什么時候能去武大看櫻花?什么時候才能再去重慶吃麻辣火鍋?什么時候才能再去海南沖浪?什么時候才能再去大理看風花雪月?2020年的春節顯得格外漫長，一切的計劃似乎都被突如其來的新冠肺炎疫情給打斷了。

[[317628]]

究竟什么時候生活才能恢復正常?本文將試圖用python對疫情的趨勢做個預測，待疫情結束之時，一起去武漢看櫻花，一起去春熙路看小姐姐可好。

1.準備工作

編程環境：anaconda下Spyder。

數據來源：整理自國家衛生健康委員會官網。

需要安裝的依賴庫有：scipy。scipy是一個用于數學、科學等領域的開源科學計算庫，其建立在Numpy之上，可用于處理積分、優化、常微分方程數值解的求解、信號處理等問題。本文主要用于函數擬合。

2.算法流程

1).理論解釋

如何預測新冠肺炎的累計確診人數，目前常用的方法有基于SIR的傳染病模型，以及基于Logistic方程的方法等。SIR模型實現起來相對較復雜，本文將基于一個更簡單的模型——利用Logistic方程進行預測。

Logistic方程可用于描述，物種增長模型，當一個物種遷入到一個新生態系統中后，若該物種在非理想生態系統(存在天敵，食物、空間等資源緊缺等)中存在生存阻力，則物種數量大致呈現S型增長。開始產生一個緩慢的增長期，慢慢的呈現指數型爆發，后期隨著環境阻力的變化，逐漸趨于穩定。

用函數可以表示為：

參數的含義如下：

：表示隨著時間的變化，環境中物種的數量。

：表示環境中物種能達到的極限值。

：表示環境開始時期，物種的數量。

：表示增長速率，在圖形中展現的就是曲線的陡峭程度，越大，物種數量越快逼近N值。

：表示時間。

2).程序實現

程序中，首先定義待擬合函數，然后獲取“累計確診”人數數據，并利用curve_fit()函數進行參數擬合，得出需要擬合的參數。最后將擬合曲線和實際確診人數在同一圖中顯示，直觀觀測出模型效果。

通過將1月20日至2月8日的數據進行Logistic方程擬合，在2月9-11日三天預測數據和實際數據較為吻合。但在2月12日，官方的數據突然激增，這讓我們的模型失效。

在重新調整訓練數據，我們選擇將1月20日至2月26日的數據作為訓練數據，2月27-28日數據作為對照數據，可得到新的擬合曲線，預測值和實際值都相對較為吻合。

結論：

(1)利用Logistic方程進行預測的數據統計口徑很關鍵，統計標準一致，可以讓整個擬合曲線更為平滑。

(2)通過預測曲線預計累計確診人數將在3月上旬達到最大值(預計為8萬余人)，之后疫情將逐漸趨于穩定。

休息了那么久，在疫情即將結束之際，也希望大家新的一年里，不要被疫情耽誤，盡快進入工作。山花爛漫之時，一起去旅行。