编程语言菜鸟用Python进行预测疫情什么时候才能结束？

什么时候能去武大看樱花?什么时候才能再去重庆吃麻辣火锅?什么时候才能再去海南冲浪?什么时候才能再去大理看风花雪月?2020年的春节显得格外漫长，一切的计划似乎都被突如其来的新冠肺炎疫情给打断了。

究竟什么时候生活才能恢复正常?本文将试图用python对疫情的趋势做个预测，待疫情结束之时，一起去武汉看樱花，一起去春熙路看小姐姐可好。

1.准备工作

编程环境：anaconda下Spyder。

数据来源：整理自国家卫生健康委员会官网。

需要安装的依赖库有：scipy。scipy是一个用于数学、科学等领域的开源科学计算库，其建立在Numpy之上，可用于处理积分、优化、常微分方程数值解的求解、信号处理等问题。本文主要用于函数拟合。

2.算法流程

1).理论解释

如何预测新冠肺炎的累计确诊人数，目前常用的方法有基于SIR的传染病模型，以及基于Logistic方程的方法等。SIR模型实现起来相对较复杂，本文将基于一个更简单的模型——利用Logistic方程进行预测。

Logistic方程可用于描述，物种增长模型，当一个物种迁入到一个新生态系统中后，若该物种在非理想生态系统(存在天敌，食物、空间等资源紧缺等)中存在生存阻力，则物种数量大致呈现S型增长。开始产生一个缓慢的增长期，慢慢的呈现指数型爆发，后期随着环境阻力的变化，逐渐趋于稳定。

用函数可以表示为：

参数的含义如下：

：表示随着时间的变化，环境中物种的数量。

：表示环境中物种能达到的极限值。

：表示环境开始时期，物种的数量。

：表示增长速率，在图形中展现的就是曲线的陡峭程度，越大，物种数量越快逼近N值。

：表示时间。

2).程序实现

程序中，首先定义待拟合函数，然后获取“累计确诊”人数数据，并利用curve_fit()函数进行参数拟合，得出需要拟合的参数。最后将拟合曲线和实际确诊人数在同一图中显示，直观观测出模型效果。

通过将1月20日至2月8日的数据进行Logistic方程拟合，在2月9-11日三天预测数据和实际数据较为吻合。但在2月12日，官方的数据突然激增，这让我们的模型失效。

在重新调整训练数据，我们选择将1月20日至2月26日的数据作为训练数据，2月27-28日数据作为对照数据，可得到新的拟合曲线，预测值和实际值都相对较为吻合。

结论：

(1)利用Logistic方程进行预测的数据统计口径很关键，统计标准一致，可以让整个拟合曲线更为平滑。

(2)通过预测曲线预计累计确诊人数将在3月上旬达到最大值(预计为8万余人)，之后疫情将逐渐趋于稳定。

休息了那么久，在疫情即将结束之际，也希望大家新的一年里，不要被疫情耽误，尽快进入工作。山花烂漫之时，一起去旅行。

编程语言往往使程序员能够比使用机器语言更准确地表达他们所想表达的目的。对那些从事计算机科学的人来说，懂得程序设计语言是十分重要的，因为在当今所有的计算都需要程序设计语言才能完成。