ARIMA与SVM组合模型在新型冠状病毒肺炎预测中的应用
目的 基于差分自回归移动平均模型(ARIMA)通过引入支持向量机(SVM)方法,构建一个组合模型对新型冠状病毒肺炎(COVID-19)的发病趋势进行预测.方法 应用ARIMA模型对江苏省2020年1月22日-2月18日每日新增确诊病例数据中线性部分进行预测,捕捉时间序列数据的线性变化趋势,采用SVM对数据的非线性变化趋势进行预测,通过平均绝对误差(MAE)、均方误差(MSE)和平均绝对百分比误差(MAPE)评估两种组合模型的预测结果,比较模型的优劣.结果 在模型的拟合阶段,与单一ARIMA模型和SVM模型相比,ARI-MA-SVM组合模型对COVID-19发病预测的MSE、MAE和MAPE均最小,分别为0.004、0.055和0.004;在模型的预测阶段,MSE、MAE和MAPE分别为7.811、2.730和0.764,在3个模型中也均是最小的.结论 与单ARIMA或SVM相比,ARIMA-SVM组合模型对COVID-19发病趋势具有更高预测精度.
新型冠状病毒肺炎、时间序列、差分自回归移动平均、支持向量机
32
R181.2+3(流行病学与防疫)
无锡市双百中青年医疗卫生后备拔尖人才基金资助项目;无锡市新型冠状病毒感染应急防治科技专项基金资助项目;无锡市卫生健康委重大项目
2022-04-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
151-155