燕 杨, 郭皓钰, 魏宇航, 尤紫如, 肖志强, 黄文博

(1. 长春师范大学 计算机科学与技术学院, 长春 130032； 2. 吉林大学 白求恩第一临床医学院, 长春 130021； 3. 吉林大学 地球科学学院, 长春 130021)

目前, 新型冠状病毒(2019 coronavirus disease, COVID-19)正在世界范围内广泛传播. 因此, 准确检测COVID-19确诊病例及疑似病例的传播趋势, 制定切实可行的防控措施， 以减少COVID-19突然爆发导致的人员伤亡和经济损失至关重要[1]. 目前, 通过动力学算法对COVID-19疫情传播趋势进行研究和分析已有许多成果. 例如： 崔景安等[2]把新发传染病动力学算法应用于COVID-19检测, 并利用该算法与再生矩阵相结合, 计算得到了控制措施实施过程中的有效再生数或控制再生数； 王志心等[3]根据SEIR传播理论, 通过机器学习法预测了疫情拐点及确诊人数; Shen等[4]在现有流行病学资料和动力学算法的基础上, 检测了疫情的高峰时间和规模及指定日期感染人数； 魏永越等[5]通过构建SEIR(susceptible-exposed-infectious-removed)+CAQ(SEIR with infected components, asymptomatic infected, and quarantined)算法, 预测了疫情的终止时间及在防控措施不变前提下全国累计确诊病例数目； 康观龙等[6]也利用该算法对COVID-19形式进行了检测, 但由于未考虑到潜伏期也具有感染性, 所以仿真实验结果与实际公布数据有差距. 研究表明, COVID-19的潜伏期患者具有较强的传播能力, 而疫情传播动力学算法忽略了潜伏期患者导致的传播风险； 且当前检测方法中均未考虑防控措施与集中收治等因素对疫情的遏制作用. 因此, 本文针对COVID-19疫情的传播特点, 首先分析传统SEIR算法的优缺点, 然后对算法进行改……