介绍几篇新冠肺炎预测的国内外文章

一、 国内文章

1. 传统模型

1.1 基于SIR模型的新冠肺炎疫情传播预测分析_张艳霞

   文章在传统的SIR模型（即未感染者-感染者-治愈者）上，针对新冠肺炎致死率较高的特点，新增一项死亡者。模型假设如下：

   模型通过微分方程建立，首先是$\Delta t$内新增的病人人数：

   第一项描述的是$t$时刻感染者传播给的未感染者，解释为感染者总人数在日接触率下所接触到的未感染者人数，成为$t$时刻感染者传播给的未感染者（因此要乘以$s(t)$）；第二项描述的是$t$时刻治愈的感染者；第三项描述的是$t$时刻死亡的感染者。

   对上式消去N，除以$\Delta t$并取极限可以得到如下的极限方程：

   可以据此分析各比例变量随时间的变化规律

   当然，这篇文章最大的亮点是，根据极限方程写出y关于s的函数，对函数求导并求驻点，确定了以下的规律，首先，驻点是：$s=\frac{\mu +m}{\lambda }$
   规律是：

  根据$s_0$的取值，可以确定新冠肺炎的扩散状况，这是因为s在极限方程中体现为一个单调递减的趋势，所以当$s_0$取小于驻点时，后续值均会小于驻点，由此$y(t)$随$s(t)$的减少而减少，意味着治愈比例在增多，这种情况新冠肺炎就控制住了。

  根据驻点，我们可以分析如何控制新冠疫情，即：

  当然，除了分析以上内容外，根据极限方程和龙格库塔法，当确定了初始值和几个常数后，我们就可以对新冠疫情变化趋势进行仿真预测了

三、建模思路

  在我们的问题中，面临的是一个非封闭的动态问题，即一个区域的人口不是固定的，有流入与流出，具体形式如下图所示：

  现在的思路是，这两个量不作为建模的变量，而是去控制每个时刻S和E的初始值。输入的人口和输出的人口均包括S和E的可能，但它们的比例受到：控制力度（即是否要求出示48小时核酸证明）影响而变化