疫情什么时候结束？菜鸟用Python预测什么时候可以去武大看樱花？什么时候可以去重庆吃麻辣烫？什么时候可以去海南冲浪？什么时候可以去大理看风花雪月？，一切计划似乎都被突如其来的新冠肺炎疫情打断了。生活什么时候才能恢复正常？本文将尝试使用python来预测疫情的趋势。等疫情过去了，去武汉看樱花，去春熙路看小姐姐也不错。一、准备工作编程环境：anaconda下的Spyder。数据来源：整理自国家卫健委官网。需要安装的依赖库有：scipy。Scipy是一个面向数学、科学等领域的开源科学计算库。它建立在Numpy之上，可用于处理积分、优化、常微分方程的数值求解、信号处理等问题。本文主要用于函数拟合。2.算法过程1).关于如何预测COVID-19确诊病例累计数的理论解释。目前常用的方法有基于SIR的传染病模型和基于Logistic方程的方法。SIR模型实现起来相对复杂，本文将基于一个更简单的模型——使用Logistic方程进行预测。Logistic方程可以用来描述物种生长模型。当一个物种迁移到一个新的生态系统中时，如果该物种在非理想的生态系统中具有生存抵抗力（有天敌，食物、空间等资源稀缺等），则该物种的数量大致呈现一个S形生长。开始是一个缓慢的生长期，慢慢呈现指数级的爆发，后期随着环境阻力的变化逐渐趋于稳定。该函数可以表示为：参数含义如下：：表示环境中的物种数量随时间的变化。：表示物种在环境中所能达到的极限值。:表示环境开始时的物种数量。：表示增长率。该图显示了曲线的陡度。值越大，物种数越快接近N值。：表示时间。2).在程序实现程序中，首先定义要拟合的函数，然后获取“累计诊断”号数据，使用curve_fit()函数进行参数拟合，得到需要拟合的参数。最后将拟合曲线与实际确诊病例数同图展示，直观观察模型效果。通过对1月20日至2月8日的数据进行Logistic方程拟合，2月9日至11日这三天的预测数据与实际数据更加吻合。但在2月12日，官方数据突然飙升，使我们的模型失效。在调整训练数据时，我们选择使用1月20日到2月26日的数据作为训练数据，2月27日到28日的数据作为控制数据，这样可以得到一条新的拟合曲线，预测值和实际值是比较一致的。结论：（1）Logistic方程预测的数据统计口径非常重要，统计标准一致，可以使整个拟合曲线更加平滑。（二）根据预测曲线，预计3月上旬累计确诊人数将达到最大值（预计8万余人），之后疫情将逐渐趋于平稳。休息了这么久，疫情快要结束了，希望大家在新的一年不要被疫情耽误，尽快开工。等到山花盛开的时候，我们一起去旅行吧。
