基于SSA-PSO-GSA-SVR的全球新冠肺炎疫情分析及预测

作者：成云云; 白艳萍^*; 续婷; 谭秀辉; 程蓉

来源：陕西科技大学学报, 2022, 40(03): 192-206.

DOI：10.19481/j.cnki.issn2096-398x.2022.03.020

• 全球新冠肺炎预测
• 奇异谱分析
• 粒子群算法
• 万有引力搜索算法
• 支持向量回归

考虑到新冠病毒传播特点，本文提出了一种基于奇异谱分析(SSA)的万有引力搜索和粒子群联合算法(PSO-GSA)优化的支持向量回归(SVR)预测模型.首先，采用SSA算法对全球各个区域(非洲区域、美洲区域、东南亚区域、欧洲区域、东地中海区域、西太平洋区域)每周新增确诊及死亡病例的实时监测数据进行降噪处理，基于重构序列建立SVR模型；其次，分别引入PSO和GSA算法优化SVR模型的参数，建立更为精准的预测模型(PSO-SVR和GSA-SVR);最后结合两种算法的优点，构建了一种PSO-GSA联合算法，建立了SSA-PSO-GSA-SVR预测模型，并将以上模型应用于全球新冠肺炎疫情趋势预测.实验结果显示：对比其他文献中提出的PSO-SVR和GSA-SVR预测模型，基于SSA-PSO-GSA-SVR预测模型的预测评价指标MAPE的值最低，预测效果最优，表明该模型可以为COVID-19发展趋势提供科学依据.

• 单位
  中北大学