本文介绍了一种新的方法，利用实时信号预测流行病学参数。通过多个CNN模型和多种数据源构建稳健的预测，提高了在伦敦COVID-19爆发预测中的性能和灵活性。通过数据同化估计系统状态，提高模型的稳定性和准确性。

本文提出了一种利用实时信号预测流行病学参数的新方法，通过多个卷积神经网络模型和数据融合构建稳健的预测。在伦敦的COVID-19爆发预测中，气象信号和基于社交媒体的人口密度地图的组合提高了性能和灵活性。数据同化估计系统的状态提高了模型的稳定性和准确性。

该文介绍了一种利用多个卷积神经网络模型和各种数据源来预测流行病学参数的新方法。使用气象信号和基于社交媒体的人口密度地图的组合提高了性能和灵活性，并通过数据同化估计了系统状态，提高了模型的稳定性和准确性。