生存卷积模型用于COVID-19预测 冠状病毒疾病COVID-19已在世界范围内引发了重大的健康危机。 必须预测该疾病的流行，调查遏制和缓解措施对感染率的影响，并在国家之间进行比较。 用于传染病建模的现有方法是SEIR模型，该模型依赖于许多不可测的先前假设（例如，拟合过去的流感数据），并且在较宽的预测间隔内不可靠。 我们开发了一个健壮的生存-卷积模型，该模型具有很少的参数，其中包含未知患者零日期，潜伏潜伏期和随时间变化的繁殖数。 标题： 作者：王勤霞a ，谢尚宏a ，袁家佳a ，曾冬林b 机构： 美国纽约，哥伦比亚大学，梅尔曼公共卫生学院，生物统计学系 北卡罗来纳大学吉林斯公共卫生学院生物统计学系，美国北卡罗来纳州查帕尔希尔 通讯人：博士（ ）和曾（ ） ：王Q，谢S，王Y，曾D（2020）。 生存卷积模型预测COVID-19病例并评估缓解策略的效果。 公共卫生前沿8（20

COVID-19新冠疫情预测代码（含数据集）COVID-19 prediction.zip

SIR_LSTM 同时具有SIR变体和LSTM模型的混合模型，用于Covid-19预测。 不确定性量化工具箱：Chung，Youngseog和Neiswanger，Willie和Char，Ian和Schneider，Jeff（2020），超越弹球损失：用于校准不确定性量化的分位数方法 CovsirPhy开发团队（2020），CovsirPhy，用于使用SIR派生的ODE模型进行COVID-19分析的Python软件包，