近日，郑州大学数学与统计学院裴利军教授指导的国家级大创项目团队成员本科生谢欣同学向SCI期刊-ASME出版社《Journal of Computational and Nonlinear Dynamics》投稿的学术论文《Long-term prediction of large-scale and sporadic COVID-19 epidemics induced by the original strain in China based on the improved non-autonomous delayed SIRD and SIR models》，目前已被该刊正式接受。2020级金融数学专业本科生谢欣同学为该文第一作者，裴利军教授为第二兼通讯作者。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）。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。

论文基于裴利军教授团队提出的改进的非自治时滞SIR/SIRD传染病仓室模型， 研究了2020年原始新冠病毒引起的中国新冠肺炎疫情的长期预测。首先建立中国严格防控下新冠肺炎疫情的非自治时滞SIR/SIRD传染病仓室模型。根据一些疫情的完整数据，利用有限差分方法，可以发现其中传播率、恢复率、移出率等随时间演化的规律。根据这些规律，可以设出这些参数的函数形式，存在待定参数。根据疫情最初前7到10天的数据，利用Matlab进行参数反演，可以精确地估计该参数集。再将这些参数回代该模型，进行数值求解，可以得到整个疫情的演化趋势。该模型能够有效阐明在中国严格防控下新冠肺炎疫情的发展模式。这包括传播率随时间的指数下降、治愈率随时间的持续上升和死亡率随时间的下降趋势等规律。在充分考虑了潜伏时滞和时变参数的影响后，利用阶段性参数结构，全面预测了大规模疫情和散发疫情的当前患病者峰值及峰值时间、疫情结束时间、疫情规模等指标。这些结果比较准确。在大多数情况下，预测指标与实际结果比较吻合，相对误差一般在3%以内。该模型对新冠肺炎疫情预测具有重要意义，可以为政府相关部门和医院的疫情防治提供决策依据和指导。事实上，该模型为预测其他传染病疫情的演变也提供了一种普适性的方法，可以自适应地根据早期少量疫情数据来估计参数，再反代入模型预测整个疫情发展，以有效应对由其他病毒导致的传染病爆发。

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准确的预测结果。相关成果已在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。