兰州大学西部生态安全省部共建协同创新中心利用跨学科研究优势，研发了世界上首个新冠肺炎疫情全球预测系统。自2020年5月系统上线运行以来，已经实现对全球190余个国家新增确诊病例的预测。

可进行全世界190多个国家的预测

“这个预测系统是世界上第一个全球预测系统，可以进行全世界190多个国家的预测，其中我们还创新性地把政府管控措施考虑进来。”兰州大学西部生态安全省部共建协同创新中心主任黄建平教授说。

新冠肺炎疫情全球预测系统会实时引入190多个国家的最新数据，综合考虑当地的温度、湿度、防控措施等，逐个建模，预测未来每日、每月、两个季度及突发疫情新增确诊病例，每10天更新一次预测数据，面向全世界免费开放。

该系统对北京新发地突发疫情的预测结果表明，自2020年6月11日开始的北京小规模疫情暴发实际累计确诊335人，预测累计确诊310人，预测数据比实际数据仅低了7.5%。除了6月24日开始的小高峰，疫情发展趋势与预测较为一致。

系统对国外疫情的预测也较接近实际情况。该系统2020年11月第二次更新的预测数据显示，美国12月份单月累计确诊病例预计达到678万左右，而实际新增确诊病例约为658万，预测数据比实际数据仅偏高3.04%。

黄建平介绍，该系统不仅可以做预测，还可以用于归因分析，例如病毒变异、洪水和抗议示威活动等因素对疫情的影响，为研判疫情态势、采取有效防控手段提供了科学依据。

引入统计-动力方法，提高预测准确度

“我们引入了天气预报的一些技巧，比如说，预报员做预报的时候总会根据天气前期的演变预测未来天气。”黄建平介绍，这个模式的最大特点就是把前期传播的演变过程考虑进来，形成了气候预测中的统计-动力方法与流行病学模型相结合的预测系统。

传统的流行病学模型中存在较多假设条件，然而疫情的发展受到各种不确定因素的影响，如管控措施、气象条件、病毒变异等，因此在进行实际应用时将不可避免地存在一定的误差。

黄建平说：“我们在传统的流行病学模型的基础之上，使用气候预测中的统计-动力方法对传统的流行病模型进行改良，利用实时更新的疫情数据，对流行病学模型中的重要参数如传染率、治愈率、死亡率等进行动态估计和修正，这大大提高了预测精度。”

“此外，我们围绕新冠肺炎疫情开展了多项科学研究，包括新冠肺炎传播的适宜温湿条件、季节特征、震荡特征，以及政府干预对于空气质量的影响，这些结果也同时纳入疫情预测系统中，用来改进模型。”黄建平介绍。

系统将持续优化，服务全球流行病学预测

系统最新的结果是对未来五年疫情发展趋势的预测，结果显示：如果在2021年1月全球70%的人注射疫苗，并且疫苗长期有效，到2025年全球疫情才能基本结束。

“疫情不可能很快结束，即便有了疫苗，疫情也会长时间存在，所以抗疫将是一个长期的任务，我们还需坚持下去。”黄建平表示，积极有效的隔离措施和及时普遍疫苗接种才是控制疫情的最佳方案。

“我们的系统已经推出了两版，第二版将社区解封时间及市民自我隔离对疫情发展的影响考虑进去，预测结果较第一版有了很大提升。”黄建平告诉记者，“目前，我们正在研发第三版预测系统，此版将会把各个口岸，飞机场每天进出的人数，以及飞机途经的国家、感染率等因素都添加到预测系统中，同时还将引入更多环境影响参数，如自然灾害等，从而进一步提高预报的准确率。”

据了解，新冠肺炎疫情全球预测系统还将持续更新优化，在未来的发展中，系统将不再局限于新冠肺炎疫情预测，而是朝着全球流行病学预测的方向发展。黄建平说，系统未来将发展成全球流行病学预测模型，服务于日常公共卫生，成为智慧城市的一部分。