     

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.     

基于系统动力学仿真的新冠肺炎防疫政策有效性研究

2020年初中国爆发了新冠肺炎疫情,政府在不同时间采取各类防疫政策积极应对,政策的有效性决定了疫情能否得以控制.应用系统动力学方法构建了湖北省的疫情传播仿真模型,合理拟合了疫情发展的现实数据,并选取隔离防控政策、医疗政策以及无症状监测政策进行仿真实验,分析了"群体防疫"、单一政策和不同政策组合下疫情传播的特征,探讨了各...     

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。     

基于改进SEIR模型的新冠肺炎疫情分析与预测

针对新型冠状病毒的潜伏期较长，基于每日发布的新冠疫情数据集，在经典SEIR (Susceptible-Exposed-Infected-Recovered)模型的基础上，考虑了隐性传播人群，并且将确诊人群分为两类(一类感染者具有传染能力；一类感染者由于处于隔离期间，其感染能力可忽略不计),构建了基于改进SEIR的新冠肺炎传播动力学模型。以2021年12月15日到2022年1月13日的西安市疫情数据为依据，拟合得到了改进SEIR模型的动力学参数，对西安市COVID-19疫情进行预测和评估。结果表明，基于改进SEIR传染病动力学模型对疫情的理论估计与西安市疫情的实际情况较为符合，数据可视化和医学隔离等措施对抑制疫情大面积传播有重要作用。     

新冠肺炎疫情信息累积更新采集系统的设计与实现

突如其来的新冠肺炎疫情打乱了人们的正常生活和工作节奏,面对各种不同来源的新冠肺炎疫情数据,如何及时获取疫情信息这对人们的工作、生活有很大帮助.本文使用Python编程语言,结合Scrapy框架,基于Splash对页面中的JavaScript代码进行渲染的技术,设计并实现了一种新冠肺炎疫情信息累积更新采集系统.实验表明,...     

基于LSTM模型对印度新冠肺炎疫情的预测

自2019年新冠肺炎疫情暴发持续到现在,无论对国家、社会、还是个人都产生了巨大的影响。部分国家及时采取了一些应对措施,但是依然无法完全控制住疫情的传播。目前,机器学习算法被用来预测新冠肺炎疫情的发展。使用长短期记忆(long short-term memory, LSTM)模型对收集到的印度累计确诊病例数据进行分析并预测印度疫情的变化趋势。使用适应性矩估计(adaptive moment estimation, ADAM)算法优化模型使模型参数达到最优值,将均方误差(mean square error, MSE)作为损失函数,不断训练模型后最终得到其准确度为87.49%。使用支持向量机(support vector machine, SVM)模型预测新冠肺炎疫情发展的研究比较广泛,将其与LSTM模型进行对比,利用相同的数据集得出SVM模型预测的准确度为73.25%,对比2组数值发现,在预测印度新冠肺炎疫情上LSTM模型的准确度更高。该方法在一定程度上为预测印度新冠肺炎确诊病例数的研究提供了帮助,有助于人们实时监控印度疫情。     

新冠疫苗接种中“疫苗犹豫”的心理干预

新冠疫苗作为控制新冠肺炎疫情大流行最具成效的干预措施,有着不可替代的重要作用.但面对疫苗接种,不少人仍存在着“疫苗犹豫”问题,拖延疫苗接种的时机,也滞后了整个群体免疫屏障的建立.文章针对新冠疫苗预防接种的“疫苗犹豫”问题,梳理并分析了目前“疫苗犹豫”的现状及影响因素,探讨相应的心理干预应对策略及健康教育措施,以提高新冠疫苗接种率,充分发挥新冠疫苗在新冠肺炎疫情中的重要防控作用.     

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.     

考虑舆情的分时段SIQR模型的新冠疫情分析与预测

为了科学地研判本土新冠疫情复发时的发展趋势,有效控制和防止疫情蔓延,本文将疫情传播分为三个时段,并综合考虑舆情与防控措施对各时段的干预效果,建立了一种分时段的具有非线性参数的新型冠状病毒肺炎传染模型.在真实数据集上的仿真结果表明: 对感染者排查力度的快速增强会显著干预疫情扩散,可使受感染人数增速减缓的拐点提前到来.相比其他模型,所提模型对大连2020年12月疫情的预测结果不仅均方误差小,而且曲线的变化趋势更贴近现实情况.此外,本文对具有长自由传播期和强聚集性的疫情进行了仿真,预测误差与同类模型相比较小.这表明本模型具有一定的通用性与健壮性.     

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.     

境外输入性病例对疫情防控的影响——基于SEIDR传染病模型

 为探究新型冠状病毒肺炎疫情因全球跨境流动带给中国境内疫情防控的影响,根据经典传染病动力学模型,提出考虑了境外输入性病例的SEIDR传染病模型。模型将入境人员分为未经海关入境人员和通过海关入境人员,设计了“境内有疫情,境外无输入”“境内无疫情,境外有输入”“境内有疫情,境外有输入”等3种情形。通过计算各类情形下感染人数峰值和持续的时间范围,比较不同类型的入境方式对境内疫情的影响和对境内医疗资源造成的压力。根据研究结果,建议根据疫情风险程度和资源条件采取检测措施;对未经海关入境的人员严格防控,对通过海关入境人员进行闭环管理;动态调整入境隔离措施和隔离期,在保证境内外疫情防控的提前下逐步恢复国际交流;整合医疗资源,提高配置效率,缓解境内资源占用压力。     

基于易感-感染-恢复(SIR)模型的2019冠状病毒病早期传播分析及政府防控措施研究

2019新型冠状病毒肺炎（COVID-19）疫情的暴发给中国乃至全球公共卫生带来了重大挑战,研究传染病动力学模型有助于更好地优化疫情防控政策、评估干预措施效果。在已知病毒传播规律的基础上,考虑城市间的有效距离因素,引入干预项参数,建立可用于COVID-19疫情评估的SIR传播动力学模型;根据疫情的早期数据,分析感染人数、死亡人数等指标性数值的发展趋势,评估政府干预手段对趋势变化产生的影响。通过计算和理论分析表明,防控隔离和集中收治等措施有效抑制了病毒的蔓延态势。修正的SIR模型在COVID-19传播趋势分析上是可靠的,可以为制订未来的疫情干预决策提供较好的理论支持。     

基于SEIR模型视角的重大公共卫生事件中伪科学网络谣言的传播治理：以新冠肺炎疫情为例

 新型冠状病毒肺炎防疫工作进入关键时期,而期间大量滋生的伪科学网络谣言导致各地广泛出现盲目抢购、囤货等不良社会事件,严重影响疫情防控与社会正常秩序。以新冠肺炎疫情为例,在总结梳理国内外学者对伪科学、网络谣言等定义的基础上,给出适用本文的伪科学网络谣言的定义;选取本次疫情中影响较大的4个伪科学网络谣言,收集其在新浪微博传播过程中的数据,分析伪科学网络谣言在疫情中的传播特点;以SEIR模型为基础,综合考虑政府干预滞后性、个体信息接受从众效应、谣言传播特点等对模型进行合理改进,并通过数值实验对重大公共卫生事件中的伪科学网络谣言传播机制进一步研究;最后,基于前文分析从不同角度对重大公共卫生事件中伪科学网络谣言的传播治理提出针对性对策建议。     

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。     

现有病毒疫苗用于防治新冠肺炎的可行性分析

新冠肺炎的爆发严重危害人类健康和公共卫生安全,已引起全球范围内的高度关注。预防病毒性疾病最有效的措施是接种疫苗,但是目前还没有专门针对新型冠状病毒的疫苗。考虑到疫情的严重性,对同为RNA病毒的流感病毒、其他冠状病毒相关疫苗的研究进行了综述,并通过对这些病毒氨基酸水平的序列比对发现,新冠病毒的棘突糖蛋白与H1N1、H3N2、B型Victoria系和B型Yamagata系流感病毒的血凝素糖蛋白之间具有一定的相似性。由于血凝素糖蛋白是目前商用流感疫苗的主要作用靶点,因此推测,现有季节性商用流感疫苗在新冠肺炎的防控方面可能也具有一定的应用潜能。除此之外,由于新冠病毒与SARS冠状病毒的棘突糖蛋白和核蛋白之间均具有高度的相似性,而SARS冠状病毒疫苗又主要从上述两种蛋白研制而来,因此建议在短期内,可以将目前正在研制的SARS冠状病毒疫苗作为新冠病毒特效疫苗的替代物来使用。     

人工智能助力新冠肺炎疫情防控的实践情景

 分析了人工智能助力新冠肺炎疫情防控的实践情境,主要包括疫情监测预警、医疗诊断、病毒及药物研发等。人工智能技术的应用对控制疫情传播范围、缓解诊疗压力、提升研发效率等具有显著效果。根据人工智能助力疫情防控上面临的法规伦理、数据安全、算法偏见等现实难题,提出完善法律法规、保障数据安全、加强人才培养等发展建议。     

基于恐惧指数的疫情影响下短期电力负荷预测方法

突如其来的新型冠状病毒肺炎（COVID-19）疫情给电力负荷造成了严重的影响,为了有效应对疫情带来的影响,提高疫情影响下的短期负荷预测精度,提出了一种基于恐惧指数（FI）的疫情影响下短期电力负荷预测方法.利用疫情数据构建FI,与时间信息、历史负荷、气象条件一起作为广义回归神经网络（GRNN）模型的输入变量,用果蝇优化算法（FOA）对GRNN平滑因子进行优化,提高预测结果的准确度和稳定性,使用构建的预测模型进行预测.算例结果表明,该方法能有效提高疫情影响下短期负荷预测的精度,为重大灾难影响下的短期负荷预测提供参考与借鉴.