新冠肺炎是一种由新型冠状病毒（COVID-19）导致的疾病,可通过呼吸传播。自2019年在中国武汉发现该病起,新冠疫情在全国迅速扩散,随后扩散蔓延至整个世界,对人类社会造成了巨大的破坏,当今世界以美国较为严重。因此本文期望做出针对疫情感染人数的量化预测以向政府与医疗组织提供重要的科学数据,协助公共决策和医疗分配资源,这对寻找有效的措施抗击疫情,恢复社会各方面的发展有着重要的意义。文章开始先解释传统的SIR模型,该模型属于传染病模型的鼻祖,文章介绍了模型的原理、方程以及通过TRR算法求解参数的方法。随后基于SIR模型对美国感染人数做实证分析,发现模型虽然对已有数据拟合效果良好,但计算出传染率β=0.0011,移出率Y=0.0002,这大大超出了二者的范围[0.2,1.5],这与现实情况以及临床资料极大不符,且模型短期预测效果较差,长期预测感染人数呈指数增长,最高峰超过美国人口总数,这显然不可能。由于传统的SIR模型仅有三个变量{S（t）,I（t）,R（t）},两个参数{β,λ},过于粗糙,无法刻画影响因素极多的新冠疫情的传播,于是本文选取了最新的针对新冠肺炎特点,能对防疫政策做出评估的SEIDIuQHRD模型。该模型由Khondoker Nazmoon Nabi于2020年10月提出,创新的采用了八个变量{S（t）,E（t）,ID（t）,IU（t）,Q（t）,H（t）,R（t）,D（t）},十五个参数{β,λ,r,r2,η,K,q,σ1,σ2,γ,ΦD,Φu,ΦH,δu,δH}等,对应着分别引入了潜伏期、无症状感染者、隔离期患者与隔离率等,这可以细致充分的解释新冠疫情的传播情况。我们采用该模型对美国进行实证分析,根据临床资料与过往研究确定了变量与参数的初值和大致范围,通过TRR算法对美国全国数据做了拟合,得到了很好的结果,拟合的平均绝对百分比误差MAPE为1.50%,预测的MAPE为3.27%,远小于SIR模型的4.15%与6.93%。同时模型长期预测有疫情的高峰与低谷,这相比SIR模型也更加符合现实。同时本文与其他学者的预测也做了对比,差距也在可接受范围内。最后我们得到了结论,短期预计美国全国有症状患者将于2021年3月31日3349万例,长期美国疫情将在2021年12月达到峰值,2021年12月23号左右达到最多的4343万例,后续感染人数开始缓慢下滑,两年内感染人数恐怕难以清零,预计未来美国疫情将常态化。同时为了评估防疫政策对疫情的影响大小,我们需要评估防疫政策宽紧的替代指标隔离率q的大小对SEIDIUQHRD模型中有症状患者数量的影响。传统的单参数或局部灵敏度分析难以分析参数与输入如此复杂不确定的模型,于是我们通过全局灵敏度分析（GAS）来评估隔离率q对模型的影响,由于模型为非线性但单调的,适合使用偏秩相关系数（PRCC）来分析各个参数影响大小。果然结论发现隔离率q为诸多参数中对患者数量负影响最大的参数。这表明如果美国的隔离率如果继续较低,即美国人民仍大规模出行、游行等,且政府的防疫政策仍然宽松,不限制人们的出行的话,那么美国疫情的爆发恐怕很难阻止。