感染症拡大を予測するパンデミックシミュレーションはシナリオによるシミュレーションとして取り扱われてきたが，実際にパンデミックが起こり始めると，観測データを使いながら将来どのようになるかを予測できるかということが重要になってくる．モデルの構造を仮定し，観測データを利用してモデルのパラメータを同定しながら予測を進める方法論は，データ同化とかグレーボックスとも呼ばれているが，パンデミック予測を行う上でもこのことが必要になってくる．ここでは，微分方程式によるSIRモデルのパラメータを観測データから精確に推定するBBS法を提案し，またこれまで実際に観測された，SARS，口蹄疫のデータを用いて予測を行った結果について議論する．また，これをtruncatedモデルによる予測結果とも比較する．
比較の結果，SIRモデルは最悪のケースを早期に予測する可能性があるが，truncatedモデルはかなり無力であることが分かった．

For infectious disease spread prediction models, pandemic simulations have been dealt with a kind of simulations by scenario. However, when a pandemic occurs, predicting the future using the observed data becomes crucial. The methodology that assumes the model structure and estimates the model parameters using the observed data, which is called the assimilation or the gray box, is also necessary in pandemic analysis. In this paper, we propose a method to estimate such parameters, called the BBS (best-backward solution) method, and discuss the prediction results for observed real cases such as the SARS and the FMD (foot-and-mouth disease). We compare the results with those using the truncated model. We have found that the SIR model provides the worst case predictions even in earlier stages of pandemics contrary to the truncated model.