基于SEAIQR模型与Dropout-LSTM模型的西安市COVID-19疫情趋势预测

摘要

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（R_t）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，R_t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。

关键词

新型冠状病毒肺炎 / SEAIQR模型 / Dropout-LSTM模型 / 动态清零 / 预测 / 对比