专利摘要显示，该方法包括利用马尔科夫链蒙特卡洛MCMC方法估计预设区域的疫情的变化参数、固定参数；并基于参数构建传播模型；最后利用传播模型预测得到预设区域的疫情信息。该实施方式使用传播模型和MCMC方法预测预设区域的疫情，提高了疫情预测的准确度。

马尔科夫链蒙特卡洛方法(Markov Chain Monte Carlo)，简称MCMC，产生于20世纪50年代早期，是通过计算机进行动态模拟，在很多领域都有广泛的应用。

此前兰州大学西部生态安全省部共建中心开发的“新冠肺炎疫情全球预测系统”的预测结果，曾得到钟南山院士的肯定。而谷歌联合哈佛全球健康研究所也曾发布过新冠肺炎公共预测模型。

据了解，通过动态模拟疫情趋势的方法，可以在疫情初期起到良好的警示作用，为疫情防控的政策制定提供理论依据。