基于集合经验模态分解和自回归-移动平均模型的COVID-19流行病全球预测系统预测结果改进（英文）

作者：Chuwei Liu; Jianping Huang^*; Fei Ji; Li Zhang; Xiaoyue Liu; Yun Wei; Xinbo Lian

来源：Atmospheric and Oceanic Science Letters, 2021, 14(04): 54-59.

• COVID-19
• 预测
• EEMD-ARMA混合方法
• 历史数据

2020年,新型冠状病毒肺炎(COVID-19)在世界范围内迅速传播.为准确预测各国每日新增发病人数,兰州大学开发了 COVID-19流行病全球预测系统(GPCP).在本文的研究中,我们使用集合经验模态分解(EEMD)模型和自回归-移动平均(ARMA)模型对GPCP的预测结果进行改进,并对发病人数较少或处于发病初期,不完全符合传染病规律,GPCP模型无法预测的国家进行直接预测.从结果来看,使用该方法修正预测结果,古巴等国家预测误差均大幅下降,且预测趋势更接近真实情况.对于萨尔瓦多等发病人数较少的国家直接进行预测,相对误差较小,预测结果较为准确.该方法对于改进预测结果和直接预测均较为有效.