使用python预测拟合并预测COVID-19发展的趋势
本次预测基于python语言，选择传染病学中经典模型SEIR模型，S代表易感人群，E代表处于潜伏期的人群，I代表患者，R代表移除人群
数据来源于网易新闻每日公布的疫情人数，选择网易新闻作为爬取对象的原因是：网易新闻提供了爬虫接口，而且疫情数据直接存储在json中，可直接发出请求并提取其中数据，按照要求分割数据，将所需数据存储到data文件夹下，对于大型网站如丁香园，在爬取其发布的数据时，其统一资源定位符url难寻找，而且还要对爬取后的数据进行json化处理，当然，网上已经存在处理好的数据接口，可以直接调用，为了更深入的了解爬虫，我选择了爬取网易新闻的数据。
有了数据之后，4要对SEIR模型进行改进，该模型规定潜伏期人群没有传染性，这显然不符合COVID-19的特征，因此在算法实现过程中，增加了潜伏期人群对易感人群的传染，而且COVID-19大约存在17%的无症状患者，这也是在模型过程中需要考虑的。为了更加准确的预测疫情的发展趋势，使用了动态化的参数，即通过logistic函数求导来表示接触率的变化，具体操作为：不断迭代某一时期的接触率，使用梯度下降法通过最小损失函数找到最优接触率，梯度通过偏导数表示，根据时间（每一行）来迭代，不断更新参数，基本可再生数R0=接触率/康复率，当基本可再生数<0时，表示疫情拐点（或者是确诊人数开始下降）。
在算法运行过程中，选择2019-12-08到2020-02-13之间的数据作为训练数据，来训练模型，用2020-02-13到2020-02-23之间的数据做函数拟合，效果图见Figure_4.png，最终结果疫情将在2020-02-20左右到达拐点，确诊人数（减去了康复，死亡的人数）到达最大，约为60000人，疫情将在2020年4月中旬得到基本控制，整个时期的平均绝对百分误差为约0.07，模型效果良好。
模型未考虑2020-02-13之后政策等因素的变化对疫情造成的影响
模型对于死亡率的数值比较笼统，随着疫情的深入，医疗环境成熟，死亡率应该会有一定的回落
仅展示对于全国疫情的预测，其余预测、拟合结果均在image文件夹下
