[发明专利]基于传播动力学和多项式回归的新冠病毒传播预测方法

说明书

本发明涉及传染病传播学技术领域，公开了一种基于传播动力学和多项式回归的新冠病毒传播预测方法，包括以下步骤：S1，收集新冠病毒疫情数据并对数据进行处理；S2，构建SEIR传播模型；S3，建立多项式回归预测模型；S4，使用建立的多项式回归预测模型在SEIR传播模型的预测拐点区间进行数据分析与预测。本发明实验结果表明，采用传播动力学模型结合机器学习算法的预测方法相比于线性回归、逻辑回归等单一算法的预测方法具有更高的预测准确率。

技术领域

本发明涉及传染病传播技术领域，特别涉及一种基于传播动力学和多项式回归的新冠病 毒传播预测方法。

背景技术

新型冠状病毒肺炎疫情中，众多学者使用不同的算法都取得了很好的效果，为国家的抗 击疫情做出了重大贡献。目前预测新冠肺炎确诊人数的模型大多采用曲线拟合、神经网络和 线性回归。此外，传统的曲线拟合是完全基于数据趋势进行预测，无法考虑传染病的传播速 度、传播模式及各种防控措施的实施带来的转折影响，预测效果并不好。传染病资料的分析 及预测需要特殊的方法，是方法学研究的一个重要领域。这些因素都导致传统的单一算法预 测模型效果不好。

发明内容

本发明针对SEIR传播模型可以有效预测拐点，但在预测实际确诊人数时存在较大误差， 以及多项式回归预测模型在传染病疫情出现拐点时的预测存在较大误差的问题，提出了一种 基于传播动力学和多项式回归的新冠病毒传播预测方法。

为了解决上述技术问题，本发明的技术方案为：

一种基于传播动力学和多项式回归的新冠病毒传播预测方法，包括以下步骤：

S1，收集新冠病毒疫情数据并对数据进行处理；

S2，构建SEIR传播模型；

S3，建立多项式回归预测模型；

S4，使用建立的多项式回归预测模型在SEIR传播模型的预测拐点区间进行数据分析与 预测。

步骤S1中：将从国家卫生健康委员会得到的本次疫情数据进行处理，建立时间和确诊人 数关系图。

较佳的，步骤S2包括以下步骤：

S21，将人群分为易感者S、潜伏者E、感染者I和康复者R，设每日每人接触到的人数为r，易感者S被潜伏者E感染的概率为β，易感者S被感染者I感染的概率为β₁，潜伏者转 化为感染者的概率为α，康复概率为γ，总人数为N；

S22，根据上述设定，模型详情

S23，整理为迭代形式

I_n＝I_n-1+αE_n-1-γI_n-1

R_n＝R_n-1+γI_n-1

S24，利用当前新冠疫情数据，用上述迭代形式的公式预测出未来一段时间新冠疫情的时 间拐点。

较佳的，步骤S3中：使用polyfit函数对多项式进行曲线拟合，多项式设为y＝f(x,y,n)， 其中x为横坐标，y为纵坐标，n为拟合的多项式次数，y为感染人数。

较佳的，拟合次数n选取为4。