姚 艺,钱亚冠,陈晓霞,徐庆华,方科彬

(浙江科技学院 理学院,杭州 310023)

新型冠状病毒肺炎(以下简称新冠肺炎)发生以来,对疫情未来趋势的预测一直是学术界关注的热点。针对此次疫情不少研究者对其展开探讨。Zhao等[1]基于2020年1月10日至24日的公开数据进行指数增长趋势曲线拟合,由此判断新型冠状病毒早期传播能力接近或略高于SARS。倪顺江[2]把复杂网络理论和流行病学研究相结合,建立了传染病动力学模型,试验发现传染病感染人数初期时以指数形式增长。这些研究都认为新冠肺炎初期传播具有指数增长的特点,对判断新冠肺炎初期传播的规模和特点具有重要意义。但传统的曲线拟合完全是基于数据趋势来进行预测,无法考虑传染病的传播速度、传播模式及各种防控措施的实施等动态信息,预测效果在初期过后并不可靠。张琳[3]利用一般增长模型,分3个阶段拟合新冠肺炎确诊人数(初期,无障碍指数增长阶段;中期,次指数增长阶段;后期,次线性增长阶段)。而次指数增长方式的内在机制,主要有空间异质性、群聚感染及感染参数的时间异质性[4]等几方面解释。在SIR(susceptible-infective-removal)模型中,考虑空间异质性[5]、传染率的时变性[6]及异质混合模型[7],都能够呈现出次指数的增长方式。Yang等[8]运用长短期记忆(long-short-term-memory,LSTM)模型预测中国疫情将在2月底达到高峰,并通过机器学习算法展示若取消湖北省的交通封闭措施,将导致湖北省在3月中旬出现第二次高峰。

2020年3月17日,意大利新冠肺炎死亡人数超过武汉[9],成为疫情严重国家。……