疫情预测模型究竟准不准呢？钟南山院士予以点赞的兰州大学系统，曾精确预测香港疫情拐点，然而在论文投稿之际，被国外期刊拒之门外，原因是“预测得太过准确了，仿佛不像真实发生的”。
全球疫情预测系统诞生背景
在2020年5月份的时候，兰州大学西部生态安全协同中心正式面向外界发布了「全球COVID - 19疫情预测系统」，从而成为了世界上首个全球疫情预测的平台。这个系统可不是很简单地去做数据统计就行的，而是要把气象学、流行病学以及计算机模型联合起来，想要尝试回答一个关键的问题哦：疫情接下来到底会朝着怎样的方向发展？
由大气科学家黄建平教授牵头的研究团队，原本从事气候预测工作，却跨界开展起了流行病预测。2020年8月2日，相关研究成果于Science Bulletin正式发表，该论文对做此系统的原因予以解释，即疫情传播具备时空异质性，不同地区的气温、湿度以及防疫措施都会把控结果。
系统预测功能的三大板块
将官网页面打开，你能够看到三块核心的预测内容。其中第一块是对于全球每月情形的预测概况，它会按照月份去剖析各个地区疫情的蔓延状况，把未来一个月里新增病例数排在前10位的国家列举出来，这就如同给全球的疫情描绘出了一个重点。
第二块是针对新冠疫情突发状况的预测，专门聚焦于那些疫情出现突然变得严重情况的城市。在2020年8月2日，系统做出了香港本轮疫情有希望在8月底得到控制的预测，之后实际发生的情况的确与之相契合。第三块是二次爆发的预警，依据季节的变换、气温的波动以及大规模的聚集活动，预先判断哪些地方有可能面临疫情的反弹。
模型从SIR到SEIR的升级迭代
首个版本的系统所采用的是经典的SIR模型，该模型将人口划分成了易感者、感染者以及康复者这三类，并且假定总人口保持不变，同时还假设病毒仅仅通过人际之间进行传播。然而实际上疫情要繁杂得多，存在一些人接触过病毒但是却还没有发病，而且还能够悄然地进行传播。
所以，第二版被升级成了SEIR模型，它多出来了一个“暴露者”的类别，这个类别是专门用来处理潜伏期传播方面问题的。团队，还掺和进了社区解封时间、市民自我隔离等系列因素，以此使得预测能够更加贴近现实情况了？像这样的模型，在之前SARS研究当中也常常会用上的，算得上是传染病预测方面的标配工具！
气象数据和隔离措施如何融入预测
有着创新点的研究团队，是将天气预报的思路运用到疫情预测之上的情况。他们不但收集全球疫情数据，而且引入温度、湿度等气象因素，并且量化各地的隔离管控措施强度。
是这样进行具体操作的：将真实的感染数据输入到模型里头，然后再去叠加气象条件所产生的影响，最后呢把封城、戴口罩以及社交距离等干预措施也都转变成为能够进行计算的参数。如此这般，系统便能够模拟出不同政策之下疫情的变化曲线，从而给决策者提供参考依据。
被国外期刊拒稿的预测模型故事
钟南山院士于一次活动当中透露，其团队早前搞的预测模型向国外知名期刊投稿遭退回。那时国外专家预计中国2月初感染人数会达到16万，然而钟南山团队所构建的模型算出峰值大概在六七万上下，时间大概在2月中下旬。
审稿人认定这个预测过分乐观，有人居然凭借着利用微信发送消息宣称“你的话在几天之内便会遭受被碾得粉碎的命运”。而后发生的实际情况证实，中国确诊病例的确定格在八万多例这一旁落的数据点上。有专业领域内的人士展开分析探寻，钟南山所运用的或许是增添了干预举措的SIQS模型，该模型是在SEIR的基础架构之上着重强化了管控相关因素。
AI技术让疫情预测更精准
在2020年2月，钟南山团队于JTD期刊发表论文，此论文将LSTM神经网络运用到疫情预测里，而LSTM擅长处理时间序列数据，可捕捉感染人数的变化规律，除传统流行病模型外，机器学习也开始发挥作用。
那位名为Youyang Gu的美国数据科学家，其做法乃是更进一步，他所采取的行动是在SEIR模型的基础之上添加机器学习算法。后续一直在开展这样子的行为，即持续地将预测结果跟实际死亡人数去作对比。并且实施会促使模型参数自行调整的举动。正是通过这种所谓的“人机结合”方式，致使预测结果在程度方面变得越来越贴近准确的状态。同时还能够表明未来疫情预测将会是一个呈现多学科混战局面的领域。
你的所在城市的疫情预测数据，你可曾关注过？提前一周被发出的那些预警，那时你是选择去相信一番，还是觉得这是在小题大做？欢迎于评论区去分享你的亲身经历，要是觉得文章具备价值那就请点赞转发一下，好让更多的人去了解预测背后的科学。
