名古屋大学和理化研究所的一个研究小组已经开始使用一种新方法来预测新型冠状病毒感染 (COVID-19) 的感染情况，该方法使用类似于天气预报的机制将数学模型和测量数据最佳连接起来。利用每天获得的最新数据，可以高精度地预测病毒感染。
应用于该方法的技术是数据同化，这是天气预报的关键。通过将基于统计数学和动力系统理论的模拟（数学模型）和现实世界（实际测量数据）联系起来，它有助于提高预测精度，例如减轻实际测量数据中包含的噪声的影响。
对于实测数据，我们使用了每天获得的三个数据（（19）需要住院的人数，（XNUMX）出院或取消的人数，以及（XNUMX）死亡人数）。对于数学模型，我们根据COVID-XNUMX的特点，构建了一个“扩展SIR模型”，它是SIR模型的原始扩展，被称为典型的传染病数学模型。天气预报中使用的高级数据同化方法（Ensemble Kalman filter）被应用于这些并融合。
从上面的数据同化，我们首先估算了“有效繁殖数”，它表示一个感染者感染了多少人。有效再
虽然不能直接知道生产数量，但它作为感染蔓延的指标是有用的，当使用来自全国各地的数据估计过渡时，在发布紧急状态期间可以看到减少过去3次东京，可以确认感染抑制效果。
此外，我们还发布了与这些感染控制效果相对应的三个预测场景和感染控制效果为零时的预测场景中未来感染转变的预测结果。未来，预计将通过结合疫苗接种、人流和温度等因素，并以更精确的预测为目标，为预防感染蔓延和制定主动应对计划做出贡献。
