随着新冠疫情的全面爆发,在全世界扩散,在疫情的发展阶段每日确诊病例增长迅速,给社会生活、生产带来严重影响,各国研究学者都在致力于新冠肺炎传播机制问题的研究。新冠疫情期间,对于疫情的各种数据也是人民群众十分关注的问题,各种针对疫情信息的追踪与预测分析是十分迫切的,对群众公开展示信息,帮助人们及时了解疫情的实时信息和未来发展的趋势。本文通过研究信息可视化技术,结合新冠疫情数据特点,利用多种疫情数据获取技术,对新冠疫情数据进行收集、提取、分析以及预测,研究当前新冠疫情信息追踪与预测系统技术。本文使用网络爬虫技术获取各地的新冠肺炎疫情数据,并利用Echarts技术实现数据的可视化展示。通过可视化展示,用户可以更加直观地了解全球疫情的发展趋势以及各地的疫情情况。在数据展示方面,本文使用了世界地图、中国地图、折线图、柱状图等多种形式来展示不同层级的疫情数据,如全球、国家、省市等。除了数据展示,本文还使用MTS-LSTM模型对疫情的趋势进行预测。该模型通过对武汉和中国其他地区的疫情数据进行分析,提出多变量长短时记忆预测模型,以预测全球疫情的发展趋势。通过与其他预测模型进行对比分析,本文证明了MTS-LSTM模型的预测效果更加准确。最后,本文使用Python的Django框架设计和开发了可视化分析系统。该系统采用了B/S架构,包括可视化模块和后台计算中心模块。前端采用Layui模板和Echarts中间件技术,结合世界地图、中国地图、各种统计图等进行实现。后台主要是实时的获取数据,计算预测结果,并在前台进行展示,利用这种可视化的组件可以直观的对新冠疫情的实时信息进行展示,并且使用不同颜色表示不同地区疫情的严重程度。本文的研究和实现结果表明,基于机器学习的新冠肺炎疫情数据可视化分析系统可以为政府决策、公众健康管理和疫情预防提供重要的支持。该系统可以更好地展示疫情数据,帮助用户更好地理解疫情趋势,以及预测疫情的发展。