基于SEIR模型的疫情预测与决策系统

王冰玉 乔兴琪 曹嘉辰 李卓宇

摘  要：利用传统的传染病模型，结合现有数据和决策理论，建立了一种预防COVID-19的智能预测与决策系统，对新冠疫情的现有数据信息进行研究和分析，并对其传播趋势进行预测。系统主要分为首页、新闻速览、SEIR模型、疫情地区现状、问题反馈5个部分。其中SEIR模型模块是利用传染病模型SEIR模型预测新冠感染的传播和发展趋势。经过合理的预测分析和信息科普可以对多变的突发性疫情进行更科学的决策，同时也为群众了解新冠疫情相关信息提供方便快捷的窗口和渠道。

关键词：SEIR模型；新冠感染；疫情预测；传染病

中图分类号：TP311          文献标识码：A    文章编号：2096-4706（2023）09-0141-05

Abstract： Using the traditional infectious disease model， combined with existing data and decision-making theory， an intelligent prediction and decision-making system for preventing of COVID-19 is established， and the existing data and information of COVID-19 infection are studied and analyzed， and its transmission trend is predicted. The system is mainly divided into five parts： homepage， news quick overview， SEIR model， current situation of epidemic areas， and problem feedback. Among them， the SEIR model module uses the infectious disease model SEIR model to predict the spread and development trend of COVID-19 infection. After reasonable predictive analysis and information popularization， we can make more scientific decisions on the changeable sudden epidemic， and also provide a convenient and fast window and channel for the public to understand the relevant information of the COVID-19 epidemic.

Keywords： SEIR model; COVID-19 infection; epidemic prediction; infectious disease

0  引  言

2019年年底，新冠疫情（COVID-19）开始在全球蔓延[1，2]，其传播途径[3]主要为直接传播、气溶胶传播和接触传播，传播速度快，严重威胁人类生命健康，对世界经济和社会稳定造成严重影响。中国政府很快做出了合理的抗击新冠疫情的有效措施[4]，如限制出行、居家隔离、建设方舱医院等。随后联防联控严格检疫、全民核酸检测以及科普预防新冠知识。其间，许多学者投身于新冠疫情的相关研究中，如季倩婷等[5]通过对现有COVID-19疫苗的研究，阐述了应对变异毒株时的策略；林俊锋等[6]提出隐形传播者这个概念，并对是否存在隐形传播者的SEIR模型进行拟合，演化出未来一段时间内各类人群数量的变化情况；范如国等[7]建立了具有延迟期的COVID-19疫情SEIR动态模型，通过设置病毒不同潜伏期的三种场景，对这三种场景的拐点进行预测；王建伟等[8]应用广义SEIR模型，对美国和中国的确诊进行预测，并利用系统动力学模型对参数进行敏感性分析。SEIR模型[9]是典型的传染病数学模型。该模型可被用于评估和分析疫情传播动态，这种模型对预测和控制持续进行的大流行传染病至关重要。

针对中国现阶段新冠疫情的现状，并利用考虑潜伏人群的SEIR模型配合算法[10]和程序语言，研发出可用的疫情预测与决策系统。该系统通过多样化的展示和可视化的工具，呈现全国各地新冠疫情未来的趋势和现阶段新疫情信息管理的情况。

1  系统设计的目的和原则

本系统利用SEIR模型根据现有新冠疫情数据对其发展和扩散趋势进行预测，旨在设计并实现一个集疫情相关信息展示系统和疫情趋势预测系统于一体的综合性平台[11]，辅助人民对新冠疫情的更全面地认识和了解。基于SEIR模型的疫情预测与决策系统的开发与设计原则如下：

1）面向受众人群的需求。本系统设计时以可视化展现和SEIR模型预测为重点输出，同时考虑到面向于群众和一些管理疫情的相关部门，所以系统的页面设计内容简洁明了，预测结果保证真实性和准确性，方便大众及时获取信息。

2）考虑到急性传染病的实時更新性。数据库是本系统的重要后备组成部分，类似新型冠状病毒的大型传染疾病，每天都会出现新增的病例和感染人群。根据这一特点，数据库需具备良好的可扩展性[12]，可以完成每日随时更新数据和最新预测信息的工作。

3）预测功能的普遍适用性。由于本系统是面向全国大众的，预测功能需要适用于大多数地区的疫情状况，保证最基本的普遍适用性[13]，不仅针对陕西省疫情的预测设计，同时也应考虑到其他省市的新冠疫情或者不同省市的类似传染病的预测设计。

2  系统结构设计和功能组成

2.1  结构设计

根据对新冠疫情的监测与评价分析需求以及结合群众访问的需求，系统划分为首页、新闻速览、SEIR、地区现状和问题反馈共5个功能模块，含7个子模块（其中地区新闻为我国目前现有疫情的前四个地区的新闻），基于SEIR模型的疫情预测与决策系统结构如图1所示。

2.2  功能组成

2.2.1  首页

首页体现了系统的整体分布和基础布局。页面中央是四则疫情相关的科普内容段落，分别从病毒特征、临床表现、传播方式和疫苗接种四个方面全面介绍新冠疫情的信息[14]，用户可以迅速且准确地获取和掌握新冠疫情的基本信息。首页如图2所示。

2.2.2  新闻速览

该模块由两部分构成，第一部分是当前疫情高发的城市新闻速览，第二部分是疫苗接种点的信息查询。

第一部分是新闻速览具有信息传播的功能，考虑到新闻的真实性和时效性，本系统直接链接到当地政府官方网页或者当地卫生健康委员会官方网站，为用户提供来自官方的准确数据与最新新闻，减少用户的搜索工作量。

第二部分是全国各地新冠疫苗接种的相关小程序APP一览，用户或当地居民可以根据表中的分布情况进行点对点形式的直接查询。随着新冠病毒的不断变异，疫苗的接种是非常有效且很有必要的防控措施。如图3所示。

2.2.3  SEIR模型

SEIR模型[15]模块中分为两个重要的功能模塊：SEIR模型介绍和疫情暴发地区预测。

SEIR模型介绍。COVID-19的传播过程是复杂且多变的，本系统采用经典的传染病模型[16]SEIR模型对其传播和发展的过程进行描述。在SEIR模型中，人群被分为了四种状态：易感人群S（t）、潜伏人群E（t）、感染人群I（t）、治愈人群R（t），总人数则为N=S（t）+E（t）+I（t）+R（t）。另外，使用SEIR模型时，应满足以下假设：

1）一个固定区域内的所有人均拥有同样的患病率和治愈率。

2）每个不同的固定区域内均处于封闭的互不影响的状态。

3）不考虑人口的出生与死亡、迁入与迁出，即参与模型研究的总人数不变。基于以上假设，从易感者逐渐成为感染者的转化率公式为：

其中，易感人群被感染的系数为β，感染者恢复痊愈的概率为γ，已经接触感染者的潜伏人群患病的系数为σ。

地区预测页面如图4所示，利用以上的模型理论为基础，运用算法及程序语言得出预测数据[17]，采用图表的形式展现。例如陕西省的疫情演化结果如图4所示。由图4可以看出，陕西省的感染人数在疫情初期呈上升趋势，一定时间后达到高峰，之后呈下降趋势直至消失为0。地区预测模块在数据预测的基础上添加了城市选择功能，用户可根据自身需求选择要查看的城市，系统会做出反馈呈现出相关页面。建立模型并有效预测可以使用户掌握更直观的预测信息，同时也为政府的疫情防控工作提供强有力的数据支持。

2.2.4  地区现状

该模块主要分为两个子页面：第一个页面为：全国各地现状；第二个页面为：全国风险地区查询。

1）全国各地现状：全国各地现状展示全国各省份的疫情。随着可视化技术[18]的发展成熟，该模块页面采用了以“新冠疫情实时追踪”为主题的大数据可视化屏幕来呈现。主体是热力地图为形式的“全国现有确诊图”，将疫情数值分成不同的区间，通过不同颜色反映在地图上。通过这个地图可以直观地掌握不同地区的疫情严重程度，用户可以对中国疫情有大致的了解。四周分别展示本土趋势图、现有确诊前五名的城市排行、现有疫情中高风险地区的城市以及通过网络热点话题生成的百度热搜词的词云。同时，该页面每日实时更新累计确诊、现有确诊、累计治愈、累计死亡四项详细数据，全方位地展示了新型冠状病毒疫情的相关信息和资讯，用户可以全面地掌握全国疫情有关的信息。如图5所示。

2）全国风险地区查询：目前，我国各地分为不同等级的疫情级别，疫情等级则是根据该地区出现的新冠感染患者的病例个数为划分标准，而该模块页面恰好提供了一个直接查询地区风险等级的链接，直接连接至中华人民共和国国家健康委员会的风险等级查询页面。

2.2.5  问题反馈

在系统中，信息的交互和传递是后台开发人员和用户沟通的重要桥梁，故系统设计采用留言板的形式面向用户，构成用户和搭建工作者的沟通渠道。用户可留下自己的建议，同时也可通过公告内容联系开发者。问题反馈页面图如图6所示。

3  系统的设计、实现及创新点

3.1  系统的设计

系统按照上述开发的需求和原则，在具体设计实现时，设置了5个主要模块和9个子功能模块。具体功能实现如图7所示。

本系统采用Python、JavaScript为主要开发语言，使用MySQL数据库存储和管理数据，并选用Navicat管理数据库和图形简化，系统搭建完成后用户可根据网址访问。当用户对系统界面发出访问请求时，浏览器会发送请求至系统服务器。服务器根据用户的请求获取相应的数据，获取数据后的服务器会返回相应页面。浏览器可通过渲染页面使得用户成功浏览界面。

本系统运行环境为：

1）系统平台：Google Chrome/Microsoft Edge。

2）开发软件：Visual Studio Code 和Pycharm。

3）创建数据库：MySQL数据库。

3.2  系统的创新点

1）系统涉及的信息全面，实用性高。系统根据用户的访问需求，充分了解新冠疫情对于市民的生活影响，考虑到市民访问系统页面的使用习惯和特点，将疫情的辨识、传播、分析、预测、防控等模块的信息分别阐述，综合各功能模块，增强系统的实用性。

2）疫情信息的可视化表达。系统将数据使用可视化的方式呈现，用户可以更直观地看到数据结果，提取有价值的数据信息。同时，将疫情相关的数据通过图形化的手段表达出来，既有利于信息的传达与沟通，也可以提高用户对数据信息的有效利用率。

3）疫情预测结果的积极意义。系统的疫情预测页面是系统的重要模块。一方面，预测本身是有科学的依据的，样本的范围越广泛，则预测的结果越准确；另一方面，预测对决策的影响是积极的，准确的预测结果，对于个人自我保护和国家疫情防控都是有重要意义的。

4  结  论

系統从SEIR模型的预测出发，首先通过简单的图像、多样的可视化展示，加以文字描述辅助，做到了预测成果的观赏性，其次在此基础上延伸出许多相关信息和功能，体现出系统的综合性和多功能性特点，通过疫情相关信息的传递和传播，增加群众对于新冠疫情的认识和了解。

系统从新冠疫情的知识科普、疫情接种点查询、疫情风险等级查询、疫情预测和疫情相关数据展示几个方面呈现，环环相扣，每个独立的模块都是完整又强关联的。在疫情数值型数据的支撑下，实现了疫情的预测和决策的可视化表现，为政府和国家做出科学合理的决策提供了数据支持。

SEIR模型是基于一定假设下进行的，考虑的有关因素偏少，存在一定的局限性，使得预测的结果具有单一性，无法实现更多样性的预测，未来在更多研究者的努力下，可以增加更多符合特性的参数或进行多阶段研究使模型更贴合疫情的发展，使得预测结果更加准确且多样。

系统是模型的载体，此疫情预测与决策系统可以承载不同的传染病模型和预测模型。系统是成果展现的平台，目的是展现更多优秀的传染病预测模型，不局限于SEIR模型和COVID-19疫情，方便用户掌握疫情相关的信息，帮助有关部门做出更加合理、科学、强有力的决策，这无疑是预测的重要意义所在。

疫情的防控是一个艰难且具有挑战性的过程，相信在中国更多优秀的研究者和学者的努力下，疫情分析和决策将越来越高效和精准。

参考文献：

[1] 陈兴志，田宝单，王代文，等.基于SEIR模型的COVID-19疫情防控效果评估和预测 [J].应用数学和力学，2021，42（2）：199-211.

[2].世卫组织命名新型冠状病毒引发的疾病：2019冠状病毒病 [EB/OL].[2022-10-28].http：//guoqing.china.com.cn/2020-02/12/content_75696681.htm.

[3] 毛青.依据传染病防控基本原则，精准预防新型冠状病毒感染 [J].陆军军医大学学报，2022，44（1）：28-33.

[4] 朱静媛，李庆波，丁记者，等.SARS-CoV、SARSL-CoV与其他冠状病毒的种系发生分析 [J].中华疾病控制杂志，2016，20（2）：107-111+128.

[5] 季倩婷，尚浩天，施泽灿，等.新型冠状病毒疫苗的研究策略及应对奥密克戎等变异株的挑战 [J].病毒学报，2022，38（4）：937-948.

[6] 林俊锋.基于引入隐形传播者的SEIR模型的COVID-19疫情分析和预测 [J].电子科技大学学报，2020，49（3）：375-382.

[7] 范如国，王奕博，罗明，等.基于SEIR的新冠肺炎传播模型及拐点预测分析 [J].电子科技大学学报，2020，49（3）：369-374.

[8] 王建伟，崔秩玮，潘潇雄，等.基于广义SEIR模型的新冠肺炎传播机制及干预效果仿真 [J].科技导报，2020，38（22）：130-138.

[9] Safi M A，Garba S M. Global Stability Analysis of SEIR Model with Holling type II Incidence function [EB/OL].[2022-10-29].https：//downloads.hindawi.com/journals/cmmm/2012/826052.pdf.

[10] 刘汉卿，康晓东，高万春，等.基于多模型的COVID-19传播研究 [J].计算机科学，2021，48（S1）：196-202.

[11] 郭卫云.基于SEIR模型的传染病预测与可视化系统实现 [D].邯郸：河北工程大学，2020.

[12] 魏海平，王家耀，郭建忠，等.非典型肺炎疫情管理与预警决策指挥系统的研究与设计 [J].测绘通报，2005（1）：57-60.

[13] 王铮，黎华群，陈建国，等.SARS疫情应急管理系统研究 [J].安全与环境学报，2005（3）：82-86.

[14] 曹盛力，冯沛华，时朋朋.修正SEIR传染病动力学模型应用于湖北省2019冠状病毒病（COVID-19）疫情预测和评估 [J].浙江大学学报：医学版，2020，49（2）：178-184.

[15] 须成杰，覃开舟.基于SEIR模型的新型冠状病毒肺炎疫情分析 [J].计算机应用与软件，2021，38（12）：87-90.

[16] 王金恺，张虎，贾鹏，等.城市级新冠肺炎（COVID-19）疫情预测和仿真模型 [J].计算机辅助设计与图形学学报，2022，34（8）：1302-1312.

[17] 白云，钱箴，孙玉莹，等.基于综合集成预测方法的新冠肺炎疫情预测 [J].系统工程理论与实践，2022，42（6）：1678-1693.

[18] 裴韬，王席，宋辞，等.COVID-19疫情时空分析与建模研究进展 [J].地球信息科学学报，2021，23（2）：188-210.

作者简介：王冰玉（2002—），女，汉族，陕西西安人，本科在读，研究方向：数据科学与大数据技术。