Hans Journal of Data Mining 数据挖掘, 2020, 10(3), 183-191
Published Online July 2020 in Hans. http://www.hanspub.org/journal/hjdm https://doi.org/10.12677/hjdm.2020.103019
Empirical Study on New Cases of COVID-19 in Italy Based on Nonlinear Polynomial Fitting Function
Anna Wang, Zihui Tang, Jiaxing Huang, Huqin Yan
Xiamen National Accounting Institute, Xiamen Fujian
ththrd
Received: May 8, 2020; accepted: May 26, 2020; published: Jun. 3, 2020
Abstract
Based on the ring nonlinear polynomial fitting function, taking Italy as an example, Python is used to estimate the nonlinear polynomial fitting function of the data and analyze the new cases of the COVID-19 in this country. Using the historical data of Italy’s COVID-19 from February 23 to April 16, this paper selects representative data, analyzes the trend of the next ten days by using the non-linear polynomial fitting function, and compares the model with the highest degree of coinci-dence, so as to build the best function for predicting the new cases of Italy’s COVID-19, and then uses the function to predict the trend of Italy’s next 5 days potential analysis. The results show that the power function has the highest fitting degree and is more close to the actual value, so it is selected as the final prediction result, and combined with the progress and national situation of the current epidemic prevention work in Italy, feasible and scientific epidemic prevention meas-ures and policies are proposed.
Keywords
COVID-19 Proportion, Nonlinear Polynomial Fitting Function, Trend Prediction
基于非线性多项式拟合函数的意大利新冠疫情新增病例的分析
王安娜，唐子惠，黄家兴，阎虎勤
厦门国家会计学院，福建 厦门
收稿日期：2020年5月8日；录用日期：2020年5月26日；发布日期：2020年6月3日
文章引用: 王安娜, 唐子惠, 黄家兴, 阎虎勤. 基于非线性多项式拟合函数的意大利新冠疫情新增病例的分析[J]. 数据挖掘, 2020, 10(3): 183-191. DOI: 10.12677/hjdm.2020.103019
王安娜 等
摘 要
基于非线性多项式拟合函数，以意大利为例，使用Python对数据进行非线性多项式拟合函数估计，对该国新冠疫情新增病例进行分析。利用2月23日至4月16日意大利的新冠疫情的历史数据，选取具有代表性的数据，通过对使用非线性多项式拟合函数进行之后十天的趋势分析，对比重合程度最高的模型，从而构建了对意大利新冠疫情新增病例预测的最佳函数，进而通过该函数对意大利未来5天的趋势进行分析。结果显示，幂函数的拟合程度最高，更加贴近于实际数值，故选其作为最终的预测结果，并结合意大利国家目前防疫工作的进度和国家情况，提出可行和科学的防疫措施和政策。
关键词
新冠疫情比例，非线性多项式拟合函数，趋势预测
Copyright ? 2020 by author(s) and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY 4.0). http://creativecommons.org/licenses/by/4.0/
Open Access 1. 引言及文献综述
多年来，传染病一直是世界各国医疗卫生系统面临的重大考验。目前世界主要传染病共有64种，涉及82个国家和地区。除人们熟知的流感外，麻疹和登革热涉及国家和地区均超过20个[1]。2019年底爆发的被命名为COVID-19的新型冠状病毒肺炎在世界多国相继出现。随着新冠疫情的快速蔓延，各个国家的疫情都有不同程度的恶化，尽管各个国家都开始注重对于疫情的防护和治理，但其疫情还未得到有效的控制，各个国家的疑似病例，新增病例的增长趋势也逐步成为研究者讨论的热点。意大利位于欧洲，由于其前期防护并不十分有效，导致其成为欧洲疫情最严重的国家。对于未来疫情趋势的预测能够为国家是否加强防护或者增派更多的资源来弥补损失的决策提供十分关键的信息。因此，需要采取更多合理的方式来对意大利国家疫情的未来走势进行合理的预测。
在对于之前的非典疫情的研究中，陈奇志将随机房室模型应用于非典型肺炎的预测，对模型中的参数用两种方法进行估计，进而可得到新增确诊人数的预测，文章还对北京和香港两地参数变化进行了对比分析，为了解疫情的变化、评价干预措施的效果提供了有价值的参考[2]。而此次疫情爆发以来，多项研究基于传染病动力学模型和相关数据对疫情发展进行分析，解读我国不同地区的疫情趋势并提出疫情防控的相关建议[3] [4]。此外，Zhan等利用中国城市的COVID-19数据建立病毒传播谱，对意大利及韩国等城市疫情发展进行评估[5]。还有Zheng等利用状态转移矩阵模型分析了韩国和意大利的疫情发展[6]。
本文则是基于建立多种非线性多项式拟合模型，利用2月23日至4月16日意大利的新冠疫情的历史数据，对之后十天的疫情情况进行预测，对比选取重合程度最高的模型，构建对意大利新冠疫情新增病例预测的最佳函数。
2. 意大利新冠疫情现状
2.1. 新冠疫情病例数据统计
根据意大利民事保护部门公布的最新数据，截至当地时间4月16日18时，意大利现有新冠肺炎死亡病例22,170例，治愈40,164例，累计确诊病例168,941例，较4月15日18时意大利累计确诊病例增
DOI: 10.12677/hjdm.2020.103019
184
数据挖掘
王安娜 等
加3786例，死亡病例增加525例，治愈病例增加2072例。现有患者中，76,778人在居家隔离，26,893人在医院接受普通治疗，2936人在重症监护室接受治疗。
2.2. 意大利抗疫方法
刘波在意大利疫情数字的背后中提到首长负责制，意大利成立以总理为核心主体和决策中枢的危机管理权力机构。意大利一直比较重视对突发公共事件的应对工作。意大利在发现第一例病例之前，就已开始相关准备，政府成立了跨部门工作小组，统筹防疫措施。随着疫情蔓延发展，成立总理为核心的快速反应小组，逐步升级防控举措，从“封城”到“封国”。此外，意大利执法部门和军队人员也参与防控工作，主要负责人员流动管控。
采取封城举措。不同于中国武汉等城市“封城”的严格管理，意大利封城较为灵活，更多的目的是的减少聚集，减少大型活动，避免人员的区域性流动。公共交通、银行、邮局这样的基础公共服务还继续运营。米兰、威尼斯等地市民只要带上自己签名的承诺书，保证自己有充分理由出门在外，依然可以在城里自由活动。
向中国寻求帮助。意大利面临医疗物资和设备短缺的困难，希望中方帮助解决燃眉之急，中国向意大利紧急派出医疗小组协助抗疫，加大医疗物资的出口，同时中国同意大利的友好省市和一些企业也将向意方提供支持和帮助。
媒体和社会力量积极介入，协同建立社会公共安全联动工作机制。疫情暴发以来，整体上政府与媒体良性互动，信息公开透明。在疫情初期，意大利举行记者招待会，第一时间公开疫情情况，杜绝社会上的猜测和不良传闻。意大利国内主要媒体《晚邮报》、《共和报》等开辟专栏，及时报道疫情情况。同时，意大利的奢侈品牌也停止奢侈品生产线，全力加工口罩、消毒液、洗手液等抗疫物资，为抗击疫情提供强有力的后援力量。
2.3. 目前形势
意大利的疫情防控形势十分复杂，一线医护人员非常缺乏口罩等防护物资，医疗设备特别是ICU仪器，缺口也很大。为防止疫情进一步蔓延，意大利3月10日起进入全国“封城”状态，并从3月12日起关闭全国除食品店和药店以外的所有商铺，从3月21日起关闭所有公园和其他公共场所，但公共交通、物流、邮局、银行和食品生产行业维持正常营业和运转，以保证对公众的基本生活服务。但在庞大的感染基数下，意大利的新增感染人数仍在增加，意大利总理孔特表示将抗击疫情的封锁措施延长至5月3日。
老年人对新冠病毒的抵抗力弱于青年人，而意大利的老龄化程度在全球仅次于日本，是欧洲“最年老”的国家——超过23%的居民在65岁以上。截止到2月29日，意大利新冠病毒感染者中，50岁以上的老人占73.1%。这其中又有一半在70岁以上。老龄化的人口结构造成意大利感染人数持续攀升。
据中国红十字会专家杨汇川介绍，意大利基层卫生医疗体系比较健全，特别是家庭医生和家庭护理体系发展较为成熟，但由于目前对轻症病人以及密切接触者主要采取居家隔离的应对措施，导致大量病患得不到及时有效救治。然而在这样紧张的抗疫之下，仍有不少意大利人没有放弃社交，每天外出聚餐、运动，他们甚至不愿意佩戴口罩，因为在意大利，只有真正得病的人才佩戴口罩。
3. 数据来源及研究方法
3.1. 数据来源
文中所使用数据从2020年2月23日~4月16日世界卫生组织官网公布的新冠状病毒疫情相关报告查询获得。数据资料显示，自2020年2月23日起意大利新冠状病毒确诊病例数量和死亡病例数量都呈
DOI: 10.12677/hjdm.2020.103019
185
数据挖掘
王安娜 等
不断上升趋势，其中累计确诊病例数上升显著；每日新增病例数在3月21日前呈直线上升趋势，并于此日达到最大值，而后呈现波动状态，但是整体为下降趋势；每日新增死亡数在3月28日前呈波动上升趋势，并于此日达到最大值，而后与新增病例数的变化趋势类似，整体呈下降趋势(见表1)。
Table 1. Statistics of COVID19 in Italy from 23 February to 16 April 2020 表1. 2020年2.23~4.16意大利新冠疫情统计数据
日期 2.23 2.24 2.25 2.26 2.27 2.28 2.29 3.01 3.02 3.03 3.04 3.05 3.06 3.07 3.08 3.09 3.10 3.11 3.12 3.13 3.14 3.15 3.16 3.17 3.18 3.19 3.20 3.21 3.22 3.23 3.24
天数 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
累计确诊病例
76 124 229 322 400 650 888 1128 1689 2036 2502 3089 3858 4636 5883 7375 9172 10,149 12,462 15,113 17,660 21,157 24,747 27,980 31,506 35,713 41,035 47,021 53,578 59,138 63,927
新增病例 67 48 105 93 78 250 238 240 561 347 466 587 769 778 1247 1492 1797 977 2313 2651 2547 3497 3590 3233 3526 4207 5322 5986 6557 5560 4789
累计死亡病例
2 2 6 11 12 17 21 29 35 52 80 107 148 197 234 366 463 631 827 1016 1268 1441 1809 2158 2503 2978 3407 4032 4827 5476 6077
新增死亡病例
2 0 4 5 1 5 4 8 6 17 28 27 41 49 37 132 97 168 196 189 252 173 368 349 345 475 429 625 795 649 601
DOI: 10.12677/hjdm.2020.103019
186
数据挖掘
王安娜 等
Continued
3.25 3.26 3.27 3.28 3.29 3.30 3.31 4.01 4.02 4.03 4.04 4.05 4.06 4.07 4.08 4.09 4.10 4.11 4.12 4.13 4.14 4.15 4.16
32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
69,176 74,386 80,539 86,498 92,472 97,689 101,739 105,792 110,574 115,242 119,827 124,632 128,948 132,547 135,586 139,422 143,626 147,577 152,271 156,363 159,516 162,488 165,155
5249 5210 6153 5959 5974 5217 4050 4053 4782 4668 4585 4805 4316 3599 3039 3836 4204 3951 4694 4092 3153 2972 2667
6820 7505 8165 9136 10,023 10,781 11,591 12,430 13,157 13,917 14,681 15,362 15,889 16,525 17,129 17,669 18,281 18,851 19,470 19,901 20,465 21,069 21,647
743 685 660 971 887 758 810 839 727 760 764 681 527 636 604 540 612 570 619 431 564 604 578
3.2. 研究方法
本文基于随着时间变化，对意大利疫情发展情况进行基础的非线性关系研究，并作出预测。本文主要对每日新增病例数建立幂函数、指数函数、对数函数等曲线研究模型，其计量模型分别为：
lnY=β0+β1lnx+β2(lnx)+β3(lnx)+β4(lnx)+β5(lnx)+β6(lnx)+β7(lnx) (1)
234567lnY=β0+β1x+β2x2+β3x3 (2)
Y=β0+β1lnx+β2(lnx)+β3(lnx)+β4(lnx)+β5(lnx)+β6(lnx)+β7(lnx) (3)
234567Y代表意大利每日新增病例数，x是统计数据的日期序列，β0、β1、β2、β3、β4、β5、β6、β7为函数的各项参数。
本文对累计确诊病例数建立增长函数研究模型，其计量模型为：
lnY=β0+β1x?1+β2x?2+β3x?3+β4x?4+β5x?5+β6x?6+β7x?7+β8x?8+β9x?9 (4)
Y代表意大利累计确诊病例数，x是统计数据的日期序列，β0、β1、β2、β3、β4、β5、β6、β7、β8、β9
DOI: 10.12677/hjdm.2020.103019
187
数据挖掘
基于非线性多项式拟合函数的意大利新冠疫情新增病例的分析 - 图文
