摘要：筛选出对病情发展有重要影响的因素，对新增确诊人数和新增死亡人数做出预测。通过随机森林的特征重要性筛选出对疫情发展影响最大的因素，使用LSTM（Long Short Term Memory Network）建立预测模型。机场的繁忙程度对确诊人数影响最大，人口密度与死亡人数的关联性最大。美国地区的人口密度和机场交通情况对感染人数影响较大，从而影响年龄在80岁以上老人的死亡率，但分析结果显示美国疫情发展已基本趋于稳中下降的态势。

关键词：COVID-19;影响因素;LSTM;感染数;死亡数

中图分类号：R318;TP183    文献标识码：A    文章编号：2096-4706（2021）07-0091-04

Disease Prediction and Influencing Factors Analysis of COVID-19

Based on LSTM Model

HU Haiwen

（School of Mathematics and Physics，Lanzhou Jiaotong University，Lanzhou  730070，China）

Abstract：To screen out the factors that have an important impact on the development of the disease，and to predict the number of new confirmed cases and new deaths. Based on the importance of random forest characteristics，the most influential factors were screened out，and the LSTM（Long Short Term Memory Network）was used to establish the prediction model. The business of the airport has the greatest impact on the number of confirmed cases，and the population density has the greatest correlation with the number of deaths. The population density and airport traffic conditions in the United States have a great impact on the number of infected people，thus affecting the mortality of the elderly over 80 years old. However，the analysis results show that the development of the epidemic situation in the United States has basically tended to a steady decline.

Keywords：COVID-19;influencing factor;LSTM;number of infections;number of deaths

收稿日期：2021-03-11

基金项目：国家自然科学基金（61863022）

0  引  言

2019年底暴发的新冠肺炎疫情（COVID-19）给全世界的醫疗健康、经济发展带来了巨大影响。由于早期对病毒（SARS-CoV2）缺乏相应的认知，未能做到及时采取有力的应对措施，导致全球的感染人数急速增长。随着对病毒了解程度的加深，各国政府先后采取各种非药物干预（non-pharmaceutical interventions，NPIs）措施，例如公共场所佩戴口罩、保持社交距离、对外来人员实行集中管控及隔离等措施，在很大程度上抑制了病毒的传播，使得疫情得到有效的控制。但由于超级传播者和无症状感染者的存在，使该地区的感染人数在短期内会迅速增加，这在一定程度上加大了疫情防控的难度。据世界卫生组织公布的数据，截至2021年4月29日，全球新冠确诊病例达到149 197 928例，死亡病例为3 146 119例。需要注意的是，当传播概率一定时，即使疫苗注射普及率很高，但疫苗的有效性较低，仍会有极大可能发生感染大爆发，光靠疫苗注射控制疫情的效果可能不如采取严格的非药物干预措施[1]。……