基于SEIR-ARIMA混合模型的新冠肺炎预测

摘要：

新型冠状病毒肺炎简称新冠肺炎,是一种由新型冠状病毒引起的急性感染性肺炎,具有传染性强、人群普遍易感的特点.因此,对新冠肺炎感染人数的预测,不仅仅有利于国家面对疫情做出科学决策,而且有利于及时整合防疫资源.本文提出一种基于传统的传染病动力模型SEIR和差分整合移动平均自回归模型ARIMA构建的SEIR-ARIMA混合模型,对不同时间段、不同地点的新冠肺炎疫情做出预测和分析.从实验结果上看,基于SEIR-ARIMA混合模型的预测,比常见的用于新冠肺炎预测的逻辑回归Logistic、长短期记忆人工神经网络LSTM、SEIR模型、ARIMA模型有较好的预测效果.为了真实地反映出实验效果的提高是否源于SEIR与ARIMA模型结合的优势,本文还实现SEIR-Logistic混合模型和SEIR-LSTM混合模型,并与SEIR-ARIMA对比分析得出,SEIR-ARIMA预测都取得更好的预测效果.因此,基于SEIR-ARIMA混合模型对新冠肺炎的发展趋势的分析相对可靠,有利于国家面对疫情的科学决策,对我国未来预防其他类型的传染病具有很好的应用价值.

关键词：新型冠状病毒肺炎;SEIR模型;ARIMA模型;混合模型;预测

分类号：R181.2+5(流行病学与防疫)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;山东省重点研发计划项目;山东省重点研发计划项目

在线出版日期：2022-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1-6