基于CIST-GCN的流行病數據分析與預測

何宇浩，鄭賢偉

（佛山科學技術學院 數學與大數據學院，廣東 佛山 528225）

0 引 言

自2019年12月以來，武漢爆發的COVID-19 疫情由于春節人口流動快速蔓延，對疫情進行風險分析，評估防控策略的有效性和時效性等具有非常重要的現實意義。

在疫情的預測工作上，國內外早有許多學者做出大量工作。在傳統數學建模方向上，蘭州大學的黃建平等人（2020）利用其團隊30年來在統計-動力氣候預測的先進技術，將流行病學模型與實時更新的疫情、氣象和環境數據相結合，構建了世界上第一個全球疫情預測系統，較好地預測世界各個國家每日新增確診病例數的主要特征和長期趨勢。王旭艷等（2020）采用平滑指數模型對累計確診病例數，累計治愈出院病例數，累計死亡病例數，重癥病例數及危重癥病例數進行擬合和預測，采用該方法的擬合值與實際值的趨勢基本吻合。董章功等（2022）基于傳統的傳染病動力模型SEIR 和差分整合移動平均自回歸模型ARIMA 構建的SEIR-ARIMA 混合模型，對不同時間段，不同地點的新冠肺炎疫情做出預測和分析，通過與SEIR-Logistic 混合模型和SEIR-LSTM 混合模型的對比分析得出SEIR-ARIMA 混合模型對新冠肺炎的發展趨勢的分析相對可靠，有利于國家面對疫情的科學決策，對我國未來預防其他類型的傳染病具有很好的應用價值。在機器學習或深度學習方向上，Nikhil等（2021）提出了一個基于多項式的線性回歸模型，使用過去幾個月的數據根據當前情況預測未來的數據，該模型對2021年1月的病例進行了預測，經Wordometer.com 上的實際數據驗證，準確率為99.29%。……