基于组合预测模型的疫情确诊人数预测

来源：计算机技术与发展杂志2022年第11期北京时间：

作者：庞梦吟;王海宁;万通明;马苗;'*

单位：1. 陕西师范大学 计算机科学学院,陕西 西安 710119;2. 空天地海一体化大数据应用技术国家工程实验室,陕西 西安 710129

摘要：公共卫生安全事件常常是牵动着一个地区、一个国家,乃至整个世界的重大问题。 2019 年底爆发的新型冠状病毒(Corona Virus Disease 2019,COVID-19) 疫情迅速席卷了很多国家,及时了解疫情确诊人数变化,对协助挖掘肺炎疫情的传播模式和特征规律十分重要。 针对此问题,提出了一种组合预测模型来预测此次新型冠状病毒肺炎累计确诊人数数量。首先从国家卫生健康委员会等权威机构所发布的数据中获取历史累计确诊人数,然后再以 Logistic 模型和长短期记忆深度学习网络模型( Long Short-Term Memory,LSTM) 的预测结果为基础,选取一定时间段的累计确诊人数序列来训练线性组合参数,得到最终的组合预测模型,最后通过 RMSE 等预测性能评价指标对比所提模型和 Logistic、LSTM 和 SEIR 等三种模型的预测性能。 实验结果表明,所提模型的 RMSE 值为 10. 101 7,MAE 值为 7. 633 6,MAPE 值为 0. 008 3% ,其准确性和拟合效果均优于其他模型,能够为后续的疫情预测和防控工作提供技术支撑。

关键词：Logistic 模型;LSTM 模型;组合预测模型;深度学习;公共卫生安全事件