黃建平院士和蘭州大學新冠肺炎疫情預測團隊受訪者供圖

《新冠肺炎疫情全球預測系統》網站首頁截圖

大河網·大河報記者張晶晶

連續兩次預測河南疫情結束時間，蘭州大學新冠疫情預測團隊再次受到關注。

根據國家衛健委消息，鄭州和許昌1月20日首次出現零新增病例。

1月20日起至今，鄭州已連續4日零新增，疫情進入收尾階段。1月24日，鄭州市新冠肺炎疫情防控指揮部召開新聞發布會介紹，鄭州預計春節放假前全域降為低風險地區。

此前在1月10日，蘭大新冠疫情預測團隊公布了對河南鄭州和許昌疫情的預測。初步預測結果顯示，鄭州和許昌本輪疫情預計將于2022年1月20日左右得到控制。

除了在預測病例數據上存在出入之外，鄭州和許昌本次疫情結束時間再次與蘭大新冠疫情預測團隊的預測相吻合。

近兩年全國多地出現疫情后，蘭州大學疫情預測系統對各地的突發疫情做出過不少準確預測。

近日，大河報·豫視頻記者專訪黃建平院士帶領下的蘭州大學新冠疫情預測團隊，探尋預測模型背后能夠實現預測的依據。

這是一個專業而神秘的科研團隊，在預測數據上保持著公眾層面的“高調”，作為團隊卻相對“低調”。

面對網友和記者提出的“國內是否有城市主動要求團隊來提供疫情預測；如果團隊模型是固定的，城市是否有可能根據之前疫情的數據來‘自我預測’”等諸多好奇，蘭大團隊并未選擇回應所有。

那么，如何看待網絡對團隊的“封神”之語？預測一個城市的疫情需要做哪些準備？最早可在什么階段提供預測結果？近日，蘭大疫情預測團隊就這些問題接受了大河報·豫視頻記者的專訪。

大河報：蘭州大學的疫情預測多次登上網絡熱搜，不少網友直呼“神了”，如何看待網絡對于團隊這些預測的高度關注？

蘭大團隊：非常感謝大家對我們疫情預測系統和相關工作的關注與支持，未來我們將繼續優化預測模型，不斷提升預測準確率。

大河報：很多人好奇，預測系統是怎樣預測的？

蘭大團隊：蘭州大學《新冠肺炎疫情全球預測系統》是將氣候預測的方法（統計—動力）與流行病模型相結合建成的，實時引入全球最新的疫情數據，針對有疫情數據的180多個國家逐個建模，反復進行最優參數化反演，并在系統中考慮了溫度、濕度和管控措施等因素對疫情發展的影響。

大河報：預測一個城市的疫情需要做哪些準備？

蘭大團隊：預測模型所采用的真實疫情數據主要來自于美國約翰斯·霍普金斯大學，溫度、濕度等氣象數據來自美國國家航空航天局和歐洲中期天氣預報中心。對國內突發疫情的預測，數據主要來自國家衛健委。

大河報：蘭州大學在國內和國外累計分別預測了多少個城市？

蘭大團隊：系統自上線以來，針對全球有疫情數據的180多個國家持續開展了逐日、逐月和季節預測。團隊一直密切關注國內突發疫情，系統自上線以來向公眾發布了23次疫情預測報告，對2021年石家莊市、通化市、廣州市、南京市、鄭州市等地疫情都有很好的預測。

大河報：團隊一般最早可以在一個城市疫情的什么階段來提供預測結果？理論上最早能夠到什么時間？

蘭大團隊：國內個別地方出現零星本土病例后，一般需要3到5天累計確診病例數來判斷疫情發展的初步趨勢，同時綜合考慮病毒變異、各地政府實施的管控措施、民眾的自我防護措施、疫苗接種等情況來進行疫情預測，一般7天左右。

大河報：預測系統如何考量預測城市在人口、城市規模甚至人們口頭上所謂的城市管理水平高低的差異，它們會對疫情發展產生什么樣的影響？

蘭大團隊：疫情發展與病毒變異、政府實施的管控措施、民眾的自我防護措施、疫苗接種以及當地醫療水平有很大關系。我國“外防輸入，內防反彈”總策略和“動態清零”總方針，對德爾塔、奧密克戎等變異株疫情的防控仍然有效，在現有防疫經驗的基礎上，只要嚴格遵守防疫要求、提升疫情應對能力、能及時有效地應對突發情況，我們就可以有效遏制疫情蔓延。

大河報：是一個什么樣的團隊在做這個預測系統？

蘭大團隊：全球新冠肺炎疫情暴發以來，蘭州大學西部生態安全協同創新中心積極協調各種科研力量，在中心主任黃建平教授帶領下，奮戰三個月，在現有區域疫情預測模型基礎上，考慮了氣候和環境條件以及政府管控措施對疫情傳播的影響，成功開發出具有蘭州大學全部知識產權的《新冠肺炎疫情全球預測系統》，于2020年5月25日正式上線。團隊成員包括大氣科學、公共衛生學、應用統計學、人工智能等專業的專家和人才，此外項目完成過程中得到了蘭州大學公共衛生學院、蘭州大學第一醫院、蘭州大學循證醫學中心、蘭州大學政治與國際關系學院的支持和幫助。

大河報：之前國外也有大學和相關機構推出過疫情預測系統，但他們只著眼于美國本土疫情的預測，同樣的，國內也有其他學校對國內疫情進行預測，但是沒有持續進行。蘭大團隊預測精準率如此之高，核心優勢是什么？

蘭大團隊：對預測模型來說，最重要的就是提升預報的準確度，我們團隊30年來在氣候預測中使用的統計-動力方法能夠較好地根據歷史資料修正預報誤差，從而提高預報精度。我們在傳統的流行病學模型的基礎之上，使用氣候預測中的統計-動力方法對傳統的流行病模型進行改良，利用實時更新的疫情數據，對流行病學模型中的重要參數如傳染率、治愈率、死亡率等進行動態估計和修正，這大大提高了我們預測精度。

大河報：目前的預測，是以城市為單位的，未來可能有更小（或者更大）的預測對象嗎？

蘭大團隊：目前，我們正在優化升級預測系統，只要數據更加精確，參數更加全面，就能不斷提高預測的準確率。隨著系統的不斷完善，可以對一個國家、一個地區、一個城市，甚至一個縣開展預測，根據每個城市的情況不同，研發出更加細致的子模式，預測結果對于疫情防控將有很高的參考價值。