一、文献综述
（一）国内外研究现状
2020年初,一场突如其来的疫情彻底打破了人们迎接春节的喜悦和回家过年的愿望。所有人不得不待在原地隔离,急速增长的病例数和“人传人”的证实让所有人陷入恐慌和无助中,人们仿佛经历了第二次“非典”。但幸运的是,同2003年非典疫情相比,我们的基础设施建设更加完善,信息获取的途径更加多样化,医疗水平位居世界前列。随着新冠疫情的防控发展，越来越多的跨界研究人员投入到了新冠疫情防控的研究中来，这些研究成果对于民生，经济，医疗等方面产生了重大的影响。
在国内的研究当中，贵州科学院建立了基于大数据的新冠肺炎疫情研判预测系统。本研究应用Logistic回归建立了疫情感染人数预测模型,利用确诊病例数的变化趋势作为预测的依据,以输入贵州病例数比例相近的七个省份首次出现两位数确认病例的时间节点为模型拟合的起始点,分别运用多项式、指数、幂等方法对此前病例数进行线性和非线性拟合,应用最小二乘法,寻找最优解,根据拟合优度及疑似病例数选择次优拟合优度的拟合模型进行预测未来五日确诊病例数,实现贵州省确诊病例数发展趋势预测,分析疾病发生规律。在详细展示以往数据，及时更新最新数据，展示抗疫建议措施的同时，通过使用合适的模型来拟合疫情数据得到未来的预测[5]。
国外研究者罗德里格斯·图里奥和海伦·屋大维提供了一种用蒙特卡罗方法描述2019(新冠肺炎)冠状病毒病(新冠肺炎)死亡和感染的指数增长、饱和和衰变的现象学方法。计算将感染者每天的Gompertz 型试验分布与死亡分布联系起来，采用两个伽马分布来解释包括潜伏期和症状发作到死亡期的经过时间。通过绘制x^2值，将Gompertz函数拟合到每天每周平均确诊死亡数的数据。通过传播计算模型参数的不确定性、方差和协方差，同时考虑到每个流行病学周数据的标准误差。美国和印度每日平均死亡的拟合函数有上升趋势，前者具有较高的增长率和相当大的不确定性。对墨西哥、英国和俄罗斯来说，这种趋势与向下倾斜的模式是一致的。该方法提供了一个有效的小参数框架，可以根据大流行的实际死亡数据来估计感染曲线的线状和相关参数的不确定性。
- 研究主要成果
相较于贵州大数据的新冠肺炎疫情研判预测系统，兰州大学西部生态安全省部共建协同创新中心对外发布的“全球COVID-19疫情预测系统”是世界上第一个全球疫情预测系统。较之传统的流行病学分析，该系统引入大气科学、地学等学科的研究方法。该研究的前期成果表明，环境温度和大气中NO2含量是预测新冠肺炎疫情发展的两个重要指标。新冠肺炎疫情传播的最佳温度是5℃～15℃，全球60%新冠肺炎确诊病例出现在气温5℃～15℃环境中，春夏疫情会从中低纬度向高纬度传播，秋季中纬度国家面临二次爆发危险。同时，卫星观测的NO2含量能有效反映各国政府防控和限制措施的实施效果。大气中NO2含量反映了汽车尾气和工业排放情况，当NO2显著减少时，说明交通量大量放缓，人际交流显著减少，疫情防控效果较明显。他们经过对180多个国家分别建模，经反复测试，最终形成了“全球COVID-19疫情预测系统”。通过兰州大学对于2020年北京新发地疫情的预测，以及今年吉林、河北、黑龙江等地的预测发现基本和后来的疫情发展一致。
在国外，很多国家都对新冠肺炎疫情的防控做出了重要的贡献。Facebook已经开始与哈佛大学和台湾国立清华大学支持的公共卫生学院合作。经过他们的研究成果实现，他们根据匿名数据监测人口流动，并确定人口密度最大的地方。这使预测病毒将如何传播变得更加容易。日本互联网医疗企业“AGREE”在其开发的手机应用软件“LEBER”上，开放了新型冠状病毒免费咨询功能，使用者可就疼痛和发热等自身症状进行咨询，可收到在该应用上注册的100名以上医生的应对方法与建议。
（三）发展趋势
随着众多疫情咨询网站，小程序的开通，网络平台已经成了大众获取疫情信息的主要平台。但随着疫情的情况的变化，大众的关注点逐渐发生变化，从开始的国内严峻国外松懈到国外情况日趋复杂，疫苗接种如火如荼的展开等，大众急需的信息的种类也发生了变化。
随着疫情的开始。国内大部分地方通过传统的手段去防控检测，这不仅需要大量的人力物力，同时也暴露出了疫情防控的弱势。疫情期间的信息有很多，这使得人们收集信息的时候会受到外界干扰，并且媒体的舆论放大效应有时会让大众难以精准的把握信息并且对这些信息进行客观分析。在传统的方式下，感染轨迹追踪效率低﹑增大线下传播风险等弊端都会加重工作人员的负担。尤其是在疫情完全暴发的春运高峰期,大规模的人员流动给人员排查和精准监测带来了极大困难。传统的监测手段无法实现迅速响应﹑实时预警﹑快速排查和精准溯源,若想实现这些,必须借助人工智能和大数据的技术手段。人工智能可以抵抗各种信息的干扰，从海量数据中查找规律，提高决策者的判断力。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
