名古屋大學和理化研究所的一個研究小組已經開始使用一種新方法來預測新型冠狀病毒感染 (COVID-19) 的感染，該方法使用類似於天氣預報的機制將數學模型和測量數據最佳地聯繫起來。利用每天獲得的最新數據，可以高精度地預測病毒感染。
應用於這種方法的技術是數據同化，這是天氣預報的關鍵。通過基於統計數學和動力系統理論的模擬（數學模型）和現實世界（實際測量數據）的鏈接，它有助於提高預測精度，例如減輕實際測量數據中包含的噪聲的影響。
對於實際測量數據，我們使用了每天獲得的三個數據（（19）需要住院的人數，（XNUMX）出院或取消的人數，以及（XNUMX）死亡人數）。對於數學模型，我們根據 COVID-XNUMX 的特點，構建了一個“擴展 SIR 模型”，它是 SIR 模型的原始擴展，被稱為典型的傳染病數學模型。將天氣預報中使用的高級數據同化方法（Ensemble Kalman filter）應用於這些並融合。
通過以上數據同化，我們首先估算出“有效繁殖數”，即一個感染者感染了多少人。有效再
雖然不能直接知道生產數量，但作為感染擴散的指標是有用的，如果使用全國各地的數據估計轉變，則在發布緊急狀態期間看到減少東京過去3次，可以確認感染抑制效果。
此外，我們發布了與這些感染控制效果對應的三個預測場景和一個感染控制效果為零時的預測場景中的感染轉變未來預測結果。今後，預計將結合疫苗接種的效果、人流和溫度等因素，以更準確的預測為目標，為預防感染擴大和製定主動應對計劃做出貢獻。
