-
基于SEAIQR模型与Dropout-LSTM模型的西安市COVID-19疫情趋势预测
编辑人员丨2024/7/6
目的 基于传染病动力学SEAIQR(susceptible-exposed-asymptomatic-infected-quarantined-removed)模型和Dropout-LSTM(Dropout long short term memory network)模型预测西安市新型冠状病毒肺炎(COVID-19)疫情的发展趋势,为评估"动态清零"策略防控效果提供科学依据.方法 考虑到西安市本轮疫情存在大量的无症状感染者、依时变化的参数以及采取的管控举措等特点,构建具有阶段性防控措施的时变SEAIQR模型.考虑到COVID-19 疫情数据的时序性特征及它们之间的非线性关系,构建深度学习Dropout-LSTM模型.选用2021 年12 月9 日-2022 年1 月31 日西安市新增确诊病例数据进行拟合,用 2022 年2 月1 日-2022 年2 月7 日数据评估预测效果,计算有效再生数(Rt)并评价不同参数对疫情发展的影响.结果 SEAIQR模型预测的新增确诊病例拐点预计在 2021 年 12 月 26 日出现,约为 176例,疫情将于 2022 年 1 月 24 日实现"动态清零",模型R2=0.849.Dropout-LSTM模型能够体现数据的时序性与非线性特征,预测出的新增确诊病例数与实际情况高度吻合,R2=0.937.Dropout-LSTM模型的MAE和RMSE均较SEAIQR模型低,说明预测结果更为理想.疫情暴发初期,R0 为 5.63,自实施全面管控后,Rt 呈逐渐下降趋势,直到 2021 年 12月27 日降至1.0 以下.随着有效接触率不断缩小、管控措施的提早实施及免疫阈值的提高,新增确诊病例在到达拐点时的人数将会持续降低.结论 建立的Dropout-LSTM模型实现了较准确的疫情预测,可为COVID-19 疫情"动态清零"防控决策提供借鉴.
...不再出现此类内容
编辑人员丨2024/7/6
