3
第一作者研究
学术主页
刘弘
传染病预测预警 时空传播动力学 机制疫情建模
我拟于 2026 年 9 月进入厦门大学公共卫生学院攻读流行病与卫生统计学博士（导师：陈田木教授）。已获得澳门科技大学智能技术硕士（2024–2026），以及厦门大学预防医学医学学士辅修统计学。研究聚焦于传染病预测预警、流感共流行、疫情机制建模与传播动力学。在工程层面，我同时维护[openscience](https://github.com/Hylouis233/openscience) （证据优先的研究工作流 harness，带有 `science-epi` 子套件）和 [mcodeforlegal](https://github.com/Hylouis233/mcodeforlegal) （面向中国大陆法律场景的 Claude Code 插件包）等研究工具，并将 [epic-intel-harness](https://github.com/Hylouis233/epic-intel-harness) 与 [hanta-scientific-data-resource](https://github.com/Hylouis233/hanta-scientific-data-resource) 作为面向疫情智能体评测与病毒暴发研究的基础设施持续打磨。
当前研究连接多模态预测、传播动力学与可解释分析流程，长期方向将延伸至病毒进化与早期预警系统。
7
已发表论文
14
公开代码仓库
108
累计 Star
教育背景
现阶段
厦门大学 · 流行病与卫生统计学博士在读（2026 年入学）
硕士学历
澳门科技大学 · 智能技术硕士，创新工程学院
本科阶段
厦门大学 · 公共卫生学院预防医学系与王亚南经济研究院数理统计专业双学位本科
研究证据
代表性研究成果
代表性第一作者研究、已发表论文与可复现代码仓库。
10
研究成果总数
3
第一作者研究
5
获奖与荣誉
预印本 2025
Multi-modal Adaptive Estimation for Temporal Respiratory Disease Outbreak
第一作者 MAESTRO 研究；在香港十一年以上流感数据（不含 COVID-19 期间）上报告 R² = 0.956。
已发表 2026
Dual-Model Framework for CHIKV Transmission Modeling: ODE and Petri Net Analysis of the 2025 Foshan Outbreak
第一作者基孔肯雅热双框架疫情建模研究，面向 2025 年佛山疫情场景，2026 年 6 月 29 日发表于 BMC Public Health；arXiv 预印本（arXiv:2512.12577）同步公开可查。
已发表 2026
病毒共流行期间流感季节性的时空不稳定性
第一作者 npj Systems Biology and Applications 论文；2026 年 4 月 17 日接收，2026 年 5 月 4 日在线发表。
研究主线
研究方向
当前工作围绕少数几条相互衔接的研究主线展开。
传染病预测预警
已完成的硕士阶段工作主要围绕多模态预测、非平稳时间序列分析以及面向预警的传染病建模展开，重点关注呼吸道疾病活动与流感相关场景。
流感共流行与时空动力学
一条核心研究主线聚焦我国流感相关信号的共流行模式、同步与滞后关系，以及特征提取，结合可解释时序方法与多尺度分析框架开展研究。
机制疫情建模
近期围绕 2025 年佛山基孔肯雅热疫情的研究结合 ODE 与 Petri Net 双框架，在数据有限条件下比较传播解释、干预效果与不确定性。
传播动力学与病毒进化
更广义的研究方向是打通宏观传播格局与微观病毒进化之间的联系，将流行病学信号、系统发育动力学证据与预警模型纳入统一框架。
当前状态
当前研究概览
当前研究方向、活跃方法与外部学术档案。
我当前的博士阶段研究以多模态传染病预测预警为核心，包括面向呼吸道疾病活动的 MAESTRO 框架、流感共流行分析，以及面向机制建模场景（如 2025 年佛山基孔肯雅热疫情）的 ODE/Petri Net 双框架建模。与此同时，我持续维护一个用于数据采集与分析支持的传染病情报平台。长期研究议程致力于打通宏观传播格局与微观病毒进化之间的联系，将流行病学信号与系统发育动力学证据纳入统一的早期预警框架。
传染病预测预警早期预警流感共流行ODE 与 Petri Net 建模多模态数据融合病毒进化
工具与系统
科研软件与分析系统
支撑建模、预测、数据工程与日常科研流程的软件产出。
研究代码
GitHub →MAESTRO
面向呼吸道疾病活动与预警场景的多模态时间序列预测框架；在香港十一年以上流感数据（不含 COVID-19 期间）上报告 R² = 0.956。
连接多模态呼吸道疾病预测、文档化评估与论文产出的研究框架。
ForecastingEarly warningMultimodal modellingTime series
研究代码
GitHub →ODE-Petri-Chikungunya
面向 2025 年佛山基孔肯雅热疫情的 ODE 与 Petri Net 双模型研究流程，已发表于 BMC Public Health 26 (2026)。
连接机制解释、干预阶段与论文撰写的双模型疫情分析流程。
Mechanistic modellingODEPetri NetOutbreak analysis
研究代码
GitHub →MultiCoPat
多地区、多时间窗流感共流行分析与预测流程，已发表于 npj Systems Biology and Applications (2026)。
支撑流感共流行与共流行信号相关研究的分析管线。
InfluenzaCo-circulationPredictionTime series
软件工具
GitHub →bibverify
面向研究者与 AI 助手的跨平台 BibTeX 校验与元数据补全工具；CLI、Python API、MCP server、可解释多源匹配。已发布到 PyPI。
服务于写作流程的参考文献校验、元数据补全、去重与引用清理工具。
Bibliographic toolingDOI validationMetadata completion
亮点摘记
研究亮点
代表性方法学与研究流程亮点。
开发了面向呼吸道疾病活动预测的多模态框架 MAESTRO；在香港十一年以上流感数据（不含 COVID-19 期间）上报告 R² = 0.956。
围绕 2025 年佛山基孔肯雅热疫情构建了 ODE 与 Petri Net 双模型流程，用于在数据有限条件下比较干预阶段、传播指标与敏感性结果。
设计了针对流感共流行与亚型交互信号的分析管线，借助可解释的时序分解与多尺度频域耦合模式提取动态特征。
独立开发并持续维护传染病新闻采集、数据库与可视化平台，用于支撑研究导向的数据获取与监测流程。
站点地图
站点导航
前往更完整的研究主题、成果记录、履历材料与项目背景。