近日，我院本科生李芝亮同学在SCI期刊《Electronic Research Archive》上发表研究论文，题为“A non-autonomous time-delayed SIR model for COVID-19 epidemics prediction in China during the transmission of Omicron variant”。2020级金融数学专业本科生李芝亮同学为该文第一作者，裴利军教授为第二兼通讯作者。李芝亮同学为裴利军教授指导的国家级大创项目团队成员。该项目为2022年获批的国家级大创项目《基于双曲正切基函数和改进时滞SIR/SIRD仓室模型的中国新冠肺炎疫情预测》（项目号：202210459015）。此篇论文为该项目的第二篇SCI论文。该项目是将时滞微分方程用于传染病疫情预测的一项重要应用，有效提高了团队本科生的研究能力、研究水平、创新能力、创新意识和利用Latex进行科研论文撰写的能力。

2022年初，奥秘克戎病毒引发的新冠疫情席卷全球，逐步取代德尔塔病毒的主导地位。奥秘克戎病毒的传染性更强、病毒载量更高、隐匿性更强。奥秘克戎病毒引起的新冠肺炎症状往往较轻，感染此病毒的新冠肺炎患者大多无症状，这加大了检测新冠肺炎患者的难度。奥秘克戎病毒引发的疫情呈现出大规模、持续时间长、波及范围广、感染人数多、易反弹的特点。原本应用于德尔塔病毒疫情有效的预测方法应用于奥秘克戎疫情的效果不是很好，我们需要将此方法加以改进，以便能够用最少的早期数据预测精确的疫情演变趋势。根据疫情的峰值、峰值时间、最终规模以及结束时间，可以对医疗资源的调配以及社会的复工复产提供参考性的意见。

本文基于非自治时滞SIR模型预测奥秘克戎病毒引发的新冠疫情。首先，基于有限差分方法，探究传播率β(t)和移除率γ(t)的函数形式。其次，利用最小二乘方法，借助前期数天的疫情数据估计二者的参数。根据此参数，进行数值模拟，获得所需的疫情指标。

本文验证了改进的时滞SIR模型对更加复杂的奥秘克戎疫情预测的有效性，取得良好的预测结果，相关如图所示。本文的创新点如下：

（1）关于传播率的设定：我们选择分段的指数衰减函数。这与之前的研究有所不同。这种设定可以有效的减少疫情初期数据对传播率的干扰，更加准确的估计未来的传播率。

（2）五阶滑动平均被应用于数据的预处理，这可以使得数据变化更加平滑，降低或消除数据异常，提升参数估计的精度。

（3）由于新冠肺炎患者的治愈需要一定的时间，用于参数估计的早期疫情数据的移除者可能没有或者较少，导致无法获得移除率的参数。为解决此问题，我们探究出可以根据以往疫情的移除率做出近似的估计，弥补之前研究的不足。

近年来，数学与统计学院裴利军教授团队发展了可以准确预测新冠肺炎疫情的改进的非自治时滞SIR/SIRD传染病仓室模型，针对由原始毒株、德尔塔毒株、奥密克戎毒株等引发的新冠肺炎疫情取得了比较准确的预测结果，已在SCI期刊发表论文多篇。该方法对其他类型的传染病疫情预测也具有普适性。