钟南山院士团队所拥有的预测模型，曾经被国际上顶级的期刊给拒之门外，然而兰州大学所开发的全球疫情预测系统，竟获得了他的公开肯定，这背后存在着一场围绕科学预测准确性展开的无声较量。
疫情预测为何这么难
新冠疫情首次出现开始爆发的最初阶段，各个国家的科学家们都在努力尝试着去构建预测模型。在2020年2月的时候，国外有着权威性质的模型预测中国感染人数将会达到16万，钟南山团队依据中国自己的实际情况预测大约是六七万，然而这个结果却被国外的期刊给退回来了。甚至有同行发送微信说“你的话在几天之内就会被碾压得粉碎”。
经过事实验证，钟南山所做出的预测，与实际情况更为贴近。而造成这种差异存在的关键核心之处就是，针对疫情进行预测的时候，不能够仅仅单纯依靠传统的数学模型，除此之外，务必要将政府实施的干预举措、公众所表现出来的行为、气象方面的条件等诸多复杂的因素纳入考量范围之内。在面对这些变量的情况下，传统模型明显显得能力欠缺，心有余而力不足。
兰大系统的独特之处
2020年5月，兰州大学西部生态安全协同中心正式发布全球首个COVID - 19疫情预测系统，该系统有其特殊之处，它将气象因素纳入考量，它还将防控措施纳入考量，研究团队认为，疫情在不同地区存在传播差异，这种传播差异很可能与当地气温有关，还很可能与当地湿度有关，且很可能与政府管控力度有关。
针对全球190多个国家新增病例进行预测的这套系统，其第一版采用了SIR模型，该模型假设总人口保持不变，且病毒仅仅通过人际进行传播，第二版则升级成为更为复杂的SEIR模型，此模型增加了社区解封时间以及市民自我隔离等相关因素。
模型背后的数学逻辑
从数学的视角来看，兰州大学所应用的是经典的传染病模型SIR，其基本的思路乃是将人群划分成易感者、感染者以及康复者这三类。此套数学模型自身并非复杂，困难之处在于怎样使其拥有实际的预测价值。
重点是数据质量与变量选择，钟南山团队于二零二零年二月发表的研究里，加入了人口迁移数据以及LSTM神经网络模型，运用人工智能方法辅助预测，研究团队把全球真实疫情数据、气象数据、量化后的隔离措施皆输入模型。
预测准确率到底如何
在2020年8月的时候，兰大系统曾经做出预测，香港本轮疫情有希望在当月月底获得控制，后来证实这一判断基本上是准确的。该系统每个月还会将全球新增病例数排在前10位的国家罗列出来，以此给各国防疫提供参考依据。
这套该被说到的系统，在近期公开活动里，钟南山评价这个时讲，他们之中那些预测的模型相当可靠，来自一线专家的这个肯定，表明兰大系统在实战当中确实经过了检验。
预测模型的实际价值
构建疫情预测系统并非是为能够精准预言往后之事，而是给决策予以依据。要是模型表明某地疫情快要出现反弹情形，当地政府就能预先强化防控举措、进行医疗资源的调配行动。2020年2月，钟南山团队所做的预测使得有关部门对复工延迟等干预措施的重要意义予以重视。
有着这么一个重要特点被现代流行病学所拥有，那便是借助实时数据持续修正模型。在道理的层面来讲，只要能够及时地把最新疫情数据予以输入，那么模型的可靠性能够持续得到提升。
预测技术的未来方向
疫情预测正向着多技术相互融合此方向前行发展，Youyang Gu所开发的模型是在EIR模型的前提基础之上添加融入了机器学习算法，借助持续不断地比较预测死亡人数和实际死亡人数进而调整参数，以此来让预测变得更加精准。
2020 年由钟南山团队发表的论文，同样采用了 SEIR 模型以及 LSTM 神经网络。而 LSTM 特长是对时间序列问题予以处理，它能够有效地化解传统神经网络所存在的梯度弥散问题，格外适用于对新增感染数的变化趋势作出预测。
把最后一个问题留给你，要是下次疫情再度来临，你是更倾向于相信依据经典传染病模型做出的预言判断，还是更愿意信赖基于人工智能深度学习所给出的预言判断呢？欢迎于评论区分享你内心的看法观点，赶忙点个赞从而促使更多人参与进来一同讨论一番。
