本文介绍了使用逻辑斯蒂方程作为目标函数预测各国疫情情况的方法，由于计算量，本文中的参数设置的不是太好，预测结果也相对不尽人意，望各位大佬能够编写出更好的预测模型。
本文的预测结果都是基于4月18号的数据。
Logistic模型逻辑斯蒂方程(Logisticfunction)由比利时数学家兼生物学家皮埃尔·弗朗索瓦·韦吕勒(PierFrancoisVerhulst)在研究人口增长模型时提出，是对马尔萨斯人口模型(Malthus,)的改进。
马尔萨斯人口模型马尔萨斯人口模型假定人口增长率r保持不变，
其中P表示人口数，是时间t的函数。
求解微分方程可以得到人口随时间变化的函数，
其中
表示第0期人口。
不难发现，人口呈现指数增长，即J型曲线。然而现实中受到自然资源约束以及疾病等因素影响，人口增长率不可能一直保持不变。
Logistic增长模型皮埃尔在马尔萨斯人口模型的基础上进行了改进，将人口增长率设为
，其中可以理解为环境最大允许的最大人口数量。此时，当人口P越接近于K时，增长率越低，即人口增长率随人口数量的增加而线性减少。
求解微分方程可以得到人口随时间变化的函数，
其中P0表示第0期人口。
如下左图，该曲线描述的人口增长呈现S型，增长速率随时间先增后减，在
处增长最快。注意到，增长速率(
)表示人口当期变化的绝对数值，而增长率(
)表示人口变化量与当期人口的比值。
相比于马尔萨斯人口模型，Logistic增长模型更加符合实际，该模型常常被应用于描述种群、传染病增长以及商品销售量预测等领域。
用Logistic模型拟合疫情首先通过一个github项目获取确诊人数：
新型冠状病毒疫情时间序列数据仓库(
转载请注明：http://www.liyuren.com/gjqh/5311.html
