吴琦琦，黄志甲，周 恒，卞梦园，寇遵丽，张金星

(安徽工业大学建筑工程学院，安徽马鞍山243032)

新冠肺炎是由严重急性呼吸综合征冠状病毒2(SARS-CoV-2)引起的一种传染性疾病。2019 年12 月下旬在武汉首次报道，截至2021 年3 月底，全球累计新冠肺炎确诊病例约12 254 万例，累计死亡病例约270万例，分布在220个国家和地区。新冠肺炎主要通过飞沫、接触、间接接触以及气溶胶等方式传播，临床表现主要为发热、乏力、干咳、呼吸困难和疲倦等症状，严重可导致死亡。新冠病毒传播速度快，给各国家医疗系统带来了巨大挑战。在传染病防控过程中，根据实时监测数据，构建预测模型预知新冠肺炎病例数、预测疾病流行趋势具有重要意义。国内外学者利用权威机构疫情公开数据展开研究，并建立各种不同的预测模型对疫情发展趋势进行预测，这对卫生医疗系统设备的合理调控进行了有效指导。目前，用于新冠肺炎疫情预测的模型和方法较多，主要包括回归模型、传播动力学模型、人工神经网络模型、时间序列模型等。回归模型用于预测某一时刻的值，但在预测早于这一时刻的效果有限；人工神经网络模型具有灵活的非线性函数映射能力，但不能应用于包含线性和非线性的时间序列结构；传播动力学模型依托疫情暴发早期数据可科学预测疫情流行趋势，但由于暴发初期疫情数据的有限性与不完整性，单独应用并开展科学预测仍存在限制；时间序列模型的数据准备和操作执行较简便易行，通常被用来预测传染病的短期波动，但对于罕见且严重程度高的疾病不能很好地模拟，因此同神经网络方法相结合的组合模型被开发。……