中国各城市首轮感染高峰期预测!

程序员书单

共 1209字,需浏览 3分钟

 ·

2022-12-22 09:17

点击蓝色“程序员黄小斜”关注我哟

加个“星标”,每天和你一起多进步一点点


作者:chenqin@知乎,经济学研究者

近日,我对中国台湾地区、中国香港特别行政区和日本的感染情况与 “发烧” 搜索指数进行了分析,发现一个可能可以帮助预测感染高峰期的方法:

1. 将 Google 搜索指数分为疫情期间和非疫情期间,非疫情期间的发烧指数平均数为

将疫情期间的搜索指数做以下处理后加总,计算一个数值


其中 S 的含义是这样的:如果发烧的搜索是发烧人口的一个相对稳定的比例,且在非疫情期间发烧人口是总人口的相对稳定的比例,那么 S 就正比于疫情感染的人口占总人口的比例,我们把它叫做 “超额发烧搜索指数累计面积

2. 下图列出了台湾地区、香港特别行政区以及日本的 “超额发烧搜索指数累计面积”,即下图橙色面积、蓝色面积和灰色面积。

我们发现在这三个地区,当疫情达到顶峰时,这个 “超额发烧搜索指数累计面积” 的数值全部刚好达到 80。这两个地区第一波疫情结束时,香港特别行政区的面积达到了 160,台湾地区的面积达到了 200,日本的最终面积是 250。

3. 如果用百度搜索指数做类似的研究会有什么效果呢?我使用了本轮疫情进入群体感染最快、最早的石家庄、邢台和保定做了计算:

可以算出,从疫情开始后计算,石家庄的 “超额发烧搜索指数累计面积” 已经达到了 76,邢台已经达到了 67,保定也达到了 71。由此来看,百度搜索指数和 Google 指数分别算出的 “超额发烧搜索指数累计面积”,至少是在一个差不多的数量级上。

4. 考虑到保定、石家庄、邢台等地的发烧指数仍然在上升,以及百度搜索指数和 Google 指数的差异,我们比较保守地将 100 作为疫情达峰时的 “超额发烧搜索指数累计面积”,将 250 作为第一轮疫情结束时的 “超额发烧搜索指数累计面积”。那么我们通过每个城市的搜索指数累计增长,累计速度,就可以算出现在每一个有疫情的城市疫情达峰的时间,以及疫情结束的时间。

这是计算的结果,列出了所有能在明年春节前达峰的城市以及这些城市在达峰前已经感染的人口比例(截止至 12 月 10 日)。

2022 年 12 月 12 日更新:

数据不足,方法简陋,供参考。

我司为什么要用Google的Java规范?


大公司病了,这也太形象了吧!!!


当我去了不到 20 人的 IT 公司后。。。


— 【 THE END 】—
公众号[程序员黄小斜]全部博文已整理成一个目录,请在公众号里回复「m」获取!

最近面试BAT,整理一份面试资料Java面试BATJ通关手册,覆盖了Java核心技术、JVM、Java并发、SSM、微服务、数据库、数据结构等等。

获取方式:点“在看”,关注公众号并回复 PDF 领取,更多内容陆续奉上。

文章有帮助的话,在看,转发吧。

谢谢支持哟 (*^__^*)

浏览 15
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报