ARIMA与SVM组合模型在新型冠状病毒肺炎预测中的应用

• 作者: 宋舸 李小杉 王克伟
• 来源期刊: 中华医院感染学杂志
• 学科: 医学
• 关键词: 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
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 感染管理研究|Infection Control
• 页码范围: 151-155
• 页数: 5页
• 分类号: R181.2+3
• 语种: 中文
• DOI: 10.11816/cn.ni.2022-211248

摘要

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.