经过建立统计学模子、数学模子，或使用机械进修、深度进修方式拟合疫情成长趋向，使用汗青数据对将来简直诊病例等疫情情势停止展望，好比说，逻辑斯蒂发展弧线拟合数据，展望将来几天大概的成长趋向；或利历时间序列模子建立展望模子；也可用Lremembering建立展望模子，一种特别的RNN收集。以上方式，除发展弧线外，其余模子，必须洪量数据做练习，就今朝环境看，数据量其实不大，纵然建立出模子，参照价钱其实不大，其实不与营业做融会，可是以数据分析数据。
又一个个建模思绪，也许从古板疾病传布模子（SIS、SIR、SEIR等），成立传抱病模子，联合这次冠状病毒的传布特征，使用现有的模范数估量出一个大要的参数，成立恰当的传抱病数学模子，能比较精确的预估疫情的成长趋向，固然这是一个比较冗长且专科的题目。今天，由钟南山院士团队研讨建立的「拥有饱和病发率（其诠释，所有传抱病都拥有饱和病发率，即不大概完整被覆灭） SIQS 传抱病模子」固然被外洋权势巨子期刊送还，但研讨功效仍是契合海内疫情成长趋向。
据无关学者先容，SIQS传抱病模子实际上是这样的在古板SEIR模子根底上，加之两个干涉干与身分，即国度的强力干涉干与和春节后的回程岑岭，别的，2020年2月28日，钟南山院士团队宣布了一篇名为《大众卫生干涉干与下COVID*9风行趋向的 SEIR和AI展望批改》，将2020年1月23日先后的生齿迁徙数据及最新的新冠肺炎风行病学数据调整到SEIR模子中天生风行弧线，同时，团队还使用野生智能手艺，以2003年SARS数据为根底停止练习，进而更好地展望新冠疫情。研讨团队还利用是非时间纪念模子，展望本月新增传染数随工夫的变革。对根本练习数据集的处置，研讨团队使用 2003年4⑹ 月SARS的病例统计，归入COVID*9风行病学参数。从钟南山院士团队的研讨功效来看，假定是一支纯手艺团队，是没法作出诠释性强、可托度高的展望模子，因而说数据建模不但是依托的是手艺对象，更多的是营业实践布景，模子不该当是严寒的手艺兑现，更应当是有温度、有内在的营业与手艺的融会。
因自己不具有传抱病、调理专科范畴相干常识，从非专科角度，测验考试使用Logistic发展弧线摹拟泰安地域累计确诊病例数目，并试着简明论述古板疾病传布模子-SEIR。
逻辑斯蒂弧线是由比利时数据学家初次察觉的特别弧线，厥后，生物学家皮尔(R．Pfruitl)和L·J·Reed按照这一实践研讨生齿增加法则，是以，逻辑斯蒂发展弧线也被称为发展弧线或珍宝德弧线。逻辑斯蒂发展弧线普通情势以下：
L,a,b均为未知参数，必须按照汗青数据停止估量。发展弧线在今生贸易、出产行业、生物迷信等方面有着十分普遍的利用。
咱们使用发展弧线日累计确诊病例数据，成立发展弧线模子。数据拟合以下图所示，蓝色部门显现简直诊病例观察值，橙色部门显现的是确诊病例展望值，并计较出3天简直诊展望病例数据（5月7日，5月8日，5月9日）。
停止本论文杀青工夫（5月9号），新冠确诊的现实人数是5559⑼5592一、56155（划分为5月7日、5月8日、5月9日的数据），而按照此模子展望这三天简直诊人数划分为5592⑹5617⑼56387，看来展望值与现实值根本分歧。
从上图展望值天生的弧线来看，发展弧线模子团体显现“S”型，按拍照关参照文件申明，发展弧线也许分为早期、中期和末期三个阶段：
在中期，跟着t的增加，y 的增加速率逐步增快，弧线显现急速回升的态势；当到达拐点(t，Y)后，因函数饱和水平的增加到达末期，跟着t的增加 y 的增加比较迟缓，增加速率趋近于0，弧线呈程度状成长。
在领会模子特性后，假定内部身分干涉干与事务成长，就会致使数据的俄然增加或削减，会感化模子的展望精度。是以，supplying增加模子可是对疾病停止预估，其实不克不及精确判定，也并非最好模子。固然也许经过模子优化，来进步展望精度，有的文件提议也许按照华罗庚提议的0.618选优法，对获得的模子停止优化（计较该模子是不是能获得展望值和丈量值最小残差平方和）。这边咱们就已不睁开，可今后期停止切磋进修。
查阅相干文件后，察觉常见的传抱病模子依照传抱病表率分为SI、SIR、Sbureau、SEIR 模子等，用于研讨传抱病的传布速率、空间规模、传布路子等题目，用来指点对传抱病的抗御和掌握。模子中触及S、E、I、R、r、β、γ、α参数：
S类：透露表现易感者 (Susceptible)，指未抱病者，但缺少免疫才能，与传染者打仗后轻易遭到传染；E类：透露表现表露者 (Exdisplay)，指打仗过传染者，但暂能干力沾染给其别人的人半岛入口官方网站，对暗藏期长的传抱病合用；I类：透露表现感病者 (Infectious)，指染上传抱病的人，也许传布给 S 类成员，将其变成 E 类或 I 类成员；R类：透露表现好者 (Recoveflushed)，指被断绝或因康复而拥有免疫力的人。如免疫期无限，R类成员也许从头变成 S 类。
r：传染患者（I）天天打仗的易感者数量；β：沾染系数，由疾病自己的传布才能，人群的防控才能决议；γ：还原系数，通常是病程的倒数，比如流感的病程5天的线；α：暗藏者的病发几率，通常是暗藏期的倒数。
咱们这边已不使用收集到的数据，摹拟疫情成长情势，一方面缘由是咱们其实不克不及较好的估量模子中触及到各个参数, 必须思索的的参数较多，另外一方面数据其实不克不及支持其模子推导，迥殊是疫情确当局干涉干与身分、社集会论身分，对疫情成长趋向都市发生必定的感化，应将相干的身分思索出来，因而这个题目绝对来讲是比力冗长的进程，咱们这边已不停止过量切磋。大师有乐趣的也许去搜索相干文件原料，停止深切研讨进修。
