Covid19_ARIMA-预测 目标 该项目的目的是使用ARIMa模型来预测2021年2月11日至2021年3月3日北卡罗莱纳州，北达科他州，内华达州，新罕布什尔州和新泽西州的COVID-19病例和死亡 脚步： 使auto.arima（p，d，q）x（P，D，Q）模型适合每个州的病例和死亡的两个时间序列 适合被认为合适的替代ARIMA模型 对最佳模型的预测结果取平均值，对替代模型子集的预测结果取平均值

Website-Pendataan-COVID-19:网站pendataan covid-19

此为大二学生2020年数据结构课程设计作业，由C语言完成，含图形界面。运行环境：VS2017+EGE。文档包括数据结构说明报告、用户使用说明报告、功能需求&总体方案设计报告、测试&评价和改进意见报告，源码包括项目工程所有资源文件、源代码文件和可执行文件等。供参考使用。 课程设计题目：COVID-19疫情环境下低风险旅行模拟系统的设计 城市之间有各种交通工具（汽车、火车和飞机）相连，有些城市之间无法直达，需要途径中转城市。某旅客于某一时刻向系统提出旅行要求。考虑在当前COVID-19疫情环境下，各个城市的风险程度不一样，分为低风险、中风险和高风险三种。系统根据风险评估，为该旅客设计一条符合旅行策略的旅行线路并输出；系统能查询当前时刻旅客所处的地点和状态。

全球截止到4月19日的新型冠状肺炎确诊数据。转载自https://github.com/CSSEGISandData/COVID-19/tree/master/csse_covid_19_data/csse_covid_19_time_series

COVID-19绘图 自动数据收集，后处理和COVID-19传播的比较交互式可视化。 运行笔记本电脑的可能方法包括 克隆存储库并在本地Jupyter Notebook环境中执行

该项目是通过引导的。 可用脚本 在项目目录中，可以运行： npm start 在开发模式下运行应用程序。 打开在浏览器中查看它。 如果您进行编辑，则页面将重新加载。 您还将在控制台中看到任何棉绒错误。 npm test 在交互式监视模式下启动测试运行器。 有关更多信息，请参见关于的部分。 npm run build 构建生产到应用程序build文件夹。 它在生产模式下正确捆绑了React，并优化了构建以获得最佳性能。 生成被最小化，并且文件名包括哈希值。 您的应用已准备好进行部署！ 有关更多信息，请参见关于的部分。 npm run eject 注意：这是单向操作。 eject ，您将无法返回！ 如果您对构建工具和配置选择不满意，则可以随时eject 。 此命令将从您的项目中删除单个生成依赖项。 相反，它将所有配置文件和传递依赖项（webpack，Babel，ESLint等

全球疫情Json文件

COVID-19世界疫情分析源代码&数据集，主要包括疫情数据的获取，对获取数据的预处理，数据分析可视化——matplotlib、PyEcharts绘制柱形图、折线图、地图、玫瑰图、动态条形图，使用SIR模型对美国疫情数据进行模拟预测。

疾病因人的行为而传播。 一个人可能有数百万个行为不同的人。 为了简单起见，人类仅考虑平均行为。 但是，在使用非线性微分方程时，至少在某些应用中，这种简化可能导致结果与精确解有很大不同。 在这封信中，我们证明错误对于诸如Covid-19的感染传播非常严重。 百分之十的人无视规则几乎会破坏其余百分之九十的极其谨慎的行为。 这与大多数业务情况完全不同，在大多数情况下，考虑百分之八十就足够了（“ 80-20规则”）。 这可以解释为什么决策者很难预测Covid-19大流行的蔓延以及针对该流行的措施的影响。

SIR_LSTM 同时具有SIR变体和LSTM模型的混合模型，用于Covid-19预测。 不确定性量化工具箱：Chung，Youngseog和Neiswanger，Willie和Char，Ian和Schneider，Jeff（2020），超越弹球损失：用于校准不确定性量化的分位数方法 CovsirPhy开发团队（2020），CovsirPhy，用于使用SIR派生的ODE模型进行COVID-19分析的Python软件包，