基于数据挖掘的新冠病毒传播趋势研究★

第39卷 第5期2021年 5月数字技术与应用Digital Technology &ApplicationVol.39 No.5May 20212021年第 5 期应用研究DOI:10.19695/12-1369.2021.05.16基于数据挖掘的新冠病毒传播趋势研究*颜蕾 杜许泞 曹建莉(河南工业大学理学院,河南郑州 450001)摘要:针对单日和累计新增、确诊、治愈、死亡等数据,建立回归模型进行数据拟合。利用SPSS软件,建立时间序列模型,预测疫情短时期内变化趋势。对性别,年龄,迁移等因素进行检验,判断控制型变量对疫情感染的显著性影响。利用方差分析,得到性别、年龄、人口流动因素对疫情影响显著。预测出全球疫情传染仍处于危险期,感染人数仍在递增,发生二次波动的可能性较大。关键词:回归模型；时间序列分析；方差分析；独立性检验中图分类号:TP31文献标识码:A文章编号:1007-9416(2021)05-0049-030 引言自新冠肺炎疫情爆发以来,疫情未来发展趋势和疫情发展的影响因素成为国内外关注的焦点[1-3]。已有学者通过建立时间序列的ARIMA模型来预测湖北省和巴基斯坦的疫情发展趋势[4-5],但从性别、年龄、人口流动等方面入手判断疫情的影响因素并利用时间序列模型进行预测的研究较少。对每日新增治愈,死亡,确诊病例的研究是判[6]据进行拟合,利用方差分析和显著性分析来进行判断,是一种重要的研究方法。另外,建立时间序列模型在短时间内可以很好地预测疫情走向。1 回归拟合针对疫情变化,假设天数为预测变量x,每日新增、治愈以及死亡病例分别为响应变量y1,y2,y3,建立回归模型,分析每日新增、治愈以及死亡病例的变化规律。1.1 新增治愈使用数据分析工具画出疫情高发期间新增治愈病例变化趋势如图1。其中决定系数R2=0.9406,说明趋势线拟合度极高,每日新增治愈数据的回归曲线为:y1