本文首先采用抽样检测法对2019-nCoV早期的模型的合理性及实用性进行了评价，然后我们通过对传染病的共性及2019-nCoV的特性的分析。得出三个基本假设并且把人群理想化为三类(S类, I类, R类)，建立起基本的SIR模型，再对SIR模型中的三类人群间的相互转化关系的分析，结合马氏链得出三种人群间变化率的矩阵T，由于2019-nCoV的特性，可知SIR模型中的两个参数a(t), b(t)是以时间为变量的函数。我们根据武汉疫情的数据，通过多现实的数据拟合法分别得到a(t), b(t)及T结合，从而建立出模型。由于医疗条件的逐步改善，一定会制定出一套有效的治疗方案，甚至到后期的2019-nCoV疫苗的研发。于是我们在不改变人群分类的情况下，增加了一个系数c(c表示有效治疗方案的成功率,考虑到人群年龄问题以及由于肺炎引起的并发症导致的死亡, 故c为常数)，来进一步完善此模型。

　　本文利用数学软件(MATLAB)很好的实现了模型运算，并结合实际数据得出了人群与实践的关系图。从图中可以很好的反映出各类人群的变化规律，他们的变化规律与实际变化相吻合，从而证明了我们的模型基本符合要求。

　　2019新型冠状病毒，即“2019-nCoV”，因2019年武汉病毒性肺炎病例而被发现，2020年1月12日被世界卫生组织命名。目前疫情仍未得到控制，并且已经对美好的春节造成了巨大的破坏。由于在家闲来无事，因此，有必要根据2019-nCoV流行的特点，建立数学模型预测其传染，从而采取措施预防和控制其发展。而建立该模型我们要综合各方面的因素才能使模型合理化。

　　在改进模型的情况下，我们发现，相比于①的结果，肺炎疫情在60天左右即得到了有效的控制，且感染人数呈数十倍的下降。最后总的预测感染人数会在5万左右。当然，预测的数据仍然具有一定的问题，稍后将在模型问题中具体阐述。改进后的模型考虑了疫情控前和控后的情况，具体在参数a与参数b中体现，因此更加符合真实情况。

　　虽然改进后的模型能够对疫情做出比较理想的趋势分析，但是对于疫情后期的处理仍然与真实情况有所偏差。主要是由三个原因导致的，一是SIR模型过于精简，将真实情况过度理想化。本次疫情的感染不光是由感染者传染的，对于一部分易感人群，只要携带病原体，均可以作为传染源，但是该部分人群在模型的建立当中并没有体现出来。二是本次疫情仍处于上升期，且真实数据不足，加上湖北省政府前期的怠慢导致的数据异常，我们没有办法对控前做一个很好的拟合，同样，对控后亦无从而知。三是武汉市人口基数众多，且正逢春节，按照官方的说法，在武汉封城之前，有约500万人离开武汉。这对于模型的建立是一个极大的挑战，因为一般的模型都要求人口固定且无人口交流。

　　可见，此模型对真实情况具有良好的匹配性。但由于此前数据不足，不能够做出完整的预测，该模型适用于疫情结束之后的分析，有助于政府、医疗机构、人群充分认识疫情，并能够总结经验教训，在下次疫情出现的时候可以迅速做出反应。

　　截止2020/1/27 19:37，武汉肺炎疫情全国总计确诊2840例，疑似5794例，死亡81例，治愈55例。且1月26日的疑似病例仍处于快速增长状态，形式可谓相当严峻，本文主要从数学模型的角度分析了疫情的大致走势，帮助大家对新型冠状病毒疫情有更好的认识。相信我们能够在党中央的带领下，在一线-nCoV!