《表2 多种模型预测结果比对》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于SEIR-LSTM混合模型的新型冠状病毒肺炎传播趋势分析与预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了对本文提出的方法进行评估，选取几种主流的疾病预测算法进行比较．对比方法包括逻辑回归、多项式回归、SEIR模型和LSTM．逻辑回归使用1月24日至3月3日的疫情数据进行训练，使用最小二乘法进行拟合，最后给出后8d的预测结果．多项式回归分别使用了指数函数、三阶函数、四阶函数[14]对1月24日至3月3日的数据进行拟合，选取最优的函数给出后8d的预测结果．SEIR模型和LSTM与上文建模方法一致．各种方法的预测结果对比如表2所示．由结果可知，多项式回归效果较差，该模型过于注重对每个训练数据的拟合，从而容易造成过拟合现象．对于LSTM模型来说，纳入了更多输入变量，而训练数据较少，也容易出现过拟合现象．SEIR模型考虑了各种状态之间的转换，取得相对一般的结果．逻辑回归（Logsitic）取得仅次于SEIR-LSTM模型的效果，得益于疫情得到控制，确诊人数相对平稳，其后半段能很好的预测较为平稳的结果．相比于其他几种算法，SEIR-LSTM混合模型的预测精度有明显的优势，RMSE、MAE、MAPE和R2分别为1 430.25，1 126.62，5.41%和0.83.