流行性传染病,主要感染方式为直接传播、气溶胶传播和接触传播等。每当疫情爆发,许多研究者和学者致力于传染预测研究。而传统的动力学模型预测方法,大部分考虑因素单一,而且不符合一些传染病的特征,预测准确率低,因而不能较好的应用到实践中。本文在此背景下,以2019冠状病毒病疫情为例,应用改进的SEIR(易感-潜伏-传染-恢复)模型对其预测,并探讨了这种预测模型的可行性以及效果的有效性,构建相关可视化平台。为2019冠状病毒病疫情的预防预警提供参考。其主要工作内容如下:(1)传统传染病动力学预测模型研究。本文研究传统SIR(易感-传染-恢复)模型和SEIR模型预测的方法和思路,并使用传统SIR模型和SEIR模型预测我国2019冠状病毒病疫情,为改进的SEIR模型作对比实验奠定基础。(2)基于传统SEIR模型的改进。本文针对传统SEIR模型考虑参数少、参数固定化这一系列问题,在传统的SEIR模型中引进潜伏者对易感染者的感染率这一参数值,并基于相关城市迁移模型指数对模型进行分段,最后结合最小二乘法选取参数构建疫情预测模型。通过与传统SIR模型和SEIR模型预测方法相比,该方法得到更好的预测结果,能够提高2019冠状病毒病疫情预测的精准度。(3)可视化平台的搭建。为更好地将预测结果进行展示,本文基于上述改进预测模型和实际疫情数据,利用VUE框架和Python结合Echarts和DataV开发2019冠状病毒病可视化系统。