基于流体动力学天气影响模拟的高级不确定性量化模型纠正了COVID-19大流行第一波数据的不准确性。
在2020年3月至2021年3月的一年时间里，许多城市出现了两条新冠肺炎大流行曲线。天富注册
奇怪的是，第一波期间报告的每日感染总人数远低于第二波，但第一波期间报告的每日死亡总人数远高于第二波。
这种矛盾促使塞浦路斯尼科西亚大学(University of Nicosia)的研究人员探究了第一波感染期间每天报告的感染人数的不确定性，这是由于2020年3月至4月间没有充分追踪接触者造成的。
在AIP出版的《流体物理学》中，Talib Dbouk和Dimitris Drikakis报告使用环境流体动力学——高级计算多尺度多物理建模和模拟——建立气候季节性条件(如温度、相对湿度和风速)之间的本构关系，并每年有两条大流行曲线。天富注册链接
德里卡基斯说:“我们将一种新的基于物理的关系集成到一个大流行预测模型中，正如后来观察到的那样，该模型准确地预测了全球许多城市，包括纽约，出现了第二波COVID-19大流行。”
在第一波大流行期间报告的每日新感染总人数的数据中，大多数(如果不是全部的话)被低估和使用不当。
他说:“在纽约市，我们的工作显示，第一波疫情期间每天报告的新感染人数被低估了4倍。”“因此，第一波数据和第二波数据的不确定性意味着得出的一般性结论可能具有误导性，每个人都应该意识到这一点。”
这组研究人员的工作是已知的第一个基于对天气影响的流体动力学模拟，为大流行第一波感染病例导出高级不确定性量化模型的案例
Drikakis说:“我们的模型是基于物理的，可以通过在流行病曲线中使用第二波数据的充足性来纠正第一波数据的不足。”“我们提出的方法将环境天气季节性驱动的病毒传播率与大流行的多波现象相结合，以提高统计预测的数据准确性。”
未来，这组科学家提出的不确定性量化模型可能有助于修正全球许多城市在大流行第一波期间每天报告的冠状病毒感染总数。
