首页 > 论文范文 > 医药卫生论文 > 呼吸疾病论文 > 新冠肺炎论文 > 新冠肺炎疫情展示和预测网站的设计与实现

新冠肺炎疫情展示和预测网站的设计与实现

2021-12-11 1637 上传者：管理员

摘要：自新冠肺炎爆发以来，由于病毒传播渠道的多样化和速度之快，以及很多国家对初始抗击疫情的不重视，疫情迅速向全国甚至全球蔓延和扩散，各行各业都受到了严重的影响。上至各个国家领导人，下至医务工作者、科研人员到普通民众，都对疫情表现出了高度的关注。因此，本文研发了＂全球瞻疫，共盼春来＂网站，旨在展示疫情相关情况，为大众了解疫情提供方便快捷的渠道。

关键词：
SEIR
新冠肺炎
疫情预测
疾病传播
自然语言处理
加入收藏

1、引言

自2020年1月武汉爆发新冠肺炎以来[1]，由于病毒传播渠道的多样化和速度之快，以及很多国家对初始抗击疫情的不重视，疫情迅速向全国甚至全球蔓延和扩散，各行各业都受到了严重的影响。上至各个国家领导人，下至医务工作者、科研人员和普通民众，都对疫情表现出了高度的关注。鉴于此种情况，如何使疫情信息公开化和透明化，使民众对未来疫情发展趋势有所了解，进而消除民众的恐慌心理，解决疫情期间的诸多问题，已成当务之急。

本文研发的系统从简单性、易用性和界面友好等因素出发，通过图、表等可视化工具，辅以文字描述，详尽地展示疫情变化情况，旨在设计并实现一个疫情展示和传染病经典模型预测系统，辅助大众对疫情进行深入的了解。

2、系统功能图介绍

系统主要功能包括五个方面，如图1所示。

2.1 疫情热图模块

该模块可以浏览世界疫情热图、中国热图、中国疫情数据表、美国确诊病例热图和美国疫苗接种热图。

2.2 疫情分析模块

该模块可以实时浏览中国累计趋势图、中国新增趋势图、中国确诊人数排名前五的城市排列图、美国累计趋势图、美国新增趋势图、美国确诊人数前五的城市排行图、印度累计趋势图、印度新增趋势图和印度确诊人数前五的城市排行图。

2.3 疫情预测模块

采用传染病经典的SEIR、SEIRS、SIS、SIR等预测模型[2]，分别对中国、美国和印度三国的疫情进行分析和预测，并进行可视化展示。

2.4 舆情分析模块

该模块主要包括：（1）查看与疫情相关的热点新闻；（2）通过自然语言处理方法，对疫情期间网络热点话题进行处理，生成疫情词云；（3）提供疫情防护相关知识。

2.5 关于我们模块

主要介绍本系统开发人员和指导老师。

3、系统整体设计和实现

3.1 系统框架

“全球瞻疫共盼春来”疫情监控系统设计如图2所示。系统使用Python轻量级Web框架Flask框架[3]。该框架使用MTV(Model-Template-View）模式。它采用一种业务逻辑、数据和界面显示分离的方法组织代码，将业务逻辑聚集到一个部件里面，在改进和个性化定制界面及用户交互的同时，不需要重新编写业务逻辑。

3.2 系统设计和实现

当用户发起请求浏览响应界面时，展示层的浏览器会发送HTTP请求给平台层的系统服务器。服务器根据请求向数据层的数据库系统获取响应数据。获取数据后系统服务器会通过Nginx返回静态页面[4]，通过Gnicorn返回动态界面。浏览器渲染整个页面，供用户浏览界面。

部署在数据库服务器的数据库系统，通过Python脚本从接入层的疫情网站爬取疫情数据，经过数据清洗和预处理后，存入数据库系统，保证疫情数据的实时性和准确性。

4、系统功能实现

4.1 疫情热图和疫情分析展示

疫情数据来源于中国各地卫健委、腾讯疫情、新浪疫情的疫情官方展示网站。在后台，系统执行循环任务调度来执行爬虫程序，可将每日最新疫情数据进行清理后存储到数据库系统。

前端界面通过AJAX可获取到最新数据[5]，实现疫情地图和疫情分析图的动态刷新。用户可随时查看最新的疫情数据。由于疫情数据具有实时性，必须将最新的疫情数据展示到界面上。这就需要用到AJAX技术，即当后台数据库里数据发生改变时，就能将改变后的疫情数据即时展示在页面上，保证用户能浏览到最新的即时疫情数据。具体如图3所示。

4.2 疫情分析

因为中国、美国和印度的疫情变法情况具有一定的代表性，该模块选取这三个国家的新冠疫情数据分析。容易观察到，中美印三国的历史疫情走势，可分为中国累计趋势图、中国新增趋势图、中国确诊城市排行表、美国累计趋势图、美国新增趋势图、美国确诊城市排行表、印度累计趋势图、印度新增趋势图和印度确诊城市排行表。图4、图5、图6图7、图8和图9仅给出部分图展示结果。

4.3 疫情预测模块

使用python中的pymysql模块连接云上数据库，可实时获取最新疫情数据，从而预测未来10天的疫情趋势[6]。使用pandas处理数据文件，numpy创建数组和存储数据，使用plt绘图模拟经典SIS、SIR、SEIR、SEIRS传染病预测模型。模型中有γ和β关键参数，可以通过多次分析数据、机械学习、来获得更精准的动态参数，确保预测模型的准确性。使用SEIR模型预测中美印三国部分结果如图10、图11和图12所示。

4.4 舆情分析

舆情分析使用大量有关新冠疫情的叙述论文数据，得到大量学术界对于新冠疫情研究的数据[7]。通过Python的词云制作，统计高频词的出现，最后制作出相对具有代表性的字词。使用Bootstraps框架中的轮播插件轮流显示经过挑选的经典新闻[8]，制作关于疫情防护知识的图片，使用户对疫情防护有更好的了解。具体如图13所示。

5、结论

自2020年1月新冠肺炎爆发以来，疫情一直是全球关注的焦点。至今，全球疫情虽然在中国得到了很好的控制，但是它在全球大部分地区还在肆虐。本文设计和开发的网站，通过让疫情信息公开化和透明化，为民众消除恐慌心理，普及疫情相关防护知识，用一己之力尽可能地服务大众。

系统从简单性、易用性和界面友好等因素出发，通过图、表等可视化工具，辅以文字描述，详尽地展示疫情变化情况。接下来将致力于制作更详细的疫情数据展示和更精准的疫情预测，使民众更清晰更直接地了解疫情的相关状况，为相关决策部门提供理论依据和科学探索。

参考文献:

[1]中华人民共和国国家卫生健康委员会.

[2]马知恩,周义仓,王稳地,靳祯.传染病动力学的数据建模与研究.北京:科学出版社,2020

[3]南淑萍,王莉丽,王秀友.Pythonweb开发案例教程-使用Flask､Tornado､Django.北京:人民邮电出版社,2020.

[4]罗剑锋.Nginx完全开发指南:使用C､C++､JavaScript和Lua.北京:电子工业出版社,2020

[5]李宁,刘岩,张国平.JavaWeb编程实战宝典:JSP+Servlet+Struts2+Hibernate+Spring+Ajax.北京:清华大学出版社,2014.

[6]刘宇宙.Python实战之数据库应用和数据获取.北京:电子工业出版社,2020

文章来源：芦立华,汤思琪,吴重庆,方鹏鹏.新冠肺炎疫情展示和预测网站设计和实现[J].福建电脑,2021,37(12):12-16.