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; **伟^*

来源：中华医院感染学杂志, 2022, 32(01): 151-155.

• 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

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，ARIMA-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。

• 单位
  南京医科大学; 无锡人民医院