新冠疫情防控对于我国平稳发展有重要作用,尤其在疫情爆发初期,使用数学模型来评估防控措施的有效性有非常重要的现实意义。本文改进了参数估计方法,并对提出的新冠疫情模型进行参数估计,然后分析不同防控措施和病毒变异对新冠疫情的影响。主要研究内容如下:（1）近似贝叶斯算法是最为常用的参数估计方法,但其效率相对较低,而且由于容差的影响,采样后的样本是有偏的。因此本文提出一种改进的近似贝叶斯算法,并为该算法的合理性提供了理论证明。改进的算法使用后验重调整算法对样本重新调整,减少容差的影响,其容差序列是自适应的。与近似贝叶斯序列蒙特卡洛算法相比,改进的算法不仅保证了结果的准确性,而且可以将计算效率提高30%以上;（2）在新冠疫情初期,重点对接触率、病毒检测能力、轻症患者的住院率和防控措施实施时间对疫情的影响进行分析。其难点在于如何将这些措施耦合到传统传染病模型中。由于防控措施的强度会随着时间的变化而变化,因此本文将这些因素转换为随时间变化的函数,对传染病模型进行改进。接着运用（1）中改进的参数估计方法对模型进行参数估计。最后对各个防控措施进行敏感性分析,其结果表明接触率对疫情的防控最为关键。（3）由于新冠病毒是单链的RNA,所以该病毒极易发生变异。变异后的新冠病毒传染特性也会发生变化,因此本文将研究变异病毒对疫情的影响。我们首先将潜伏期和传染力结合到传统的传染病模型中,并转化为年龄结构模型和时滞模型,然后对模型的参数进行估计和敏感性分析。最后分析得出病毒的传染力和潜伏期对疫情的发展有关键作用。