总而言之，笔记本描述了三个关键组件：

• 状态，在任何给定时间完整地描述系统。根据定义，SEIR 模型在状态中有四个变量：易感、暴露、感染和报告。
• 动力学，描述状态如何随时间演变。
• 动态方程的测量参数：$\beta$,$\mu$,$\theta$,$Z$,$\alpha$， 和$D$. 请注意，这些参数（出于我们的目的）是常量。

本教程将引导您完成参数测量。逻辑是：

• 您连续 30 天了解您所在的州
• 你知道一天通过动力学方程进展到下一天
• 因此，您可以求解最大化模型准确性的参数

现在您有了参数，您的目标是对未来进行预测。这“只是”将参数插入动力学方程并进行数学运算的问题。

现在求解六个耦合微分方程并不容易，但它们已经为您完成了大部分繁重的工作。特别是，该函数transition_fn几乎正是您想要的：它获取当前状态、当前时间和一些“ extra”信息（在教程中定义）并生成下一个状态的预测。

所以我认为你需要做的是：

1. 弄清楚如何调用transition_fn。您必须以正确的格式定义state_params和定义。extra您在教程中计算的参数将成为extra
2. 首先使用教程使用的相同时间段。这有点“作弊”，因为您使用数据来导出参数，而现在您正在使用参数来预测数据。但这是一个很好的“健全性检查”：您的预测在这里绝对应该是准确的，因此您将能够识别任何问题。
3. 然后，使用不同的时间段来评估模型是否有用。