“全球大流行”是指一种新疾病在全球传播。当一种新型病毒在世界各地出现并传播时，就会发生大流行，并且大多数人没有免疫力。通常这种疾病的发病蔓延迅速，涉及地域广，人口比例大，在短时间内可以越过省界国界甚至洲界形成世界性流行。事实上，被世界卫生组织认定的“全球大流行病”，包括14世纪黑死病、19世纪末天花、1918年西班牙流感，2019年新型冠状病毒等。在全球化的趋势下，各个国家人员的往来十分频繁，这预示着新的全球大流行疫情还会出现。对全球大流行疫情的研究从来没有停止过。 通常，在全球大流行病爆发初期，限于卫生部门和公众对这种疾病的认识，使其处于几乎不受制约的自然传播形式，后期随着治疗手段和预防措施的不断增加，疫情传播受到严格控制。请在SIR模型的基础上，进一步考虑其它因素，例如潜伏期、隔离、致死率、免疫性等等，建立你们自己的数学模型，来解决以下问题： 1）对疫情的走势做一个预测 2）依据可以查阅的公开信息、数据等分析你所建模型的可靠性和合理性

我们可以考虑建立SEIR模型的基础上，加入更多的因素来更加准确地预测全球大流行疫情的走势。这些因素包括潜伏期、隔离、致死率、免疫性等等。

首先，我们需要调整SEIR模型，将其变为SEIRS模型，其中S表示易感人群的数量，E表示潜伏期人群的数量，I表示感染人群的数量，R表示康复人群的数量，而S和R之间还有一部分人群进入了免疫期但不具备免疫力，我们用E来表示这部分人群。模型的微分方程如下：

dS/dt = -beta*S*I/N + rho*E
dE/dt = beta*S*I/N - sigma*E - rho*E
dI/dt = sigma*E - gamma*I
dR/dt = gamma*I + (1-p)*rho*E
dE/dt = p*rho*E

其中，rho是免疫期的倒数，p是致死率，N=S+E+I+R是总人口数量。

在这个模型中，我们加入了免疫性因素，使用E来表示免疫期但不具备免疫力的人群，同时考虑了这部分人群的流动，即有一部分人从易感态进入免疫期，有一部分人从免疫期进入康复态。我们还加入了致死率p，考虑了病毒对人体的危害。

为了更加准确地预测全球大流行疫情的走势，我们还可以考虑隔离措施对病毒传播的影响。我们可以引入一个隔离率q，表示被隔离的人群在感染后不会传播病毒，从而将上述模型修改为：

dS/dt = -beta*S*I/N + rho*E - q*beta*S*(I+q*E)/N
dE/dt = beta*S*I/N - sigma*E - rho*E + q*beta*S*(I+q*E)/N
dI/dt = sigma*E - gamma*I
dR/dt = gamma*I + (1-p)*rho*E
dE/dt = p*rho*E

其中，新增的部分为-q*beta*S*(I+q*E)/N和q*beta*S*(I+q*E)/N，表示隔离措施对易感人群和潜伏期人群的影响。

通过对这个模型进行求解，我们可以得到全球大流行疫情的走势预测。同时，我们还可以根据已有的公开信息和数据来验证和调整模型，以提高其可靠性和合理性。例如，我们可以根据已有的数据来估算模型中的参数，如传染率beta、潜伏期sigma、免疫期rho、致死率p等等，从而提高模型的准确性。我们还可以使用历史数据来验证模型的可靠性，并进行进一步的调整和优化。