“

新型肺炎疫情牽動著全國人民的心。截至 2020 年 2 月 1 日 22 時，全國新型肺炎病例已確診 11890 例，死亡 259 例，治愈 274 例。

不出意外的話，你看到這篇文章的時候，人數(shù)還會比這個要多一些。

00

聲明&目的

作為一名碼農(nóng)，我們用數(shù)據(jù)說話，下面為大家分析目前的新型冠狀病毒真的嚴(yán)重嗎？

聲明：

• 本文只是一個學(xué)術(shù)的研究，能夠獲取的數(shù)據(jù)維度非常單一且數(shù)據(jù)量也少，并無任何實際的價值和參考意義，請不要對號入座，請不要隨便斷章取義，歪曲本文。

• 本文的數(shù)據(jù)來自于 WHO，國家衛(wèi)檢委，騰訊新聞和澎湃新聞美數(shù)課。全部人工抄錄，如有錯誤之處，敬請指出。

• 本文寫于 1 月 26 日，當(dāng)時獲取到的信息非常有限，得出的結(jié)論可能會被后續(xù)更多的數(shù)據(jù)被推翻。再次聲明，所以本文僅是一個學(xué)術(shù)的探討，僅僅是一個思路，并無實際的價值和參考意義。

• 本人也是個菜雞程序員，可能會有數(shù)據(jù)錯誤，程序沒寫好，有 Bug 等，歡迎指正批評。一起探討學(xué)習(xí)。

目的：本文探討的主要目的是，有沒有一種算法可以根據(jù)已有的數(shù)據(jù)對疫情進(jìn)行預(yù)測和評估，可以方便在疫情出現(xiàn)的時候，根據(jù)預(yù)測的數(shù)據(jù)來判斷當(dāng)前的疫情狀況。

文章分為如下五個部分：

• 猜想
  

• 數(shù)據(jù)準(zhǔn)備

• 猜想驗證

• 新型冠狀病毒確診數(shù)據(jù)的預(yù)測和驗證

• 總結(jié)
  

PS : 心急的朋友可以直接拖到末尾看結(jié)論。

圖片來自丁香園

01

猜想

由于當(dāng)前新型冠狀病毒的數(shù)據(jù)并不多（從 11 號-26 號），所以僅僅是新型冠狀病毒的數(shù)據(jù)來做研究是不夠的，必須還要一組參考驗證組。（當(dāng)然是越多越好，但是精力有限，所以只找了一組）。?

首先明確一下判斷疫情的嚴(yán)重情況的指標(biāo)，目前疫情一般會公告這四個數(shù)據(jù)：

• 確診病例

• 疑似的病例

• 感染的地區(qū)

• 死亡的人數(shù)

由于我們把地區(qū)限定在了中國（雖然各個地區(qū)不一樣），所這個地區(qū)的指標(biāo)就不用了，死亡人數(shù)在疫情的前中后期都不太一樣，這個也不用。

疑似病例這個和各地的收診情況有關(guān)系，比如香港的疑似病例就非常多，確診很少，所以這個指標(biāo)也不采用，剩下就以確診病例作為唯一的參考指標(biāo)。

猜想 1：假設(shè)病毒的傳播和地區(qū)，氣候以及病毒自身的特征有非常大的關(guān)系。

那么只要找到一個和新型冠狀病毒這三個屬性非常相似的病毒，只要算法能夠?qū)@種病毒的確診病例進(jìn)行預(yù)估和判斷，那么算法也可以對新型冠狀病毒進(jìn)行預(yù)估和判斷。

2003 年 4 月 22 日 SRAS，圖源..不太清楚

目前和新型冠狀病毒最像的應(yīng)該就是 SARS：

• 氣候和現(xiàn)在差不多，都是 1 月開始，但是 SARS 在 3 月才擴(kuò)散。

• 地區(qū)主要是是中國。

• 病毒類型：都是冠狀病毒，都有發(fā)燒咳嗽等特征。

那么基于上述的條件，采用了 SARS 作為參考組。

猜想 2：可以給定一個?Δ。

①如果當(dāng)前確診的病例-預(yù)測的確診病例的比率>Δ，那么當(dāng)前的疫情變異了，進(jìn)一步擴(kuò)大影響的范圍。

②如果當(dāng)前確診的病例-預(yù)測的確診病例的比率<-Δ，那么當(dāng)前的疫情已經(jīng)基本被控制，已經(jīng)減弱了。

③如果-Δ<當(dāng)前確診的病例-預(yù)測的確診病例的比率<Δ，那么當(dāng)前的疫情還在平穩(wěn)的發(fā)展中，沒有進(jìn)一步變異。

02

數(shù)據(jù)的準(zhǔn)備

確診病例的數(shù)據(jù)：

• SARS 的數(shù)據(jù)來源于 www.who.int , 數(shù)據(jù)從 2003 年的 3 月 17 日-5 月 30 日 。?

• 新型冠狀病毒的數(shù)據(jù)來源于騰訊新聞和國家衛(wèi)生健康委員會 ?http://www.nhc.gov.cn ?數(shù)據(jù)從 2020 年的 1 月 15 日到 1 月 26 日。

如果可以拿到 SARS 在 1 月份的數(shù)據(jù)就好了，可惜沒有一個比較完整的地方有記錄，基本上衛(wèi)生部發(fā)布的好像是從四月份開始。于是只能采用四月份的數(shù)據(jù)了。?

評估的算法：采用了 LSTM（長短期記憶網(wǎng)絡(luò)），搭建的話 Keras。

LSTM 已經(jīng)是個老算法了，經(jīng)常用于量化投資(簡單點來說就是炒股之類，預(yù)測股票的增長)，非常擅長于時間序列的預(yù)測。

最終調(diào)教后的算法模型是，根據(jù)過去三天的數(shù)據(jù)，可以預(yù)估最新一天的數(shù)據(jù)。

LSTM

實驗的環(huán)境：數(shù)據(jù)量比較少，直接租了一臺 16 核 8G 的阿里云的主機(jī)進(jìn)行測試。

03

猜想驗證

猜想驗證部分直接全部使用 WHO 的 SARS 的數(shù)據(jù)進(jìn)行驗證。采用的字段是 Cumulative number of case(s)，累計病例數(shù)，我這里就當(dāng)它是確診人數(shù)了。?

SARS 的數(shù)據(jù)分別有兩部分，一部分是中國大陸的，一部分是中國香港的。在 5 月份后基本已經(jīng)趨于平緩，所以只取了前兩個月（約 60 天左右的數(shù)據(jù)）。

中國大陸確診人數(shù)變化曲線

中國香港確診人數(shù)變化曲線

可以看到數(shù)據(jù)涵蓋了病毒爆發(fā)期，病毒平穩(wěn)增長期，以及病毒被消滅期，比較合適用來驗證算法是否可以擬合整體的曲線。?

猜想 1：這里采用前 50 天的數(shù)據(jù)做訓(xùn)練樣本，訓(xùn)練的結(jié)果用來預(yù)測 60 天的情況。

預(yù)測和實際的對比如下：

中國大陸 SARS 確診人數(shù)變化曲線(預(yù)測和實際)

中國香港 SARS 確診人數(shù)變化曲線(預(yù)測和實際)

從圖中我們可以看到，在使用了 90% 的數(shù)據(jù)量下，數(shù)據(jù)是擬合的比較好的，肉眼看上去香港的數(shù)據(jù)基本可以用算法完全預(yù)估。

這里給一下數(shù)據(jù)誤差的對比情況：

• 誤差：|（實際值-預(yù)估值）/?實際值 |?

• 中國大陸：誤差的平均值?0.057， 誤差的均方差 0.060。

• 中國香港：誤差的平均值 0.053， 誤差的均方差 0.137。

說人話就是，模型預(yù)測的數(shù)據(jù)和實際的數(shù)據(jù)最多差了 6%。效果是非常理想的。這里我們可以證明第一個猜想，即 LSTM 可以用來擬合 SARS 確診人數(shù)的變化情況。

猜想 2：實際上雖然猜想一得到了證實，但是依舊沒啥用，因為這里的模型是使用了 90% 的數(shù)據(jù)，基本已經(jīng)到了傳播的后期。

那么前期是否可以使用同一個模型進(jìn)行驗證呢？?這里只取中國大陸的數(shù)據(jù)進(jìn)行試驗。

根據(jù)三個階段（這三個階段是肉眼判斷截取的，是否合理當(dāng)時沒有考慮）截取對應(yīng)的數(shù)據(jù)進(jìn)行建模，建模后的預(yù)測效果如下：

前期的數(shù)據(jù)建模人數(shù)變化曲線(預(yù)測和實際)

中期的數(shù)據(jù)建模人數(shù)變化曲線(預(yù)測和實際)

后期的數(shù)據(jù)建模人數(shù)變化曲線(預(yù)測和實際)

在前期的數(shù)據(jù)的預(yù)測中，到后面兩個階段實際的數(shù)據(jù)都比預(yù)測的數(shù)據(jù)比要大，說明在疫情開始了爆發(fā)。

在中期的數(shù)據(jù)的預(yù)測中，其他兩個階段預(yù)測的數(shù)據(jù)基本都比實際的數(shù)據(jù)要大，?說明在疫情在前期的感染速度較低，后期的感染速度也變低 。

根據(jù)上面兩個數(shù)據(jù)，是可以推測是存在一個?Δ?去判斷當(dāng)前的疫情狀況的。但是?Δ 究竟是多少呢？

這里倒是可以根據(jù)好幾個因素去設(shè)置：

• 斜率的改變

• 誤差的改變

• 轉(zhuǎn)折點的個數(shù)等

這里就偷懶了，可以明顯看到各個時期都有一個或者多個轉(zhuǎn)折點（消亡期不算）。

直接取最接近轉(zhuǎn)折點的誤差率來計算：

• 在爆發(fā)期里面，最靠近轉(zhuǎn)折點的誤差值是 0.21。

• 在控制期里面，最靠近轉(zhuǎn)折點的誤差值是 0.14 。

• 兩個取平均作為 Δ 的值，也就是?0.175 。?

04

新型冠狀病毒確診數(shù)據(jù)的預(yù)測和驗證?

新型冠狀病毒從 16 號至 26 號確診人數(shù)變化曲線

分別取前 6 天的數(shù)據(jù)（到 20 號），取前面 9 天的數(shù)據(jù)（到 25 號）的數(shù)據(jù)代入模型進(jìn)行預(yù)估：

到 20 號的數(shù)據(jù)模型確診人數(shù)變化曲線（預(yù)估和實際）

到 24 號的數(shù)據(jù)模型確診人數(shù)變化曲線（預(yù)估和實際）

為什么選 20 號呢，20 號主要是央視有采訪鐘南山大佬，而且第一次說明了人傳人的存在，以及 14 名醫(yī)護(hù)被感染。

我覺得應(yīng)該算是開始重視這個病毒的一個點，隨后各地開始上報疫情，發(fā)布以及響應(yīng)等。

再往前的時間點就數(shù)據(jù)就比較缺失了，模型精準(zhǔn)度已經(jīng)失去了使用的價值，所以采取了 20 號的這個時間點作為分隔來建造模型。?

如果以到 20 號的模型來估算的話，第一次誤差偏離 0.17 的時間是 23 號，誤差為 0.19。23 號，廣東，浙江啟動了一級響應(yīng)，確診的病人增多。

但個人感覺應(yīng)該是檢測的方法變強(qiáng)導(dǎo)致的，側(cè)面來看，模型的確檢測除了異常值，不過并不能夠說明病毒變強(qiáng)了。?

如果以到 24 號的模型來看，預(yù)估的 25 號的數(shù)據(jù)是 1877，實際的數(shù)據(jù) 1972，誤差率在 0.04，未到偏離值。

所以根據(jù)這個模型推斷，當(dāng)前疫情還在持續(xù)擴(kuò)散中，但是并沒有進(jìn)一步惡化，可能國家的高度重視和很多省份都開始參與其中有關(guān)系。?

依照當(dāng)前的模型，明天的確診人數(shù)的預(yù)估值是 2770，加上 0.17 的誤差的話：

• 如果實際的確診人數(shù)>3337，說明疫情加重。

• 如果實際的確診人數(shù)<2367，說明疫情正在被控制。

• 如果處于中間，那還是依舊在擴(kuò)散發(fā)展中，但并未惡化。
  

再次聲明：以上的觀點和結(jié)論都屬于依據(jù)當(dāng)前的確診人數(shù)所作的推斷，毫無參考的意義和價值。如果數(shù)據(jù)剛好對了，不能說明什么，如果數(shù)據(jù)錯了，證明這個模型真的不行。

那么，如果我們帶入 SARS 最嚴(yán)重的的時候，會怎么樣？?

還是按照誤差 0.17 來算，在 23 號，誤差達(dá)到了 0.18，也就是 3 天前，按照這個模型的數(shù)據(jù)推算，新型冠狀的病毒傳染性比 SARS 要強(qiáng)。?但很可能是和春運有關(guān)系，畢竟數(shù)據(jù)的時間不一致。?

再再次聲明：以上的觀點和結(jié)論都屬于依據(jù)當(dāng)前的確診人數(shù)所作的推斷，毫無參考的意義和價值。如果數(shù)據(jù)剛好對了，不能說明什么，如果數(shù)據(jù)錯了，證明這個模型真的不行

05

總結(jié)

寫這個的目的純粹是為了探討和研究，實際上，真的要寫一個這種疫情預(yù)測和評估的系統(tǒng)，需要非常多的參考的數(shù)值。

比如醫(yī)護(hù)人員的數(shù)量，檢測手法準(zhǔn)確率，時間，病毒的潛伏期等等，需要非常多的人力物力才可以編寫完成，像本文這種只靠單一維度的輸入去判斷和預(yù)估的模型和玩具沒什么區(qū)別。

但是在編寫的過程中也發(fā)現(xiàn)很多問題，例如政府之前的披露的數(shù)據(jù)真的非常少，疫情的相關(guān)數(shù)據(jù)還是多方尋找才找到一部分 。

希望在這次的疫情中保留比較詳細(xì)的數(shù)據(jù)：

• 例如支援的物品的統(tǒng)計，損耗和使用情況等

• 例如病人的數(shù)量對物品的需求等

• 例如疫情各個時期需要多少的物資統(tǒng)計等

這些都可以作為系統(tǒng)的的輸入，借助這些數(shù)據(jù)，打造一個強(qiáng)大完整的疫情監(jiān)控和評估系統(tǒng)，甚至不是疫情，而是重大事件的監(jiān)控和評估系統(tǒng)，待下次再出現(xiàn)疫情、災(zāi)情，可以快速的調(diào)度全國的資源進(jìn)行處理和援助。

最后，祝大家春節(jié)快樂，多注意個人衛(wèi)生，帶好口罩，不要放松警惕。

作者：wstart

出處：轉(zhuǎn)載自微信公眾號 wstart（ID：start_w）

有道無術(shù)，術(shù)可成；有術(shù)無道，止于術(shù)

歡迎大家關(guān)注Java之道公眾號

好文章，我在看??

新人創(chuàng)作打卡挑戰(zhàn)賽發(fā)博客就能抽獎！定制產(chǎn)品紅包拿不停！

總結(jié)

以上是生活随笔為你收集整理的用数据告诉你，新型冠状病毒传染性有多强？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。