时变SEIQDR和ARIMA模型在上海市COVID-19预测中的应用和比较

作者：许书君; 马艺菲; 罗雨欣; 郭嘉铭; 王彤; 李建涛; 雷立健; 贺鹭; 余红梅^*; 解军^*

来源：中华疾病控制杂志, 2023, 27(11): 1274-1335.

DOI：10.16462/j.cnki.zhjbkz.2023.11.006

• 新型冠状病毒感染
• 时变易感者-潜伏者-感染者-隔离者-死亡者-康复者模型
• 时间序列
• 差分自回归移动平均模型

目的 根据时变易感者-潜伏者-感染者-隔离者-死亡者-康复者(susceptible-exposed-infected-quarantined-dead-removed, SEIQDR)模型和差分自回归移动平均(autoregressive integrated moving average, ARIMA)模型，针对上海市Omicron感染数据选择适合上海市疫情判断的预测模型。方法 选用2022年3月1日―4月20日上海市COVID-19新增阳性感染者的数据进行拟合，选用2022年4月21日―5月30日的数据评估模型的预测效果。分别构建时变SEIQDR模型与ARIMA模型，通过比较决定系数(coefficient of determination, R2)、平均绝对误差(mean absolute error, MAE)和均方根误差(root mean squared error, RMSE)的大小评价模型的拟合及预测效果。结果 时变SEIQDR模型和ARIMA模型的拟合效果均较优，R2分别为0.990和0.984。2个模型5 d的预测效果均尚可，对于20 d以及40 d预测效果，时变SEIQDR模型更优且更符合传染病传播的规律；前者的40 d预测MAE和RMSE分别为1 001.461和1 967.704,后者分别为1 265.331和2 068.094,且时变SEIQDR模型能较好地实现对上海市本轮疫情变化趋势及发病人数的复现。结论 时变SEIQDR模型可较好地拟合及预测上海市COVID-19的发病人数及变化趋势，且模型效果优于ARIMA(2,2,0)。

• 单位
  山西医科大学; 公共卫生学院