XGBoost模型在新冠疫情预测中的研究应用

李少亭，王雪瑞

1(东北财经大学 统计学院，辽宁 大连 116025) 2(北京交通大学 理学院，北京 100044) E-mail：20121642@bjtu.edu.cn

1 引 言

2019新型冠状病毒(COVID-19)是新中国成立以来发生的最严重的一次重大突发公共卫生事件，具有传播速度快、感染范围广、持续时间长以及防控难度大等特点.此次新冠疫情持续时间较长，直到2021年仍然零星爆发，对我国经济造成巨大冲击，也对我国医疗卫生体系提出重大挑战.因此准确地预测疫情发展趋势，可以为疫情防控提供有效的参考信息，为打赢疫情防控阻击战提供数据支撑.

国内外学者针对新冠疫情构建了各种模型预测和分析其传播和发展趋势，主要集中在传播动力学模型和传统统计学模型.传播动力学模型主要根据各要素之间的关系构建微分方程从而模拟其发展趋势，因此被广泛地运用于传染病的传播与分析中.盛华雄等[1]在疫情控制阶段采用SIR模型分析和预测武汉市疫情，比较准确地刻画出各类人群在控制阶段随时间变化的规律.Zareie 等[2]构建SIR 模型，对伊朗新冠疫情传播进行有效预测.范如国[3]等基于复杂网络理论建立了SEIR模型，对3种情形下疫情拐点进行了预测，结果表明与真实情况基本吻合.Rajagopal等[4]采用分数阶SEIR模型对意大利新冠疫情进行预测，结果表明分数阶SEIR模型更接近真实数据.唐三一等[5]利用常系数的SEIHR模型较好地预测2020年1月24日凌晨以前累计报告确诊病例数.Manotosh等[6]建立SEIQR模型发现减少接触是控制疫情最有效的途径，并对印度马……