目的:2020年,新型冠状病毒肺炎疫情肆虐全球,在全世界各大洲相继暴发。病毒传播力强,波及范围广。美国作为受新型冠状病毒肺炎疫情影响最严重的国家之一,预测其新型冠状病毒肺炎的流行趋势对其相关政策和预防措施的制定具有重大意义。本研究对ARIMA（autoregressive integrated moving average）模型和XGBoost（e Xtreme Gradient Boosting）模型预测美国本土新型冠状病毒肺炎的发病趋势进行比较。方法:本研究收集2020年12月13日至2021年6月30日美国本土新型冠状病毒肺炎每日确诊病例数据和疫苗接种数据,将数据分为训练集和测试集,训练集的时间范围为2020年12月13日至2021年6月16日,测试集为2021年6月17日至2021年6月30日。用训练集中的病例数据拟合ARIMA模型,测试集测试ARIMA模型的预测效果;用训练集中的病例数据和滞后得到的病例数据,同时引入疫苗数据和星期变量数据来拟合XGBoost模型,测试集测试XGBoost模型的预测效果。选取均方根误差（RMSE）、平均绝对误差（MAE）和平均绝对百分比误差（MAPE）三个指标评价XGBoost和ARIMA模型的拟合和预测性能。结果:1.截止于2021年7月11日,美国本土累积报告新型冠状病毒肺炎病例33595701人次,死亡病例达598442人次;约1.58亿人接种全部两针疫苗,约1.83亿人至少接种了一针疫苗。总体上美国本土新型冠状病毒肺炎发病呈波动下降趋势,但一周时间内周五、周六新病例相对高发,周一最少。2.根据修正赤池信息准则（AICc）,我们获得的最优ARIMA模型为ARIMA（0,1,1）（0,1,1）7。其训练集的MAE、RMSE和MAPE分别为7061.536、13517.664和7.996%;测试集的MAE、RMSE和MAPE分别为2083.571、2633.424和15.884%。3.通过不断建模和调整参数范围,我们获得最佳的XGBoost模型。最优模型得到了16组特征变量,其重要性大小排序如下:时间趋势、完全接种疫苗人数、滞后6天的病例数、滞后7天的病例数、至少接种一针疫苗人数、滞后3天的病例数、滞后1天的病例数、滞后2天的病例数、滞后4天的病例数、滞后5天的病例数、星期天、星期一、星期四、星期三、星期五和星期六。训练集的MAE、RMSE和MAPE分别为2331.134、3500.331和4.046%;测试集的MAE、RMSE和MAPE分别为962.357、1209.984和7.892%。结论:1.研究发现,2020年12月13日至2021年6月30日美国本土新型冠状病毒肺炎每日发病人数总体呈下降趋势,同时其发病存在显著以周为单位的周期性,具体表现为一周之内周五、周六发病多,其他时间相对较少。2.对比ARIMA模型和XGBoost模型,无论是训练集还是测试集,XGBoost模型的MAE、RMSE和MAPE的值均小于ARIMA模型。因此,XGBoost模型的表现优于ARIMA,其对于美国新型冠状病毒肺炎的流行趋势的拟合和预测效果更好。