基于新冠肺炎预测模型选择及防疫能力评价的研究与分析.pdfVIP

AdvancesinAppliedMathematics应用数学进展,2023,12(6),3055-3068

PublishedOnlineJune2023inHans./journal/aam

/10.12677/aam.2023.126306

基于新冠肺炎预测模型选择及防疫能力评价的

研究与分析

陈林，方百青，潘纯权，肖俊，康茜

重庆科技学院，数理与大数据学院，重庆

收稿日期：2023年5月28日；录用日期：2023年6月23日；发布日期：2023年6月30日

摘要

随着2020年新冠肺炎疫情在全球范围内的爆发，全球面临了前所未有的挑战。本文旨在研究各国采取的

防疫措施的有效性，并探讨有效的防疫措施对疫情控制、经济复苏和人民生命安全的重要性。本文基于

新冠肺炎预测模型选择及防疫能力评价，采用多种分析方法进行研究和分析。首先，本文采用时间序列

ARIMA模型对疫情进行分析预测，并利用经典的传染病动力学模型，加入潜伏患者和死亡概率，建立

SEIRD模型对疫情进行预测。接着，采用多种机器学习模型与滚动预测方法相结合，提升模型的精确度，

并通过平均绝对误差(MAE)度量模型的预测精度。然后，利用多变量LSTM对疫情进行预测，并基于LSTM

深度学习和多种机器学习的基础上建立赋权组合模型的方法，得到更为精准的预测模型。最后，本文基

于多元线性回归模型分析感染率的影响因素，考虑人口密度分布的情况下，量化评价我国各个区域的防

疫能力，并从不同角度提出疫情防控工作的可行性建议，形成精细的防疫模式。本文研究结果表明，有

效的防疫措施可以有效控制疫情的传播，减少患者数量和死亡率，并为经济复苏提供了条件。此外，基

于多种分析方法和模型选择，本文提出了更为有效的疫情预测模型和防疫能力评价模型，为应对未来的

传染病疫情提供了重要的参考依据。

关键词

新冠肺炎，预测模型，防疫能力评价，ARIMA，机器学习

ResearchandAnalysisontheSelectionof

COVID-19PredictionModelsandEvaluation

ofEpidemicPreventionCapability

LinChen,BaiqingFang,ChunquanPan,JunXiao,QianKang

MathematicsandBigDataCollege,ChongqingUniversityofScienceandTechnology,Chongqing

thrdth

Received:May28,2023;accepted:Jun.23,2023;published:Jun.30,2023

文章引用:陈林,方百青,潘纯权,肖俊,康茜.基于新冠肺炎预测模型选择及防疫能力评价的研究与分析[J].应用

数学进展,2023,12(6):3055-3068.DOI:10.12677/aam.2023.126306

陈林等

Abstract

TheoutbreakofCOVID-19in2020hasposedunprecedentedchallengestotheworldonaglob-

alscale.Thisarticleaimstoinvestigatetheeffectivenessofepidemicpreventionmeasurestak-

enbydifferentcountries,andexploretheimportanceofeffectiveepidemicpreventionmeas-

uresincontrollingtheepidemic,promotingeconomicrecovery,andensuringpeople’ssa