(ISLR)2019-nCov新增人数预测模型

Title : TODO

Objective : TODO

Created by: chenjunyi

Created on: 2020/2/11

#Feb_11
#截止至昨日24:00 的感染人数
par(family=“STXihei”)
Today_confirmedNum <- c( #截至于Feb_11
44742,42744, 40224, 37162,
34594, 31197, 28060, 24363, 20471,
17238, 14411, 11821, 9720, 7736,
5997, 4535, 2761, 1985, 1297
)
#获得数据长度
date_len <- length(Today_confirmedNum) #数据长度
x <- 1:date_len
lastnum <- date_len

#截至前日24:00 的感染人数
Yesterday_confirmedNum <- c(Today_confirmedNum[2:date_len],830)

#截止至昨日24:00 的新增确诊人数序列
ConfirmNumIcr <- rev(Today_confirmedNum - Yesterday_confirmedNum)

days <- 30

#画出数据离散点 注：plot()必须加上type=""参数才能画出线
plot(x, ConfirmNumIcr,type = ‘b’,xlim = c(1,days+1),ylim =c(0,5000),xlab=‘1月23日起’, ylab=‘新增确诊人数’,cex = 1.5 )
points(x[lastnum], ConfirmNumIcr[lastnum],col=“black”,pch=19,cex=2)

#建立模型；已证明该模型p-value最小
model1 <-lm.fit3_2 <- lm(ConfirmNumIcr~I(x^2)+I(x3))

#求出拟合模型
#为什么要用data.frame?
model_date <- data.frame(x=seq(1,days,1))
#predict()函数的意义：给定一个模型model1，给出横座标向量，生成纵座标向量，se=TRUE即指给出Standard ERROR
#Q:model_fitted_y也是有下个值的向量，如何lines()出来？

model_fitted_y <- predict(model1, newdata = model_date,se = TRUE)
#画出包括昨日数据的模型
lines(model_date$x, model_fitted_y$fit,col=‘red’,cex = 2,lwd = 2)
#points(model_date$x[days_of_month], model_fitted_y$fit[days_of_month],col=“red”,cex=2,pch=19)
points(model_date$x[date_len], model_fitted_y$fit[date_len],col=“red”,cex=2,pch=19)
points(model_date$x[date_len+1], model_fitted_y$fit[date_len+1],col=“red”,cex=2,pch=19)

#画出去掉昨日数据的模型
ConfirmNumIcr.old <- ConfirmNumIcr[1:date_len-1]
x.old <- x[1:date_len-1]
model.old <- lm(ConfirmNumIcr.old~I(x.old^2)+I(x.old3)) #得到的是拟合的函数
model_date.old <- data.frame(x.old=seq(1,days,1))
#给出预测变量x，得到在所拟合的函数对应的响应值
model_fitted_y.old <- predict(model.old, newdata = model_date.old,se = TRUE)
lines(model_date.old$x, model_fitted_y.old$fit,col=‘green’,cex = 2,lwd = 2)
points(model_date.old$x[date_len-1], model_fitted_y.old$fit[date_len-1],col=“green”,cex=2,pch=19)
points(model_date.old$x[date_len], model_fitted_y.old$fit[date_len],col=“green”,cex=2,pch=19)

#备注信息
legend(“top”, legend = “空心点为实际数据，绿线为昨日模型，红线为今日模型”,text.col = “black”,text.width = 26)
text(date_len+7,model_fitted_y$fit[date_len+1],"预测明日(2.13)新增点") text(date_len+7,model_fitted_y.old$fit[date_len],“昨日模型预测今日新增点”)

diff <- ConfirmNumIcr[date_len] - model_fitted_y.old$fit[date_len] diff_per <- diff/ConfirmNumIcr[date_len] print(sprintf('昨日模型偏差: print(sprintf('今日模型预测明日新增数据为:$fit[date_len+1]))
print(sprintf(‘算上偏差，今日模型预测明日(2.13)新增数据为: %4.2f’,(diff_per+1)*model_fitted_y$fit[date_len+1]))

points(model_date$x[date_len+1], 1275.72,col=“blue”,cex=2,pch=19)