基于SSA-PSO-GSA-SVR的全球新冠肺炎疫情分析及预测

摘要

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.