第34卷第2期2021年5月
Vol.34No.2
May2021青岛大学学报(自然科学版)
JOURNAL OF QINGDAO UNIVERSITY(Natural Science Edition)
文章编号：10061037(2021)02000108
doi：10.3969/j.issn.1006-1037.2021.05.01
基于改进的SEIR模型对新冠肺炎的
疫情预测及防控措施的评估
赵鑫，孙更新，赵月
(青岛大学数据科学与软件工程学院，青岛266071)
摘要：基于国家卫健委每日公布的湖北省新冠(COVID-19)疫情数据，结合实际的疫情传播
和防控流程，提出一种基于SEIR模型改进的传染病动力学CSEIR模型。在传统SEIR模
型的基础上增加了潜伏追踪入院和发病追踪入院的传播流程以刻画疫情发展趋势；通过引
入感染抑制因子描述感染率随时间的变化趋势，用于分析封城封村、居家隔离等抗疫措施的
有效性，同时根据湖北疫情的发展趋势，提出了分时段的模型创建策略。研究结果表明：
CSEIR模型更加有效的模拟了疫情发展的传播机理，模型预测结果与疫情发展的实际情况
相一致，感染抑制因子的变化和对潜伏追踪入院率和发病入院率的敏感性分析，表明了采取
居家隔离、减少人接触、患者追踪、集中收治等有关疫情防控措施的有效性。
关键词：新冠肺炎(COVID-19)；改进的CSEIR模型；感染抑制因子；疫情防控措施
中图分类号：R373.1,0119文献标志码:A
自从出现首次新型冠状肺炎病例报道［1］，新冠肺炎在各个国家相继出现并爆发，对各个国家和社会造成了不同程度的影响。为了应对新型冠状肺炎的爆发，各个国家都推行了不同的防控措施。中国采取延长假期、线上教学、在家办公、限制出行、居家隔离等措施。疫情防控中，中国的防疫措施取得显著
成效。但由于部分海外国家的疫情发展没有得到控制，关于输入性病例的报道还时常出现，中国应加强对海外输入人员和物资的检测防疫。新冠疫情发生后，科研人员基于疫情发展的相关数据和传播流程做了大量的研究工作23，通过数据分析和模型创建对疫情的发展和防治措施进行了预测和分析并提出了相应的建议⑷.喻孜等5提出了基于时变参数的SIR模型，利用时变参数对疫情发展进行了预测；耿辉等6通过在传统的SEIR 模型［78］的基础上加入潜伏期传染率、感染人变化率等新参数对疫情发展进行预测，评价新型冠状病毒(2019-nCo V)肺炎疫情中相关干预措施的作用；严阅等9在传统动力学模型的基础上引入时滞过程构建基于时滞动力学系统的传染病模型进行疫情的预测和防控措施的有效程度评价；白宁等［0］通过在SEIR模型中加入隔离易感者和隔离潜伏者建立了非自治的动力学模型预估疫情发展的趋势，提出对有效再生数的敏感性分析去强调追踪隔离在疫情防控中的有效性。本文在传统SEIR传染病动力学的模型的基础上，根据湖北省疫情发展中的传播流程和相关的防疫举措创建了CSEIR传染病动力学模型。考虑到潜伏期患者具有传染性［11］，在模型中新增了确诊入院仓室；由于没有确切完整的隔离者统计数据，为模拟实际疫情防控中对潜伏者和发病者的追踪隔离的防控机理，在CSEIR模型中增加了潜伏追踪入院和发病入院两条疫情发展机理，描述潜伏者、发病者被直接检测入院的过程。通过参数反演对后期的疫情发展趋势进行预测，对比实际的疫情发展数据，该模型对疫情有良好的预测能力，同时利用调控潜伏追踪率和发病追踪率分析患者追踪的有效性，肯定了患者追踪在疫情防控中的有效性。
收稿日期20201021
基金项目：教育部人文社会科学研究青年项目(批准号：15YJC860001)资助；山东省自然基金面上项目(批准号:ZR2017MG011)资助；山东省社会科学规划项目(批准号：17CHLJ16)资助.
通信作者：孙更新，男，博士，副教授，主要研究方向为大数据分析、数据挖掘、复杂网络研究。E-mail：*******************
2青岛大学学报（自然科学版）第34卷1模型的构建
CSEIR 模型中，潜伏人经历潜伏期后才出现症状成为发病人，且潜伏期也具有传染性；结合实际疫 情防治过程的具体情况，处于潜伏期的患者不需必须变成发病者后才能确诊入院，在医疗部门的追踪排查过 程中，潜伏患者经过核酸检测可以直接确诊入院；发病患者也不再需要经过一段时间才能检测入院，可以在 医疗部门的追踪排查中快速确诊入院；因此在传统模型的基础上创建的CSEIR 模型能更准确的描述疫情防 控发展过程中的影响因素。
在CSEIR 模型中把疫情发展中的相关人分为以下几类：
易感人（S ）：人中缺乏免疫能力的未患病人，与潜伏、发病人接触后会容易受到感染转化为潜 伏人；
潜伏人（E ）：人中被病毒感染处于潜伏期的未确诊入院人，能对易感人进行感染；
发病人（「）：人中被病毒感染已经发病的未确诊入院人，能对易感人进行感染；
确诊入院人（C ）：潜伏人或发病人通过医疗检测确诊入院隔离的人，此时不具有传染易感人 的能力；
治愈人（R ）：被入院隔离后治愈而具有免疫力的人，出院后不在具有传染能力；
死亡人（D ）：病情过重导致死亡的人；
设总人数为N ，共分为六个仓室，人之间的动力学模型如图1所示。
根据模型做出如下假设：（1）疫情期间实行封城
隔离措施，不考虑跨区域人员流动、人口出生和自然
死亡；2）潜伏患者和发病患者对易感人的感染率
0相同;（3）每个个体之间的接触机会均等，每个个
体都有被感染的可能性；4）所有的患病者都及时进
入医院得到，并且入院后不再具有感染性；（5）
感染者经过隔离治愈后具有免疫力不再转化为易感 图1 CSEIR 动力学传染病模型仓室传播流程图人；基于CSEIR 动力学模型和上述假设构造的微分方程组。
N  =S  + E  + 1+ C + R + D
d S  S （I  +E ）dt =—0 N d E  S (I  +E )N 一（k ）E .=aE  一 (zv  d)dt .=fcE  + (w  + 5) I  一 (u  + 入)C  d t d R  厂d t D  =C
d t
1)2)
3)
4)
5)
(6)
(7)其中0为感染率，单位时间内每个感染者能够感染的人数；为发病率，单位时间内潜伏人发病转变为发 病人的几率；为潜伏追踪入院率，潜伏人被追踪确诊入院的几率；•为发病确诊入院率，发病人被确 诊入院的几率；为发病追踪入院率，发病人被追踪确诊入院的几率;“为治愈率，入院人到治愈人的 转化率；为死亡率，确诊入院患者病情过重死亡的几率.
由于感染率是随着疫情防控措施和监控力度的增强不断变化的，本模型通过引入感染抑制因子用来描 述感染率的变化情况，
通过感染抑制因子的变化来反映随着防疫措施实施后感染者对易感人感染能力的
第2期赵鑫等：基于改进的SEIR模型对新冠肺炎的疫情预测及防控措施的评估3
变化情况
0=00e_"（8）其中,p是感染率0的抑制因子，用于表征防疫工作对疫情扩散的抑制效果；本实验将疫情数据集的第1条数据作为模型统计第1天数据，则表示从第1天开始后的第t天的数据;0表示感染率的初值，这里设实验数据的第1天的感染率作为感染率初值，艮据0的微分方程可推出感染率初值为
00=（S1~Si0）N31个省区市报告新增确诊病例
（E。+I0）S
根据式（9），化简，得
S=C e—（I（C为常数）当t=0时，可以得到C值等于S0，则式（10）化简为
,(E+I)
S=S o e_0n
对式（11）化简，得
c—N ln(S/S0)
0=(E+I)
将式（8）带入式（12），得
,00(E+I)
In-----------------------
—ln(S/S0)N
P=*
(9)
(10)
(11)
(12)
(13)
本次实验使用的是国家卫健委发布的湖北省新冠疫情数据，根据实际的疫情统计数据，湖北省的疑似病
例统计在1月27日才开始报道，而湖北省的重灾区武汉市的疑似病例统计在2月12日开始报道，造成统计时间差异的主要原因是疫情开始后由于医务人员、医疗资源严重短缺同时患者存量过大导致没有足够的人力物力对疑似病例展开追踪诊断措施，因此本模型将根据疫情发展的不同时期分为三个阶段。
（1）由于医务人员、医疗资源、未救治患者存量过大导致不足以对发病患者和潜伏患者进行全面排查救治，此时新冠肺炎的医疗救治主要是对去医院就诊的具有发病症状的患者进行诊断救治，潜伏追踪入院率K 和发病追踪入院率5都假设为0；
（2）部分地区疫情较轻，自全国医务人员和医疗资源的支援下，疫情得到了极大的缓解，该地区可以对疑似发病症状的人进行医疗排查检测工作，但部分疫情重灾区还没有足够的能力进行追踪排查工作。此时潜伏追踪入院率k仍假设为0，发病追踪入院率5此时不为0；
（3）所有地区疫情得到减缓，有足够的能力对潜伏和疑似患者进行全面的普查追踪工作，潜伏追踪入院率k和发病追踪入院率5都不为0
k=0,5=0；t1
,5}=<K=0,5M0；T<t：C T3（14）
k#0,5#0；t>t4
实验选取的数据为湖北省2020年1月22日至2月28日的疫情统计数据，总人数N来源于中华人民共和国国家统计局公布的2019年末湖北人口数据，共计为5927万人。数据中包含累计确诊人数、累计治愈人数、累计死亡人数、现有疑似人数，模型中使用的当日现存入院人数通过当日累计确诊人数减去当日累计治愈人数和当日累计死亡人数之和求出。
模型中需要获取得到易感人感染率和潜伏感染率［1213］，但是当日潜伏患者和当日发病患者由于没有详细的数据统计，这里通过迭代反推出。假设患者潜伏时间和发病时间分别为m天和"天，可以推出第t 天的发病人数约为时间区间t+”］天内的新增确诊人数
t+n
I t=E C t（15）
第t天的潜伏人数为时间区间［tt+m+n］天内的总确诊人数与第t 天发病人数的差
4青岛大学学报（自然科学版）第34卷
E t=S C-I（16）
t
2实验结果
将国家卫健委发布的湖北2020年1月22日到2月18日的疫情数据做为CSEIR动力学模型的输入数据，根据李兰娟院士领衔的“中国2019新型冠状病毒疾病的临床特征”研究论文提出潜伏中位数约为4天［14］，和文献［5］中提出的发病到入院时间约为7天，推算得出每日潜伏人数和每日发病人数。由此可以得到模型的初始值进进行参数拟合和模型预测。本次实验使用的系统环境为Windows10，基于Python3.7版本的spyder开发平台，通过Python语言进行模型的训练预测。训练数据选取2019年末统计的湖北人口总人数5927万人作为总人数；利用迭代反推可以得到模型的初始数据中潜伏人数约为4829人；发病人数约为1152人，入院人数为399人；累计治愈人数为28人；累计死亡人数为17人。在选取的湖北省1月份以来的新冠肺炎疫情数据集中，从图2可知，由于2月12日卫生部门采用了新的新冠肺炎诊断方法，将临床诊断方法加入到新冠检测判断中导致累积了前几日的临床诊断病例全部加入到当日统计数据中去，导致当日新增病例数暴增到13436人，数据的严重失真将会影响到实验数据的真实性。因此在模型创建之前需要对疫情数据进行修正以反映真实的疫情发展状况。
鉴于2月12日之前的数据增长较为平缓，假设
这段时间的疫情发展符合规律，按照之前的非临床
新增病例发展规律，对12号前的新增确诊患者数据
进行拟合，预测出12号当日新增非临床诊断病例约为2000人，当日报道新增临床病例约为11436人；对12号之前的数据进行取对拆分计算出每日新增
O
範Y
版
>
畐
60000
50000
40000
30000
20000
10000
天数
图2每日现存患病人数
的变化率，新冠感染者从发病到入院中位时间间隔
约为7天［5］，根据每日对应非临床诊断新增患者变
化率应用到前期临床诊断病例分摊计算中，将12日推算出的临床诊断患者分摊到前7天的病例数据中
N=x,}+s p+1）］
C=1i=1
（17）
X j=X（）n p i+1）（0<7<7）
i=1
其中，X j P i,N分别代表第j+1日的分摊临床诊断病例、第i+1日的新增变化率、需要分摊的临床诊断总病例数。
数据经过平摊处理之后，可以看到
图3中现存患者人数曲线趋于平滑，符合疫情发展的基本趋势。
随着疫情发展的变化，政府和医疗机构采取的措施也在不断地调整，本模型将疫情发展归为三个阶段，根据卫健委发布的疫情数据，可以将对疑似病例的处理过程作为每个阶段的分界点，由
緊
Y
奧
版
忡
畐
123456789101112131415161718192021222324252627282930
天数
图4可以看出模型可以将疫情发展分为图3疫情数据修正和实际数据的对比图
三个阶段带入模型。
发布的数据中显示湖北省有记录的疑似病例统计是从1月27日开始出现。此时可以看作湖北医疗机构此时的能力只能对发病入院的患者进行检测救治，没有足够的能力去对疑似病例进行有效追踪。设1月22日到1月26日为第一阶段；发病追踪入院率为0，潜伏入院率为0；湖北省的疑似病例统计从1月27日开
第2期赵鑫等：基于改进的SEIR 模型对新冠肺炎的疫情预测及防控措施的评估5始，而武汉市直到2月12日才有疑似病例的统计报告，假设1月27日到2月11日为第二阶段，此时医疗系统可以有效地对出现发病症状的患者进行追踪排查检测，但是对没有出现症状的疑似病例还没有足够的能力进行接触者的追踪隔离，该阶段设发病追踪入院率不为()，潜伏入院率为()。
2月12日武汉开始出现疑似病例 报道，预示着医疗防疫机构已经有足够
的防疫能力对潜伏接触人和发病人
进行追踪、检测确诊能力，将此时定义为
疫情防控的第三阶段，此时发病追踪入
院率不为()，潜伏入院率不为()。CSEIR
模型分阶段时段表见表1.将表1运用到模型中进行未知参数
反演.根据1月22日到2月18日的累 计确诊病例、累计治愈病例R ()、累计
死亡病例D ()，推算出每日现存病例C
()、潜伏病例E(t )、和发病病例1()带
入模型中参数反演，根据相应数据构建 如下损失函数1月22日-2月19日报道疑似病例■湖北省现有疑似人数■武汉市现有疑似人数
图4湖北省和武汉市疑似人数据表1 CSEIR 模型分阶段时段表
发病追踪入院率 潜伏入院率 时间段 天数0 0 1 月 22 B-1 月 26 日 50 1月27日2月11日 16
2月12日2月18日
7= Y  (C (J) -C t )2 + Y  (E (t) — E t )2 + Y  (I(t) - I t )2 + S (D (t) — D t )2 (18)
将各个阶段的实际数据带入损失函数式(18), 利用最小二乘法求解模型仿真数据与实际数据的最
小损失函数，得到相应参数的最优解.所得各个阶
段的参数估计值如表2所示；图5显示了分阶段模 型拟合的效果与真实数据吻合，有效的模拟了疫情
的前期发展情况.
通过得到的反演参数创建CSEIR 传染病动力 学模型，对2月18日以后的湖北疫情发展情况进行 预测.图6中改进的CSEIR 模型对疫情发展趋势
的预测与实际的疫情发展情况对比，2 0左右的疫情 预测与实际数据存在误差，由于2月12日“临床诊
断”病例人数的加入导致数据失真，模型预测患病人
数将在第50天左右当日现存患者人数将下降到
10 000以下;70天左右现存患病人数将会基本消
亡.图7显示模型的疫情预测数据和疫情实际数据
之间的拟合优度为0.997 6，拟合优度值接近于1,
显示改进的CSEIR 模型的疫情预测与实际的疫情
发展趋势较为吻合，表明模型预测具有较好的准确
性.
从1月24日湖北省启动重大突发公共卫生事表2相关参数拟合值
参数含义数值来源0感染率0. 336参数拟合a 发病率025文献[14]
K 潜伏追踪入院率00726参数拟合CU 发病确诊入院率0.143文献[5]3发病追踪入院率
0.0907参数拟合卩治愈率
0.198参数拟合X 死亡率0.016
参数拟合图5 CSEIR 模型分段式数据拟合效果图件I 级响应[6]，对13个城市采取封城抗疫之后，通过对感染抑制因子进行拟合求解，从图8中可以看出感 染抑制因子呈现不断上升并趋于稳定，表明随着居家隔离、封城隔离等疫情防治措施的实施大大降低了传染 源对易感人的接触概率，疫情蔓延得到了有效的控制，疫情发展处于衰退状态
.

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。