新型冠状病毒肺炎(coronavirus disease 2019,COVID-19,简称新冠肺炎)在全球肆虐已长达一年半之久,原本已经得到稳定控制的疫情近期又呈现出二次暴发的趋势。截至2021年5月1日,新冠肺炎已经在印度、日本等多个国家二次暴发,新冠病毒的变异使疫情规模加速扩大,给社会经济发展造成巨大影响。近年来,传染病动力学研究进展迅速,大量数学模型被用于分析各种各样的传染病问题,以探索传染病一般传染规律

。因此,为了对新冠肺炎的传播规律进行研究,并对新冠肺炎传播趋势进行预测,可通过建立新冠肺炎传播数学模型,研究其传播趋势,分析不同群体的变化规律,探索抑制新冠肺炎传播的有效防控手段,这对于疫情治理具有重要的理论和实际意义。

在现有的传染病模型中,最具代表性的有SIR(susceptible-infected-recovered)、SIRS(sus-ceptible-infected-recovered-susceptible)、SEIR(susceptible-exposed-infected-recovered)等经典的传染病模型

。目前,针对新冠肺炎特点,也建立了相应的模型对其进行研究。在经典的SIR模型基础上,Jia等

运用动态扩展的SIR模型对意大利疫情进行分析和预测,估计出疫情持续时间。Cooper等

利用SIR模型对美国德克萨斯州的不同社区进行了研究,得出了采取适当的防控策略可以将社区疫情进行控制的结论。喻孜等

提出了时变参数的SIR模型,针对武汉的新冠肺炎进行了相关分析。Kudryashov等

采用SIR模型对较小疫情群体进行仿真分析,预测结果较好。Alenezi等

将SIR模型应用于科威特新冠肺炎疫情的分析预测,预测出该国的感染峰值。Lymperopoulos

将神经网络与SIR模型结合对新冠肺炎疫情进行评估,其预测效果良好。……