基于脉冲微分方程的COVID-19境外输入型病例对我国疫情防控影响的分析

我国针对新型冠状病毒肺炎(COVID-19)展开了联防联控工作,目前国内防疫形势已趋于明朗,但境外疫情处于上升阶段,"外防输入"成为我国下一阶段疫情防控的重点.本文通过对COVID-19传播动力学模型引入脉冲项来描述境外输入型病例对于我国目前疫情防控的影响.本文研究3种控制程度不同的入境防疫政策,数值模拟了输入型病例对于与韩国存在人口流动的我国各个省市疫情发展的影响及相应医疗资源需求.数值实验表明,对于输入型人口总量较少的地区,我国现有的防疫政策能够很好地控制疫情发展;对于来自疫区输入型人口较多的省市,边防口岸的有效筛查和必要隔离是防止由于输入型病例引起我国疫情二次暴发的重要手段.     

具有跟踪隔离措施的新冠肺炎传播模型分析及应用

报道于2019年12月底的新型冠状病毒肺炎(COVID-19)疫情, 由于2020年春运期间人口的大规模流动, 使得其迅速蔓延.自2020年1月23日起, 我国采取了各种措施使得疫情得到了有效的控制, 例如武汉封城、确诊病例的密切接触者跟踪隔离、湖北人员的居家隔离等.该文基于COVID-19在山西省的实际传播情况, 建立了具有输入病例和确诊病例密切接触者跟踪隔离的动力学模型.在不考虑输入病例的情况下, 分析了模型的动力学行为.利用山西省COVID-19病例数据, 计算了实时再生数, 发现山西省2020 年1月25日全省封村封街道有效控制了COVID-19疫情的传播, 即实时再生数小于1, 从宏观角度验证了防控措施的有效性.进一步通过模型的数值拟合得到: 早期染病者隔离14天的防控策略是合理有效的; 武汉封城时间越早, 染病者的规模越小; 跟踪隔离到大量确诊病例的接触者时, 染病者的规模越小.     

SIR类型新型冠状病毒肺炎多阶段最优控制模型

新型冠状病毒肺炎(COVID-19)疫情在全球范围传播,给人们的健康带来了严重的威胁。面对疫情发展预期数据,我们需要在有限医疗资源的情况下确定疫情传播参数,以指导主要防疫措施的实施力度。本文采用SIR类型的模型描述新冠肺炎疫情发展,并建立多阶段最优控制模型确定疫情传播参数。为了高效确定参数取值,我们建立多项式时间可计算的半定规划近似模型。基于世界卫生组织发布的数据,我们求解近似模型,得到描述给定时段内美国新冠肺炎疫情发展态势的疫情传播参数,并分析疫情防控策略。     

新冠疫情对我国信贷风险冲击的定量测算

文章建立了宏观经济传导模型和信贷风险传导模型,根据对GDP的估计,对新型冠状病毒感染肺炎疫情下的2020年全国和若干疫情严重省市的不良贷款率进行了定量测算.假设一季度内疫情得以控制,全年GDP增速下降至5.7%的情景下,预计全国年末不良贷款率约3%,不良贷款余额比2019年增加逾80%,接近2019年国内商业银行贷款损失准备金余额.如果疫情持续半年,全年GDP增速下降至5.45%的情景下,预计全国不良贷款率将达到3.37%,不良贷款余额比2019年增加逾100%,超过2019年国内商业银行贷款损失准备金余额.疫情带来巨大的潜在不良贷款增量,可能导致抗冲击能力较弱的银行出现重大信用风险.     

重大突发疫情下公众情绪演化模型与引导策略研究

重大突发疫情发生后,不同地区的公众在不同时期对风险认知不同,因此公众情绪类型及其变化呈现出不同的特点。现有研究多采用数据挖掘方式描述公众情绪的演化过程,并没有构建刻画公众情绪演化规律的数学模型,使得政府制定的疫情信息发布策略缺乏针对性,无法有效引导公众情绪。为此,本研究调查了新冠肺炎疫情下不同风险地区的公众情绪变化,发现公众对疫情的关注率很高,主流情绪表现为恐惧。通过等级比较法得到了不同风险地区公众在不同阶段的恐惧情绪水平,构建了公众恐惧情绪演化模型,并划分为潜伏期、爆发期和延续期三个时期。比较分析了公众恐惧情绪演化的共同特性和差异,为合理引导公众情绪提出信息发布策略,为落实防控措施、精准引导公众理性行为与避免出现极端情绪提供理论支撑,为重大疫情下情绪治理形成新的研究视角。     

Mathematical analysis of the dynamics of COVID-19 in Africa under the influence of asymptomatic cases and re-infection

Coronavirus pandemic (COVID-19) hit the world in December 2019, and only less than 5% of the 15 million cases were recorded in Africa. A major call for concern was the significant rise from 2% in May 2020 to 4.67% by the end of July 15, 2020. This drastic increase calls for quick intervention in the transmission and control strategy of COVID-19 in Africa. A mathematical model to theoretically investigate the consequence of ignoring asymptomatic cases on COVID-19 spread in Africa is proposed in this study. A qualitative analysis of the model is carried out with and without re-infection, and the reproduction number is obtained under re-infection. The results indicate that increasing case detection to detect asymptomatically infected individuals will be very effective in containing and reducing the burden of COVID-19 in Africa. In addition, the fact that it has not been confirmed whether a recovered individual can be re-infected or not, then enforcing a living condition where recovered individuals are not allowed to mix with the susceptible or exposed individuals will help in containing the spread of COVID-19.     

投资者情绪对科创板市场收益率的影响——基于文本数据挖掘视角

本文以科创板市场为主要研究对象,基于文本数据挖掘方法探究了新冠疫情发生前和疫情期间投资者情绪对市场收益率的影响及其作用机制。利用东方财富股吧2019年7月至2020年3月的日度科创板股票评论数据,基于Bi-LSTM深度学习技术对文本数据情感倾向进行分类,建立投资者情绪指数。通过构建双向固定效应的联立方程模型,采用2SLS方法估计投资者情绪对科创板市场收益率的作用,并检验在经济平稳运行和受新冠疫情冲击期间该作用的差异性。实证分析及稳健性检验的结果均表明,投资者情绪通过影响交易量进而影响科创板股票市场收益率,这种正向作用在1%的置信水平下显著。此外,投资者情绪对科创板收益率的影响在经济平稳运行和受新冠疫情冲击期间均保持稳健,且在新冠疫情期间作用更强。本研究成果对于新冠疫情期间我国证券市场监管层完善科创板交易机制,以及对中小投资者优化投资战略具有重要意义。     

面向COVID-19传播模式的多因素影响分析

目前,新型冠状病毒肺炎(COVID-19)的传播仍在持续,其传播模式以及影响传播行为的主要因素仍有待深入挖掘。鉴于此,本文从数据分析的角度,通过构造一个特殊的多源数据集(包括COVID-19历史数据、气象数据、人口迁徙数据和空间地理信息数据),以此建立多元Poisson.回归模型(类Poisson回归)来着重分析国内疫情的病毒传播模式及其影响因素。分析结果显示,湿度、平均每日风速、每日的降雨量等气象因素与COVID-19的传播模式显著相关,但与每日温度变化显著不相关。除此之外,COVID-19的传播速度及传播范围与武汉迁出目的地的人口比例、迁入武汉来源地的人口比例以及武汉与其他城市的空间距离均有一定的关联性。全文可视化及模型分析的R代码见:https://github.com/thwgithub/COVID-19 Rcodes.     

基于FTA方法的COVID-19疫情应急防控决策研究

鉴于新型冠状病毒肺炎(COVID-19)的易感染性与聚集性等特点,基于COVID-19的传播机制,应用故障树分析(FTA)方法,研究了具有不同特征的疫情突发事件风险决策问题,包括疫情突发事件的动态演化过程、多种情景以及应急方案对突发事件的影响。通过分析COVID-19疫情突发事件的演化过程,构建故障树来描述导致突发事件演变的条件与因素之间的逻辑关系,给出了不同的可行应急方案。利用FTA预估出疫情突发事件发生的概率,计算出可行应急方案的整体排序值,获得最优应急方案。最后通过一个COVID-19确诊患者的案例分析,验证了所提出的方法的可行性和有效性。     

基于时滞动力学模型对钻石公主号邮轮疫情的分析

2019年末以来,新型冠状病毒肺炎迅速蔓延的疫情引发了全球关注.文献[5-6]提出了一类时滞动力学系统的新冠肺炎传播模型用以描述疫情的发展趋势.文献[7]在此基础上,结合CCDC统计数据,提出了一类基于CCDC统计数据的随机时滞动力学模型.本文将使用以上两类模型研究分析"钻石公主号"邮轮的疫情发展.基于日本厚生劳动省公布的数据,本文准确反演出模型参数,进而有效模拟当前疫情的发展,并预测疫情未来的趋势,发现在疫情爆发初期基本再生数R0(t)较大,而后随着防控措施加强而逐渐减小;约在2月下旬,累计确诊人数增长速度放缓,在3月上旬,累计确诊人数趋于稳定,即无新增确诊人数,疫情得到有效控制;最终累计确诊人数对隔离率变化敏感,隔离率升高,最终累计确诊人数将有显著下降.针对传染率较高、隔离率较低的问题,本文建议日本政府进一步加强防控措施,抑制疫情的大规模爆发.     

基于灰色预测模型的广州港货运发展研究

新冠肺炎疫情对广州港的货运发展产生了一定程度的影响,但目前仍然缺少相关的定量研究.基于灰色预测模型,利用港口货物吞吐量、外贸货物吞吐量、集装箱吞吐量三个货运指标,在新冠肺炎疫情没发生的这一假设下,推测2020年1-8月广州港的各货运发展指标值.基于预测值与实际值的比较,定量研究广州港的货运发展受新冠肺炎的影响值,反映新冠肺炎疫情对广州港货运增长的影响程度.实证结果显示:新冠肺炎疫情给广州港货运增长带来的总体影响比较大,对港口货物吞吐量的影响程度为-4.08%,外贸货物的影响-6.33%,集装箱货物的影响-5.79%.为了进一步探索如何减弱新冠肺炎疫情对广州港货运发展的影响,引入了灰色关联度模型,对广州港货运发展的关联因素进行研究.通过广州港货运发展关联因素研究,提出在后疫情时代,促进广州港货运发展的相关举措.     

基于FUDAN-CCDC模型对新冠肺炎的建模和确诊人数的预测

科学地预测疫情发展趋势对疫情防控至关重要.在新时滞动力学模型(TDD-NCP)的基础上,提出基于随机动力学的时滞卷积模型和离散卷积模型,并基于中国疾病预防控制中心的相关研究结果及公开数据以及Wallinga和Lipsitch的工作,反演出COVID-19的重要参数,拟合了武汉及上海市疫情发展趋势.     

非线性组合动态传播率模型与我国COVID-19疫情分析和预测

针对传统的流行性传染病学中基本传染数$R_0$难以准确估计以及单一模型预测精度低的缺陷,利用组合动态传播率替换基本传染数$R_0$,提出基于支持向量回归的非线性时变传播率模型并对我国COVID-19疫情进行分析和预测。首先,计算动态传播率的离散值;其次,使用多项式函数、指数函数、双曲函数和幂函数分别对动态传播率的离散值进行拟合并基于最佳滑窗期$k=3$构建相应的预测模型;接着,基于拟合优度等评价指标选择最佳的三种单一模型并对其预测结果进行非线性组合;最后,利用非线性组合动态传播率模型对湖北、全国除湖北和全国COVID-19疫情进行分析和预测。实证结果表明提出的非线性组合动态传播率模型对不同地区COVID-19疫情数据的预测误差均相对较小;对重点省市COVID-19疫情的拐点预测切实合理;湖北、全国除湖北与全国自2020年2月27日起后20天疫情预测曲线的拟合优度分别为98.53%、98.06%和97.98%。     

新冠肺炎疫情条件下的企业复工复产优化规划方法

新冠病毒肺炎疫情对整个经济社会发展造成了很大冲击,如何在不放松疫情防控的前提下科学规划企业复工复产,这是地方政府面临的一个重要挑战。基于浙江省在统筹疫情防控和经济社会发展工作中的有关经验,本文建立了一个疫情条件下企业复工复产规划问题的整数规划模型,其目的是要在不违反疫情传播风险等约束下,从大批申请企业中选择一部分批准复工复产并安排优先顺序,以尽可能满足社会对相关产业产能的需求。为有效求解该问题,本文提出了一个改进的禁忌搜索算法,它使用贪心策略来构造一个初始解,并不断通过可变规模的邻域搜索来探寻更优的解,在多个地区企业复工复产规划问题实例上的计算结果验证了该算法的效率。     

人口迁入与新增确诊数的趋势关系及因果量化分析

目前,很多地区新冠肺炎疫情已得到缓解,复工、复产已被多地政府部门提上日程.2月10日前后,全国各地返城复工人数增多,2月14日开始,广东、河南等地新增病例数出现了明显反弹,人口跨地区迁徙使疫情防控更加困难.目前全国返工、返校需求还远未得到满足,需要通过数据分析,对"返城复工"的风险进行评估.通过观察数据可以发现人口迁徙与新增确诊病例数有很强的正相关性,因此由"格兰杰因果检验"确定了人口迁徙与新增确诊病例数有显著的因果关系.     

COVID-19 Epidemic Prediction Based on Deep Learning

In this paper, a multi-layer gated recurrent unit neural network (multi-head GRU) model is proposed to predict the confirmed cases of the new crown epidemic (COVID-19). We extract the time series relationship in the data, and the rolling prediction method is adopted to ensure the simple structure of the model and achieve higher precision and interpretability. The prediction results of this model are compared with the LSTM model, the Transformer model and the infectious disease model (SIR). The results show that the proposed model has higher prediction accuracy. The mean absolute error (MAE) of epidemic prediction in most countries (the United States, Brazil, India, the United Kingdom and Russia) is respectively 197.52, 68.02, 200.67, 24.78 and 123.50, which is much smaller than the prediction error of the SIR model, LSTM model and Transformer model. For the spread of the COVID-19 epidemic, traditional infectious disease models and machine learning models cannot achieve more accurate predictions. In this paper, we use a GRU model to predict the real-time spread of COVID-19, which has fewer parameters and reduces the risk of overfitting to train faster. Meanwhile, it can make up for the shortcoming of the transformer model to capture local features.     

Regional Prediction of COVID-19 in the United States Based on the Difference Equation Model

The novel coronavirus pneumonia 2019 (COVID-19) has swept the globe in just a few months with negative social and psychological consequences for public health. So far, the United States has been one of the countries most affected by the epidemic. In this study, 51 states in the United States are divided into 10 state clusters according to relevant factors, and a difference equation model with spatio-temporal dynamic characteristics is established to predict the transmission dynamics of COVID-19 in the 10 state clusters and obtain data on regional aggregation levels (the United States). The study showed that the Pearson Correlation Coefficient between the actual data and the predicted data in the 10 state clusters is between 0.6 and 0.96 (mean R$^{2}$=0.8448), and the mean absolute error (MAE) of the newly confirmed cases in each cluster is between 300 and 1650 (mean MAE=878) and the average forecasting error rate (AFER) of the total confirmed cases in each cluster is between 0.9$\%$ and 3$\%$ (mean AFER=1.57$\%$). These results show that the difference equation model can well predict the changes in the recent confirmed cases of infectious diseases such as COVID-19.     

Dynamic models for Coronavirus Disease 2019 and data analysis

In this letter, two time delay dynamic models, a Time Delay Dynamical–Novel Coronavirus Pneumonia (TDD-NCP) model and Fudan-Chinese Center for Disease Control and Prevention (CCDC) model, are introduced to track the data of Coronavirus Disease 2019 (COVID-19). The TDD-NCP model was developed recently by Chengąŕs group in Fudan and Shanghai University of Finance and Economics (SUFE). The TDD-NCP model introduced the time delay process into the differential equations to describe the latent period of the epidemic. The Fudan-CDCC model was established when Wenbin Chen suggested to determine the kernel functions in the TDD-NCP model by the public data from CDCC. By the public data of the cumulative confirmed cases in different regions in China and different countries, these models can clearly illustrate that the containment of the epidemic highly depends on early and effective isolations.     

疫情背景下微积分“课程思政”的教学探索与实践

结合当前的疫情,采用画龙点睛式、隐性渗透式等教学方式,多角度、全方位把“思政”元素融入到微积分教学之中,通过调查问卷评估了课程思政教学效果,为高校微积分课程的“课程思政”改革提供一种思路.     

突发事件下应急物资多目标优化调度模型与算法研究：以新冠肺炎疫情为例

突发事件下应急物资调度具有高度不确定性与动态性,应急物资跨区域调度计划能否科学合理制定对应急救援的有效开展具有重要影响。以武汉市新冠肺炎疫情为例,考虑应急物资跨区域调配的时效差异、地域分散以及资金消耗等要素,建立多周期下包含软硬需求时间窗约束的多物资品种、运输方式的跨区域三级动态物资调度网络模型,并设计一种带变异操作的动态变惯性权重自适应粒子群算法(VDCWPSO),利用疫情算例验证该算法的有效性和可行性。研究结果表明,在保障应急物资供应时效性、公平性、经济性原则下,物资跨区域调度可以缓解资源严重短缺状况、提高医用物资利用率,研究可为突发事件下应急物资调度计划的制定与动态调整提供决策支持。