论文部分内容阅读
在新冠疫情背景下,准确地预测每日新增确诊人数可以为政府制定合理有效的政策提供有力的数据支撑.本文基于自适应噪声的完整集合经验模态分解(CEEMDAN)、极端梯度提升树(XGBoost)以及网络搜索数据(WSD)建立每日新增确诊人数预测模型,并引入多个基准模型和评价指标对模型预测性能进行对比分析.结果 发现WSD能够对历史信息进行补充,CEEMDAN能够有效去除局部噪声,组合模型具有良好的预测能力,对不同时期的预测效果均较为稳定,并且其预测性能明显优于其他7个基准模型,这表明组合模型具有一定的实用价值,并且可以推广到其他疫情相关指标的预测中.