背景与目的新发传染病发病迅速,传染力强,部分病死率高,是全球不可忽视的公共卫生问题。过往的传染病预测预警工作的效率不高,主要受限于历史数据不足和报告时间滞后。随着大数据时代的到来,机器学习方法在不少传染病方面的疫情预测得到广泛应用。2019年12月底中国湖北省率先报告了新型冠状病毒肺炎,暴发时间恰逢春运,庞大的人口迁徙规模为前期疫情传播提供了条件。为了遏制疫情发展,中国政府实施了史无前例的疫情管控措施如封闭武汉全部离城通道等。为了及时掌握疫情发展趋势,不少疫情预测模型相继发表,但并未充分考虑防控措施对疫情的影响。因此,本研究拟结合防控措施的情况,构建基于人口流动的SEIR模型和LSTM模型预测国内早期新冠肺炎的发生发展,并进一步利用TFT架构优化预测模型,从而进行提高模型的准确性和应用性。资料和研究方法（1）流行病学特征评估本研究收集自2020年1月17至2月16日,国家卫生健康委员会网站公布的全国各省的COVID-19病例数据,运用Tableau软件对病例进行时空分析,采用公式法和指数增长法分别计算粗病死率和基本再生数R0;（2）SEIR和LSTM模型构建本研究主要收集百度迁徙和2003年SARS疫情数据,运用R Version 3.4.1软件中的Epimodel安装包进行微分方程的构建,从而输出基于优化的SEIR模型的预测数据,使用Python中的Pytorch学习包进行LSTM模型构建;（3）基于TFT架构的模型优化本部分从COVID-19政府应对跟踪系统收集各国政策应对各项系数,利用TFT架构学习国家管控系数从而拟合SEIR模型中的传染指数β,并基于SEIR模型对多国进行疫情预测。结果（1）新型冠状肺炎流行病学特征在我国,新型冠状病毒肺炎自首例报告起20天内蔓延至34个省市地区,以东南部地区相对严重。新型冠状病毒肺炎的粗病死率约为2.51%,湖北省、广东省和浙江省新型冠状病毒肺炎的基本再生数R0=3.10（95%CI:3.06～3.13）、3.20（95%CI:2.81～3.63）和2.66（95%CI:2.35～3.01）。（2）SEIR和LSTM预测结果及其比较根据SEIR模型预测结果,湖北省疫情4月下旬趋于平缓,总病例数预估达到59578（95%CI:39189～66591）例。假设湖北省放松隔离措施（迁徙指数不为零）,最后疫情总规模将达到73,180（95%CI:51308～85839）。本研究预计广东省和浙江省均在2月20日达到流行高峰,最终暴发规模预估分别达到1511（95%CI:1097～1948）例和1491（95%CI:1066～1851）例确诊例数。全国疫情逾4月底趋于平缓,预计疫情最终规模预估共计122122（95%CI:89741～156794）例。本模型的预测结果表明延后5天执行控制措施将使疫情规模增加至3倍。根据LSTM模型预测结果,疫情进入4月后逐渐平稳,疫情拐点出现,月底预估有9.5万例确诊病例。从预测准确性来看,SEIR模型的MAPE为11.34,RSME为1560.45,LSTM模型略低于SEIR模型,其MAPE为9.40,RSME为651.40。（3）基于TFT架构的模型优化从模型拟合程度来看,该混合模型对美国,意大利,印度,西班牙,俄罗斯,土耳其,英国等7个国家的疫情数据拟合程度比较好,但对巴西,德国,法国这三个国家拟合程度稍差,离群值比较多。从模型准确性来看,对比人口流动的SEIR模型,混合模型的RMSE和MAPE分别减少了1.33*103和11.46。结论（1）我国新型冠状病毒肺炎疫情传播快,传染性强,病死率低;（2）中国政府及时的管控措施,有效地减少了新型冠状病毒疫情的暴发规模。对于疫情早期阶段,LSTM方法比SEIR模型预测的准确性更高;（3）从准确性看,基于TFT架构的SEIR模型优于人口流动的SEIR模型和LSTM模型,另外该混合模型因其数据多源性也适用于其他国家的疫情预测分析。