摘要：[目的]预知重大传染病的发展趋势可提前制定应对措施，探索基于多机器学习的集合预测方法建立准确有效的传染病疫情预测模型。[方法]基于灰狼优化算法，搜索ANFIS、LSSVM和LSTM三种机器学习的最优权重组合，建立重大传染病集合预测模型。通过COVID-19疫情数据设计实验评估模型预测性能。[结果] ANFIS、LSSVM和LSTM分别适用于确诊、死亡和恢复病例情景；基于灰狼优化的集合预测模型在三种情景下的R2分别达到了0.987、0.993和0.987，相较于单项模型的平均RMSE分别降低了38.79%、64.40%和53.88%。[局限]模型需使用其他重大传染病疫情数据进一步验证。[结论]不同机器学习的预测表现各有所长，基于灰狼优化的集合预测模型能够有效融合多机器学习优势，从而获得稳定、精确的预测结果。

关键词：重大传染病疫情;集合预测;灰狼优化;机器学习; 

基金资助：国家自然科学青年基金项目《重大传染病疫情预测与政府干预措施评估研究——以新冠肺炎疫情为例》（项目编号：72004086）的研究成果之一； 

原文下载链接：http://kns.cnki.net/kcms/detail/10.1478.g2.20220420.1803.005.html