摘要:目的 由于传染病的不断复杂化,一类传播过程中出现大量隐性感染人群的疾病逐渐流行,提出一种基于 SEIR 模型改进后的 SEIR-A 模型来更加准确地刻画该类疾病的传播机制。 方法 在动力学模型方面,主要有以下两 点改进:一是假设潜伏期人群和显性感染人群具有一致的传染因子;二是引入具有不同传染性的隐性感染人群 A, 且增添隐性感染者向显性感染者单向转换的常值因子 ω,构建一类具有特殊隐性感染人群的 SEIR-A 模型。 此外, 将改进后的 SEIR-A 模型与时间卷积网络 TCN 模型线性结合,得到一种动力学模型和深度学习模型相互融合的混 合模型。 结果 通过真实数据的拟合,结果表明:SEIR-A 模型可以模拟传染病的总体趋势,且能够对该疾病中现存 隐性感染人群和累计恢复人群做出准确拟合,决定系数 R2 分别达到 0. 987 0 和 0. 989 9,证明该模型合理;SEIR-A 与 TCN 的混合模型可以实现对复杂现存显性感染人群的拟合,相较于单一的 SEIR-A 模型、TCN 和 LSTM 模型,该 混合模型的决定系数 R2 达到了 0. 961 1,取得了 5 种对比模型中最优的拟合精度。 结论 传统动力学和深度学习的 结合,可以在体现疾病传播机理的同时有效解决传统模型拟合精度不高的问题,对传染病研究具有现实意义。