新冠肺炎疫情全球预测

EEMD方法可以将序列分解为不同频率的分量，其对于非平稳非线性序列的处理有较好的效果。 ARMA方法可用于序列的预测，其预测仅取决于时间序列，不需要其他信息。鉴于EEMD和ARMA方法的优势，我们提出了一种混合EEMD-ARMA方法来预测残差，从而修正预测结果。使用EEMD方法将七点平滑后的原始残差序列分解为若干分量（包括余量），然后通过ARMA方法对除余量外的每个分量进行预测。将各个分量预测值相加即可得到最终的预测值。混合EEMD-ARMA预测方法流程如下：

图1残差预测流程图

对拟合结果的残差序列进行七点平滑处理，通过EEMD方法分解平滑后的序列，并去除残差分量。计算每个分量的一阶差分，然后使用ARMA模型预测每个分量。选择适当分量的预测结果进行求和，作为最终的残差预测结果。

EEMD-ARMA混合方法对高频振荡有更好的效果。为了提高预测的质量，对于残差序列，我们选择新增病例数到达峰值的之前几天作为序列的开始时间。