應用數(shù)據(jù)驅(qū)動的動態(tài)傳播率來代替基本傳染數(shù)R₀,在全國和省市兩個層面上研究COVID-19疫情發(fā)展的特點和趨勢。首先,基于動態(tài)增長率建立傳染病常微分方程,推導得出動態(tài)傳播率模型。其次,選擇冪函數(shù)作為動態(tài)傳播率的擬合函數(shù),以3天作為最優(yōu)滑窗期,對各地拐點進行了估計。最后,通過動態(tài)模型對各地不同程度尾聲開始的起點進行了預測,并在13個省市間進行9個疫情相關指標的對比分析。結(jié)果顯示,各地動態(tài)傳播率在經(jīng)過短暫的波動后均穩(wěn)步下降,疫情得到有效控制;估計的拐點主要集中在2月中旬,而預測的尾聲都將在3月底之前到來;同時,各地疫情發(fā)展特點和趨勢、防控措施力度和效果存在一定差異。 

【文章來源】：運籌學學報. 2020,24(03)北大核心

【文章頁數(shù)】：16 頁

【部分圖文】：

圖１余親騰臟；＾不時清窗＿的＿傳播寧＿＿圍??可跋著到，不飼滑窗期的動態(tài)傳播率在經(jīng)過一段時間的波動后，均開始穩(wěn)步下降；這??

參數(shù)＊的大小則可以反映出、疫情發(fā)展受??到人為干猶的程度，該參數(shù)較小；表明該省防控政策力度較大、效果較好，群眾防范意識??較高，醫(yī)療資源較豐ｔ＆．摞點估計的時間先后，一方面與疫情開始發(fā)展的時間有關，此夕卜??連受遷入人數(shù)毚．、政府會揑力度等因素的影響。其中湖北、河＊、北袁、廣東的動態(tài)傳??播率＃?＝?３）擬合與拐點估計如圖７所示？??對數(shù)現(xiàn)存病例數(shù)??１２??２??０??１月１６日１月２３日１月３０日?２月６日?２月１３日２月２０日２月２７日???全國?全國（除湖北）??圖５全國及全國（；除湖北）的對數(shù)現(xiàn)存病例數(shù)變化曲線??全Ｎ?全Ｗ?（除湖北〉??〇°?＼?７￣??＾Ａ＾??＼?ｗ?＝?２．２３８９??＼ｏ?ｗ＝?１．９２４６??ｖ?＝?０．７６７４??＼?ｖ?＝?０．７８５４??°＜ｐ?Ｖ〇??；ｐ?＿??＼??＼??齒?ＣＮ??Ｔ－??￥ｋ??右?〇??－????拐點乏月ｉ９??拐點２月??ｍＣＮ．１?２??ｆ?）＃棄馨??

１月２９?２月０８?２月１８?２月２８??擬介的加權(quán)殘義ｎ＇：方（ｋ＝３＞??１月２９?２月０８?２月１８?２月２８??擬介的加權(quán)殘差平方（ｋ＝ｌ）??擬合的ＷＭＡＥ??擬合的ＷＭＳＥ??－－？一（次多項式??滑窗期??…？…指數(shù)通數(shù)??－補函數(shù)??１．８０Ｅ－０３??１．５０Ｅ－０３??１．２０Ｅ－０３??９．００Ｅ－０４??６．００Ｅ－０４??３．００Ｅ－０４??０．００Ｅ＋００??滑窗期??三次多項式…？？…指數(shù)函數(shù)??－冪函數(shù)??圖３全國（除湖北）動態(tài)傳播率擬合的ＷＭＡＥ和ＷＭＳＥ對比??所以綜合考慮后，我們最終選擇兩參數(shù)冪函數(shù)作為后續(xù)的動態(tài)傳播率擬合函數(shù)。相??比常用于刻畫傳染病發(fā)展早期的基本傳染數(shù)只。，基于冪函數(shù)擬合的動態(tài)傳播率模型更適??１月２９?２月０８?２月１８?２月２８?１月２９?２月０８?２月１８?２月２８??圖２不同滑窗期下全國（除湖北）動態(tài)傳播率的三種擬合曲線及加權(quán)殘差對比??－－三次多頂式??…？指數(shù)函數(shù)??——冪函數(shù)??＞??－－??／?Ｙ?、??擬介１丨丨１線（ｋ＝１）?擬介｜丨丨｜線（ｋ＝３）??擬介的加權(quán)殘差（ｋ＝１）?擬介的加權(quán)殘差（ｋ＝３）??３２?胡云鶴，劉艷云，吳凌霄，王杰，孔京，張一，戴或虹，楊周旺?２４卷??§．０丨??０ＣＮＩＩ??＾００－０．??ｃｓｌｏｏｏ００００??ｉ－０?００００??

【參考文獻】：
期刊論文
[1]一種數(shù)據(jù)驅(qū)動的動態(tài)新型流行病傳播率的提出及其在2019-nCoV疫情中的應用（英文）[J]. 黃鍔,喬方利.  Science Bulletin. 2020(06)
[2]感染人數(shù)期望值估計及新增確診人數(shù)趨勢預測的概率模型[J]. 丁志偉,劉艷云,孔京,張洪,張一,戴彧虹,楊周旺.  運籌學學報. 2020(01)



本文編號：3072571