2019年末开始爆发、并在全世界流行的COVID,在全球范围内造成了重大的影响,而针对疫情发展的学术研究也成为重要的课题。描述性研究、分析性研究、实验性研究和理论性研究,是四种最主要的研究传染病的方法。在众多的研究方法中,传染病动力学是对传染病进行理论性定量研究的一种重要方法。它根据与疾病相关的各种因素,建立起能反映传染病动力学特性的数学模型。其中,舱室模型是目前较为成熟的、研究疫情发展规律的一种,在疫情爆发以来得到了大规模的研究和应用。但基于舱室模型的疫情数据分析,大部分采用的是确定性的舱室模型。现实世界一定伴随着随机因素,为了更深入研究、总结疫情发展的内在规律,本文研究了基于生灭过程的随机性舱室模型。生灭过程是研究人口变化规律常用的连续时间马氏过程。在理论基础部分,本文阐述了马氏链、生灭过程的定义和重要性质,并列举了两种重要的对生灭过程进行数值模拟的方法——事件规划模拟算法、定点模拟法,并对比了二者的优缺点,为后续模型的数值模拟研究、数据的模拟实证建立基础。在模型研究部分,本文结合理论分析、数值模拟实验,通过调整SIR、SEIR模型中各参数的大小,研究了舱室模型中各参数对最终疫情扩散规模、感染人数达到峰值的时间等重要因素。同时,本文还对比了确定性、随机性模型,计算得出随机性模型期望与确定性模型之间的关系。在实证部分,本文使用霍普金斯大学提供的韩国疫情数据,选取疫情爆发的3个阶段,分别使用确定性、随机性的SIR及SEIR模型进行模拟。以最小平方误差为原则,对比SIR、SEIR模型,以及对应的确定性、随机性模型的拟合效果。最终得出:对于本文采用的疫情数据,随机性SIR模型拟合效果更好。并得到了 3个阶段中易感人群规模、病毒的感染率、移出率等重要参数。通过的拟合的参数结果进行分析,不难发现:在本文分析的韩国疫情的3个阶段中,疫情得到了控制,各阶段的基础再生数不断降低;第2阶段感染率因韩国社会的阶段性波动出现了暂时性的增大。而后期的移除率远高于疫情第一阶段,这体现了随着疫情治疗手段研究的加深,痊愈率不断提高。