基于函数型数据分析的Omicron毒株传播模式及预测分析

摘要

目的 采用K-means聚类方法对我国Omicron背景下各省级行政区新冠疫情的传播模式进行划分，对不同聚集区的疫情传播风险进行评价。利用函数主成分预测模型对西藏和江西进行疫情研判，并分析模型的拟合及预测效果。方法 将纳入研究的33个省级行政区的累计确诊病例数作为研究对象，利用K-means聚类方法，对前35天的累计确诊病例数进行传播模式的划分，并在划分的传播模式下构建函数主成分预测模型，对相对较晚发生疫情传播的西藏和江西的前35天累计确诊病例数进行拟合，后5天的病例数进行预测，选用R²、平均绝对百分误差（mean absolute percentage error, MAPE）和均方根百分比误差（root mean squared percentage error, RMSPE）作为评价指标，对拟合及预测效果进行评价。结果 K-means聚类方法将纳入研究的33个省级行政区，划分为五个聚集区，每个聚集区都有各自的传播特征，本研究在Ⅰ类和Ⅱ类聚集区下，构建函数主成分预测模型，结果显示西藏和江西的拟合效果均较优，分别为0.980,0.938。预测效果均可，MAPE和RMSPE分别为0.065和0.071、0.036和0.044。结论 K-means聚类方法能够依据曲线上的数据点，对我国各省份疫情传播模式进行归类。函数主成分预测模型能够很好地对Ⅰ和Ⅱ类聚集区下两个地区的疫情趋势进行拟合及预测，提示利用相似曲线间共享的潜在信息来对新冠疫情传播趋势进行预测的方法是可行的。

关键词

新型冠状病毒肺炎 / 函数型数据分析 / 主成分分析 / K-means聚类

基金资助

国家重点研发计划（2021YFC2301603）; 山西省科技重大专项项目（202102130501003;202005D121008）; 山西省研究生教育创新项目（2023KY363;2025XS099）