时间序列模型应用于新型冠状病毒肺炎疫情预测效果比较研究

摘要

目的 比较常见时间序列模型应用于新型冠状病毒肺炎(COVID-19)疫情预测的效果.方法 收集2020年4月1日至9月30日美国、印度和巴西3个国家COVID-19每日确诊病例数,分别建立差分自回归移动平均(ARIMA)模型和循环神经网络(RNN)模型,使用平均绝对百分比误差(MAPE)和均方根误差(RMSE)等指标,比较不同模型预测9月21-30日确诊病例的表现.结果 应用ARIMA模型预测美国、印度和巴西疫情的MAPE分别为13.18％、9.18％和17.30％,RMSE分别为6 542.32、8 069.50和3 954.59;应用RNN模型预测美国、印度和巴西疫情的MAPE分别为15.27％、7.23％和26.02％,RMSE分别为6 877.71、6 457.07和5 950.88.结论 ARIMA和RNN模型的COVID-19预测效果存在地区差异,ARIMA模型的预测效果在美国和巴西较优,而RNN模型的预测效果在印度较优.