目前针对新冠疫情的传播预测和防控的建模分析技术,如隔室模型,多智能体建模和机器学习算法等,已取得了较为深入的研究成果。然而这几类建模技术生成的新冠预测模型具备诸多缺陷,首先受限于计算资源和数据规模,其难以利用不同区域内的个体流动性对疫情的影响以及防控措施进行精准模拟;其次,目前研究缺乏对一些疫情的复杂情况的考虑,例如:未来各国医疗资源差异性导致的疫苗覆盖率不平衡,不断出现的新变异毒株等问题。因此,本文针对由于毒株变异与疫苗接种有效性之间的矛盾所引发的新冠防控常态化,如何利用多区域个体流动性建模技术实现新冠传播预测和高效精准防控策略支持等问题,提出了一种基于个体流动性行为的传染病预测和防控模型,主要贡献如下:（1）通过建立个体流动性强度与疫情有效再生数的联系,根据人口流动性强度变化预测出疫情有效再生数参数,作为下一阶段隔室模型的输入,增强了隔室模型对现实不确定性模拟的能力并提高预测精准度。并且了提出了一种新的基于Bagging方法的MF-Conv LSTM集成模型,采用多尺度特征（时域特征,频域特征,时间域局部特征等）构建多重预测器,能从多视角捕捉人类个体常规活动特征,尽可能全面分析疫情下不同区域内个体流动性的动态变化更好的辅助预测。（2）构建了一个能够适应不同区域人口数据,医疗资源,多重混合毒株感染,以及疫苗接种等多因素的传染病隔室预测模型,可以更全面地模拟疫情传播的动态变化过程,并满足适应公共卫生决策者的多方面的需求,例如医疗资源需求,疫苗接种计划等情况,为整体预测模型提供了可解释性流行病学理论支持。（3）建立了不同防控政策即改变不同区域内流动性对疫情防控影响的效果评估,提出了适应英国的最为高效精准的防控策略。最优干预策略是在2021年3月底前实施P=20%（干预强度:流动性降低为Baseline的20%）的抑制干预,然后每月逐步释放干预强度P+20%,并最终在2021年6月底将强度释放到P=80%。届时总死亡人数将达到129,041人。这种策略将能够实现生命损失和经济损失之间的权衡。且该策略与英国现实中4月份实施的策略相似,证实了本研究所提出的干预策略的有效性。与英国政府2021年6月30日公布的官方统计数据相比,我们的模型可以准确预测每日新增病例数,其R2-SCORE为0.8801,死亡总数的相对错误率小于5%。此外,该模型还适用于来自其他世界各国/地区的数据。