α-Sutte模型在疫情预测中的应用:基于R软件

目的 介绍α-Sutte模型的原理、方法,并利用R软件建立α-Sutte模型.比较α-Sutte模型与乘积季节自回归移动平均模型(SARIMA)拟合及预测效果,为α-Sutte模型在疫情预测中的应用提供参考.方法 收集2020年1月1日至2021年7月16日印度、美国、意大利、巴西、俄罗斯、南非各国新型冠状病毒肺炎(COVID-19)逐日累计报告病例数.以首例报告病例时间作为起点,起始日期至2021年6月16日数据作为训练数据,2021年6月17日至2021年7月16日作为测试数据.利用R语言根据α-Sutte模型计算公式自行编写拟合及预测函数α-Sutte.训练数据被用于训练α-Sutte模型和SARIMA模型.建立2个模型预测2021年6月17日至2021年7月16 日 COVID-19逐日报告病例数.拟合值与训练数据比较、预测值与测试数据比较评价模型拟合及预测效果.采用评价指标为平均绝对误差百分比(MAPE).结果 印度、美国、意大利、巴西、俄罗斯和南非建立的最优 SARIMA 模型为 SARIMA(5,2,2)、SARIMA(0,2,2)、SARIM A(2,2,2)、SARIMA(3,2,2)、SARIMA(0,2,1)和SARIMA(4,2,3).α-Sutte和SARIMA模型在印度、美国、意大利、巴西、俄罗斯、南非6个国家拟合的MAPE分别为1.32％、1.34％、0.89％、1.65％、0.99％、0.99％,以及 1.51％、1.59％、0.89％、1.67％、1.03％、1.13％.α-Sutte 和 SARIMA 模型在 6 个国家预测的 MAPE 分别为 0.81％、0.09％、0.13％、1.58％、1.73％、3.77％,以及 0.09％、0.09％、0.18％、1.13％、1.83％、3.43％.结论 α-Sutte模型的原理、建模简单,利用R语言建立的模型拟合及预测精度高,值得在疾病监测领域推广使用.