百城战“疫”业务篇¹⁰丨复工潮抗“疫”进行时 360推出疫情走势预测模型

360社区

复工潮来临后，返籍人员，外来务工人员，跨省通勤人员等在市内各区县流动，将影响疫情的控制，因此各个区县的分化治理需要更细致的数据分析和趋势研判。为解决这一难题，360政企公安事业部联合城市安全集团产品研发团队，在72小时内推出城区流动人员疫情管控趋势研判模型。该模型以各地实际情况为基础，通过机器学习、病毒传播动力学、时间序列分析、非线性数值逼近等方法对疫情未来两天的发展情况进行精准预测。其结果与实际数据相对比，误差低于0.5%。目前已由公安行业内向各市及区县推广应用。

三大模型科学预测未来疫情走势

360城区流动人员疫情管控趋势研判模型，是以海外旅行及撤侨人员中检出的病例比率为基础，通过统计模型回溯处置信度较高的初始感染人数。进而运用传染病动力学SEIR模型和数值拟合等方法，分析疫情的未来走势。同时，结合数据统计和参数搜索，给出优化的模型参数。最终，利用机器学习集成学习思想，为人们提供确诊病例的最优预测。

据了解，统计模型是根据早期武汉飞往海外的人数，估算出2019-nCov 感染病例流向海外的概率。进而回溯海外检出的病例数，就可以最大程度评估出武汉疫情的初期规模。

SEIR是传染病动力学模型中使用最为广泛的模型，它将传染病流行范围内的人群分为四类：易感人群（Susceptible），潜伏人群（Enfective），隔离（确诊）人群（Infective）和移除人群（Removed）。以微分方程的形式刻画这四个变量相互影响的关系，就能得到一个简单的动力系统。

360社区

图1：SEIR传染病模型

360社区

图2：SEIR模型中，处在不同状态的人数随时间变化曲线

数值拟合模型采用数值拟合的方式对感染人数进行预测，常用的有Logistic增长模型，类gamma分布等。

360社区

图3： Logistic增长模型感染人数随时间变化曲线

精准度高 助力企业安全复工复产

此次360城区流动人员疫情管控趋势研判模型，在研发后的第一时间，就应用到了实践中。在为期两天的拟合预测中，该模型取得了全国除湖北外疫情确诊人数预测误差低于0.5%的成绩。以下两图分别是某市及其下辖区的确诊病例预测曲线，预测曲线与实际相比误差较小。

360社区

图4：某市新冠病毒肺炎确诊病例预测曲线

360社区

图5：某市下辖区新冠病毒肺炎确诊病例预测曲线

从图中还可看出，市和所辖地区的预测曲线仍有一定差异。现如今大部分模型只能预测省及直辖市的情况，而360城区流动人员疫情管控趋势研判模型则能触达各个地级市，预测结果更加准确。

专家指出

预测模型对疫情防控具有一定的指导意义。一方面，预测能帮助政府了解疫情到达峰时间和最终报告病人数，对未来一段时间需要多少病房、多少医务人员以及医疗物资如何分配等问题的解决提供重要的参考价值。另一方面，它为政府提供了专业化的分析研判支撑，帮助政府指导企业科学复工复产，进而实现经济的平稳运行。

自武汉疫情爆发后，360集团不仅在第一时间为灾区送去医疗物资，还在董事长兼CEO周鸿祎的带领下举办了“百城战疫”公益活动。未来360集团还将努力推出更多优质的产品，助力我国早日战胜疫情，共迎美好的明天。

来源：360企业安全

任何预测模型都需要实践证明

这个模型应该有实用意义

关注      

大家好。好数据