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.     

扬州城新冠疫情清零防控模式的建模和分析

新冠德尔塔病毒通过境外输入在广州、南京、扬州等地区局部散发.在中国政府强有力的监管防控政策和全市人民的密切配合下,通过“追踪-检测-隔离”清零防控模式,找出“零号病人”,确定传染链,进行全员核酸检测精准筛查密切接触者,并及时采取不同等级的隔离措施,阻断传染链,多地小规模的聚集性疫情在近一个月内能够得以控制.本文以扬州市COVID-19疫情防控为研究对象,通过区分社区和集中隔离点的感染者,建立了具有隔离和大规模检测的传染病模型,研究当前清零模式成功的机制,并利用相关参数模拟了扬州的抗疫成功的过程.利用新模型,我们比较分析“躺平”模式,消极模式以及推迟当前清零政策等,研究了多种情形下的疫情发展趋势及其影响.     

一类具有时滞的两种新冠病毒并行传播的SIR模型研究

本文研究一类具有时滞的两种新冠病毒并行传播的SIR模型,首先证明其全局正解的存在唯一性,其次通过构建合适的Lyapunov函数得到新冠病毒和变异型新冠病毒灭绝和持久的充分条件,最后通过数值模拟验证相关结论.     

基于新增确诊数据和光滑算子对FUDAN-CCDC模型反演算法的改进

2019年12月,新型冠状病毒肺炎(Corona-Virus-Disease,COVID-19)的疫情被人们识别认知,全世界都开始重视这个疫情.截至2020年4月21日24时,全球已累计确诊2 568 603例.科学地预测疫情发展趋势对疫情防控至关重要.FUDAN-CCDC模型用于国内疫情的预测产生了很好的效果,但是在用于欧美国家的疫情分析预测时效果不是很理想.本文对FUDAN-CCDC模型的优化目标进行了改进,考虑了新增数据的拟合,并考虑了欧美疫情数据的周末现象,提出对数据进行光滑预处理.新加入的两种可能的反演优化目标的改变,会对零增时间有较大的影响.在此基础上进一步发展的算法,可以得到更好的拟合和预测效果.     

Verhulst模型、微分模型及时滞模型的建模与经济预测应用

经济预测中常常会遇到外生变量的确定问题，由于累积误差和传递误差的存在而很困难，因而需要其它方法，为此我们引入Ｖｅｒｈｕｌｓｔ模型来描述经济过程的动态特征，并用阶数不超过３的微分模型发展了这一思想以便描述，同时具有趋势变动和周期性扰动的数据结构，这是一种非常普遍的情形．然后我们证明了微分模型与时滞模型是等价的，而后者的参数估计极为简单．     

南京关联新冠肺炎疫情及外溢风险的网络模型分析

本文考虑目前国内实施的跟踪隔离和筛查措施,以及南京关联疫情外溢情况,基于全国和江苏省疫情报告数据以及百度人口迁徙数据,构建了考虑中国大陆31个省、自治区和直辖市的新冠肺炎传播复杂网络模型.旨在研究疫情发展趋势、防控措施的有效性以及突发性疫情外溢传播风险.首先基于确诊病例、跟踪隔离密切接触者以及外溢省份数量等数据拟合模型,估计了本次疫情的发展趋势和感染规模,探讨了常规防控和应急响应措施对疫情发展态势和防控效果的影响.其次重点研究了给定初始暴发区域时其余地区的外溢感染风险,给出了外溢高风险区域识别方法,以及高风险区域排序.通过与2020年武汉、北京和辽宁疫情外溢情况对比,验证了方法的可靠性,并以此发布各省份高风险输入预警,为后期的突发疫情防控以及外溢风险提供早期预警.     

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.     

基于三参数的新灰色Verhulst离散直接建模模型

首先,基于灰色Verhulst的直接建模模型,对原始数据进行倒数生成,利用离散思想和序列累减,构建了倒数序列与倒数的一次累减序列间的关系式,并利用最小二乘法求解三参数;其次,从新关系式出发,构建了基于相邻的原始序列的新灰色Verhulst的离散直接建模模型,将三参数值代入即可求解模拟预测值;通过实例计算,表明模型的可操作性和优越性.     

基于灰色动态模型的丽江旅游人数预测研究

介绍了累加数列的生成,以及GM(1,1)模型的建立.通过丽江市统计局获得从2005到2011年的旅游人数.以2005年至2011年的旅游人数为基础建立GM(1,1)模型,通过ma,tlab软件进行求解,可得丽江旅游人数的规律.通过分析模型的残差、相对误差、级比偏差,可以看出该模型的精度较高,可以用来预测2012年以及以后丽江每年的旅游人数.     

模糊随机时滞Lotka-Volterra模型的持久性和渐近性

给出模糊随机时滞Lotka-Volterra模型,通过Ito公式,在一定条件下研究模型(1.2)的随机持久性,利用指数鞅不等式进一步给出了解的渐近估计.最后,通过两个数值算例对主要结果进行验证.     

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.     

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R0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R0,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...     

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。     

The Impact of Multilateral Imported Cases of COVID-19 on the Epidemic Control in China

While the spread of COVID-19 in China is under control, the pandemic is developing rapidly around the world. Due to the normal migration of population, China is facing the high risk from imported cases. The potential specific medicine and vaccine are still in the process of clinical trials. Currently,controlling the impact of imported cases is the key to prevent new outbreak of COVID-19 in China. In this paper, we propose two impulsive systems to describe the impact of multilateral imported cases of COVID-19. Based on the published data, we simulate and analyze the epidemic trends under different control strategies. In particular, we compare four different scenarios and show the corresponding medical burden. The results can be useful in designing appropriate control strategy for imported cases in practice.     

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.     

利用故障数据和估计的检查数据建立维修优化模型

利用时间延迟概念,根据故障记录数据和估计的检查数据建立了预防维修模型.通过对故障记录数据统计分析,提出了模型的假定条件.采用最大似然估计法,估计参数,包括缺陷发生率、不完全检查概率和时间延迟分布.建立了有关预防维修间隔期和总停机时间之间关系的检查模型,并根据估计参数和检查模型,计算最佳维修间隔期.     

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...     

低维混沌时序非线性动力系统的预测方法及其应用研究

主要研究由低维混沌时序所确定的非线性动力系统的预测方法及其应用。在国外学者研究工作的基础上,应用一种非线性混沌模型在相空间内对时序进行重构工作,先通过改进的最小二乘方法来估计模型的参数,满足一定精度后,再采用最优化方法来估计模型的参数,并用所求得的混沌时序模型在其相空间内对时序的未来值进行预测。给出了非常有代表性的实例对文中模型和算法进行验证。结果发现采用该算法能较准确地求得模型的参数,在相空间中对混沌时序进行预测,将传统方法中的外推变成了相空间中的内插,及选取最佳的模型阶数等工作都能增加预测的准确程度,且混沌时序不可能进行长期的预测。