疫情趋势及政策关联研判模型.docx

城市疫情趋势及管控政策关联性模型

传染病预测与政策关联模型通过深度挖掘传染病的发病规律，辅以SIR、SEIR等传染病动力学模型理论支持，将真实世界影响因子与传染病的爆发、传播事件关联拟合，以期实现传染病的及时预警、影响范围准确预估和防控政策有效性。

传染病预测与政策关联模型，支持常态化防疫政策下未来疫情发展的趋势预测、可以通过调控政策变量观测对已有疫情潜在的影响，同时，还可以针常态化管控场景下的新发、突发传染病场景，模拟和预测输入型传染病造成的影响。

疫情政策关联模型总体应用场景

在疫情期间能够对新发疫情以及聚集性疫情等做出动态预测，为疫情防控社会资源调度的科学评估奠定了基础，支持城市部门依据当前风险进行政策优选，制定更有针对性的风险管理计划。同时为动态地规划医疗和公共管理资源，相互协同，以相对经济的方式达到精准防控的效果提供依据。

模型架构

本项目将采集疫情、政策、人口、经济等数据，将数据进行治理，生成模型训练的基础数据库，通过文献调研及机器学习，选取影响疫情的特征因子，对特征进行量化归一，在利用机器学习算法进行模型训练，生成传播动力学SEIR模型的参数，然后再通过SEIR模型进行疫情的预测。本项目结构如下：

数据模型构建

本项目支持制定训练模型所需要的数据模型标准，考虑因素需要包括疫情病例数据，如发病时间、确诊时间；传播链，包括接触时间，接触方式，发病时间，上一代传播者等；政策