Método de optimización para predecir casos confirmados de COVID-19 en China

En diciembre de 2019, se descubrió un nuevo coronavirus, llamado COVID-19, en Wuhan, China, y se ha propagado a diferentes ciudades en China, así como a 24 otros países. El número de casos confirmados está aumentando diariamente y alcanzó 34,598 el 8 de febrero de 2020. En el presente estudio, presentamos un nuevo modelo de previsión para estimar y prever el número de casos confirmados de COVID-19 en los próximos diez días, basado en los casos confirmados previamente registrados en China. El modelo propuesto es un sistema de inferencia neuro-fuzzy adaptativo mejorado (ANFIS) utilizando un algoritmo de polinización de flores mejorado (FPA) aplicando el algoritmo de enjambre de salpas (SSA). En general, el SSA se emplea para mejorar el FPA y evitar sus desventajas (es decir, quedar atrapado en los óptimos locales). La idea principal del modelo propuesto, llamado FPASSA-ANFIS, es mejorar el rendimiento de ANFIS determinando los parámetros de ANFIS utilizando FPASSA. El modelo FPASSA-ANFIS se evalúa utilizando los datos oficiales de la Organización Mundial de la Salud (OMS) sobre el brote del COVID-19 para prever los casos confirmados de los próximos diez días. Además, el modelo FPASSA-ANFIS se compara con varios modelos existentes, mostrando un mejor rendimiento en términos de Error Porcentual Absoluto Media (MAPE), Error Cuadrático Medio Relativo (RMSRE) y tiempo de computación. Además, probamos el modelo propuesto utilizando dos conjuntos de datos diferentes de casos confirmados de influenza semanal en dos países, a saber, Estados Unidos y China. Los resultados también mostraron un buen rendimiento.