全球COVID-19疫情主要预测模型比较分析

目的新冠感染病死率预测对于深入理解新冠病毒严重性、合理配置医疗资源及开展针对性防疫策略有重大意义。方法本研究依据新冠病毒变异优势株,将疫情发展划分四个时期,选取美国、印度、巴西、墨西哥、秘鲁、中国六个国家以及全球平均水平的病死率为研究对象。运用灰色模型、指数平滑模型、ARIMA模型、支持向量机、Prophet和LSTM模型六个模型进行拟合预测,探讨各模型的优缺点和适用性,选取效果最优的模型对全球和重点国家的病死率进行预测。结果模型比较显示多种模型各有优缺点,经预测,多数国家的累计确诊人数和累计死亡人数增长速度减缓,发展趋势逐渐平稳。结论传统时间序列模型适于发展趋势平稳、有限样本的预测;而机器学习模型更适用于波动型变化数据,可进行大样本预测,进一步外推,运用到其他卫生领域的研究。