本文应用了传统时间序列模型、LSTM模型、多项式模型等来对武汉新型冠状病毒的传播人数做了模型拟合和预测，并且结合其它相关研究对未来的防疫策略提出了建议。
一、研究背景
2019年12月，中国武汉出现了一种新型冠状病毒，并且在极短的时间内爆发，传染性极强。虽然目前死亡率不高，但如果不加以抑制，对整个社会的影响会很大。病毒传播速度快，又恰逢中国传统春节、春运高峰等时间点增加人流量，基本没有过往经验可供借鉴。在本文中，作者决定使用多种模型来拟合和分析病毒的传播，并对未来的传播抑制做出预测和建议。由于发表的数据量较少，本文的研究数据量并不大，研究过程也相对较短。研究成果更多的是给其他学者提供一些思路和建议，也愿意将已有的数据分享给其他学者。
本文的结构如下：第二章将利用传统的时间序列模型对拟合并进行预测，然后利用LSTM模型进一步预测确诊病例数；在第三章中，将使用线性和多项式拟合来预测下一次感染趋势。第四章介绍了更多的相关研究，并对本次武汉新型冠状病毒传播做了一些相关预测和免疫策略建议。
二、时间序列分析
2.1 传统时间序列模型
2.1.1 模型建立的准备工作
鉴于之前有学者用传统的时间序列模型来拟合SARS病毒的传播过程，我们也决定用传统的时间序列模型来拟合。先导入全国感染人数的时间序列，做一个初步的可视化：
(所有数据均来自丁香园实时公布的数据)
我们知道这个数列有上升的趋势，而ARIMA模型是在平稳数列的条件下建立的，所以我们必须对这个数列进行区别对待。而总感染人数的一阶差就是每个时间点的新增感染人数。时序图如下：
我们知道每个时间点的新感染人数一定是非负的，所以一定不是平稳序列。我们进行白噪声测试来验证这个猜想：
for(I in 1:4)print(box . test(dif，type=' l jung-box '，lag=6 * i)) # #白噪声测试box-l jung测试数据3360 difx平方=1.6747，df=6，P值=0.9471X平方=3.366，df=12，P值=0.9924X平方=7.738，df=18，P值=0.9823X平方所以这个时间序列是白噪声的假设是不能被拒绝的，这个序列中没有可以挖掘的信息，所以必须做出第二个区别。 二次差分后的图像如下：
如果没有很强的数学实力，那么如何通过已知的数据来分析数据呢？
点击查看我的下一篇文章。
