在图1中，显示了由算法0生成的中国图形，该图形已通过将模型向前移动六周并采用复制数pf 1.78进行了校准。 图1的时间跨度为13周：从第35天到第93天，其数字显示。事后看来，值得注意的是，在发生严重可见的流行五，六周后，从第二天开始，累计感染数几乎完全趋于平坦。 冠状病毒在武汉出现后的70年。
Fig. 1
根据这些数字，当时武汉地狱的引擎停了下来。 然而，在图1所示的模型中，该模型仅从第49天到第63天才可以接受。这将允许观察到，在此期间，复制数量为1.78（或接近它）。
我本可以显示另外一张照片：
Fig. 2
在相同数据和参数设置下的同一模型—仅将模型数据移位5而不是6周。 现在我们看到的是，该模型从开始到第49天都以可接受的方式拟合了数据。我们还可以观察到，在此期间，复制数量也为1.78（或近似于此）。
接下来，我们可以使用该模型找到可以很好地根据观察到的数据进行校准的时段，这样可以帮助我们事后确定繁殖因子。 随之而来的是，这种作案手法表明，再现次数在各个时期之间可能严重不同。 这带来了战略问题。 我们是否会尝试调整模型，使其提供更好的整体预测？ 这极有可能导致更高数学的泥潭。 还是我们将观察的动态划分在不同的区室（时段）中，为之建立不同的模型，随后传递可解释性的指挥棒？
我的选择当然是后一种选择。