自新型冠狀病毒肺炎疫情發(fā)生以來,一些學者利用疫情公開數(shù)據(jù)建立預測模型。所用預測方式包括曲線擬合、傳染病動力學模型及人工智能算法三大類。傳統(tǒng)的曲線擬合預測方式無法考慮傳染病特征,預測結(jié)果并不可靠。傳染病動力學模型是本次疫情預測應用最多的一類,能夠考慮傳染病的傳播速度、傳播模式及各種防控措施等因素,但由于考慮的參數(shù)不可能全面,且參數(shù)可能在疫情不同階段發(fā)生動態(tài)變化,因此預測效果往往不佳,但對早期預警、防控決策支持及防控效果評價具有重要應用價值。人工智能方法可以綜合考慮不同防控措施以及多種因素的影響,如果考慮得當,預測效果將會有所提高。在綜合利用動力學模型優(yōu)勢的基礎(chǔ)上,盡可能多地考慮不同影響因素,利用人工智能構(gòu)建仿真模型,將是一個新的發(fā)展趨勢。 

【文章來源】：中國衛(wèi)生統(tǒng)計. 2020,37(03)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

新型冠狀病毒肺炎疫情曲線擬合

【參考文獻】：
期刊論文
[1]傳染病動力學模型的理論基礎(chǔ)及在疫情防控中的應用價值[J]. 魏永越,趙楊,陳峰,沈洪兵.  中華預防醫(yī)學雜志. 2020(06)
[2]基于改進的SEIR+CAQ傳染病動力學模型進行新型冠狀病毒肺炎疫情趨勢分析[J]. 魏永越,盧珍珍,杜志成,張志杰,趙楊,沈思鵬,王波,郝元濤,陳峰.  Chinese Journal of Epidemiology. 2020(04)
[3]新型冠狀病毒肺炎疫情預測建模、數(shù)據(jù)融合與防控策略分析[J]. 唐三一,肖燕妮,彭志行,沈洪兵.  Chinese Journal of Epidemiology. 2020(04)
[4]基于SIR模型分析不同強度防控手段在當前武漢市新型冠狀病毒（2019-nCoV）感染的肺炎疫情中的作用[J]. 武文韜,李達寧,李莉,馮敖梓,徐安定,呂軍.  醫(yī)學新知. 2020(01)
[5]新型冠狀病毒肺炎流行病學特征分析[J]. EpidemiologyWorkingGroupforNCIPEpidemicResponse,ChineseCenterforDiseaseControlandPrevention.  Chinese Journal of Epidemiology. 2020(02)
[6]新型冠狀病毒肺炎基本再生數(shù)的初步預測[J]. 周濤,劉權(quán)輝,楊紫陌,廖敬儀,楊可心,白薇,呂欣,張偉.  中國循證醫(yī)學雜志. 2020(03)
[7]傳染病動力學建模研究進展[J]. 徐致靖,祖正虎,許晴,鄭濤.  軍事醫(yī)學. 2011(11)
[8]傳染病發(fā)病數(shù)資料的EM估計[J]. 葉小華,周舒冬,李麗霞,李燕芬.  數(shù)理醫(yī)藥學雜志. 2008(05)
[9]傳染病預測的數(shù)學模型研究[J]. 王丙剛,曲波,郭海強,張蕾,金鑫,李剛,孫高.  中國衛(wèi)生統(tǒng)計. 2007(05)
[10]傳染病鏈二項分布資料的Poisson回歸模型[J]. 葉小華,荀鵬程,于浩,陳峰.  中國衛(wèi)生統(tǒng)計. 2005(06)

碩士論文
[1]幾類新型傳染病模型動力學分析及其研究[D]. 彭曉艷.蘭州交通大學 2015



本文編號：3056854