基于Logistic-GF-SEIR模型的新型传染病疫情趋势预测

摘要

为了提高新型传染病疫情趋势的预测精度,本文对传统SEIR模型进行改进,提出Logistic-GF-SEIR模型。首先,基于历史数据使用Logistic模型拟合累计康复者,并反演每日康复率、感染率和接触率;其次,使用高斯模型和Logistic模型拟合出最优时变参数;最后,初始化模型初值预测疫情群体变化趋势。以新冠肺炎爆发初期武汉市和日本的疫情发展趋势为例进行仿真测试,并与Logistic、SEIR、ARIMA、BP神经网络等预测模型进行对比分析。结果表明Logistic-GF-SEIR模型在武汉市疫情的预测中拟合和预测性能均优于其他模型,在日本疫情的预测中均方根误差优于其他模型,验证了所提出模型的可行性、有效性及稳健性,可为我国制定相似传染病的防控政策提供依据。