α-Sutte模型在疫情预测中的应用:基于R软件

  目的  介绍α-Sutte模型的原理、方法，并利用R软件建立α-Sutte模型。 比较α-Sutte模型与乘积季节自回归移动平均模型（SARIMA）拟合及预测效果，为α-Sutte模型在疫情预测中的应用提供参考。  方法  收集2020年1月1日至2021年7月16日印度、美国、意大利、巴西、俄罗斯、南非各国新型冠状病毒肺炎（COVID-19）逐日累计报告病例数。 以首例报告病例时间作为起点，起始日期至2021年6月16日数据作为训练数据，2021年6月17日至2021年7月16日作为测试数据。 利用R语言根据α-Sutte模型计算公式自行编写拟合及预测函数α-Sutte。 训练数据被用于训练α-Sutte模型和SARIMA模型。 建立2个模型预测2021年6月17日至2021年7月16日COVID-19逐日报告病例数。 拟合值与训练数据比较、预测值与测试数据比较评价模型拟合及预测效果。 采用评价指标为平均绝对误差百分比（MAPE）。  结果  印度、美国、意大利、巴西、俄罗斯和南非建立的最优SARIMA模型为SARIMA（5，2，2）、SARIMA（0，2，2）、SARIMA（2，2，2）、SARIMA（3，2，2）、SARIMA（0，2，1）和SARIMA（4，2，3）。 α-Sutte和SARIMA模型在印度、美国、意大利、巴西、俄罗斯、南非6个国家拟合的MAPE分别为1.32%、1.34%、0.89%、1.65%、0.99%、0.99%，以及1.51%、1.59%、0.89%、1.67%、1.03%、1.13%。 α-Sutte和SARIMA模型在6个国家预测的MAPE 分别为0.81%、0.09%、0.13%、1.58%、1.73%、3.77%，以及0.09%、0.09%、0.18%、1.13%、1.83%、3.43%。  结论  α-Sutte模型的原理、建模简单，利用R语言建立的模型拟合及预测精度高，值得在疾病监测领域推广使用。