首页|基于组合预测模型的疫情确诊人数预测

基于组合预测模型的疫情确诊人数预测

扫码查看
原文链接
  • 万方数据
  • 维普
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10.1017,MAE值为7.6336,MAPE值为0.0083％,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.
Epidemic Data Prediction Based on Combined Prediction Model

庞梦吟、王海宁、万通明、马苗

展开 >

陕西师范大学 计算机科学学院,陕西 西安 710119

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

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

陕西省大学生创新创业训练计划陕西师范大学中央高校公共卫生与健康科研专项引导基金空天地海一体化大数据应用技术国家工程实验室开放基金

S202010718178GK20200702920200201

2022

10.3969/j.issn.1673-629X.2022.11.029

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(11)
  • 7