El brote de la enfermedad por coronavirus 2019 (COVID-19) ha causado un desastre global, poniendo seriamente en peligro la salud humana y la estabilidad del orden social. El propósito de este estudio es construir un modelo de tasa de transmisión dinámica combinacional no lineal con selección automática basada en la medida efectiva de pronóstico (FEM) y regresión de vectores de soporte (SVR) para superar las deficiencias de la dificultad en estimar con precisión el número básico de infecciones y la baja precisión de las predicciones de modelos individuales. Aplicamos el modelo para analizar y predecir el brote de COVID-19 en diferentes países. Primero, se calculan los valores discretos de la tasa de transmisión dinámica. En segundo lugar, se consideran de manera integral las habilidades de predicción de todos los modelos individuales, y se deriva el mejor período de ventana deslizante. Luego, basado en FEM, se selecciona el submodelo óptimo y se combinan de manera no lineal los resultados de predicción. Finalmente, se desarrolla un modelo de tasa de transmisión dinámica combinacional no lineal para analizar y predecir la epidemia de COVID-19 en Estados Unidos, Canadá, Alemania, Italia, Francia, España, Corea del Sur e Irán en la pandemia global. Los resultados experimentales muestran que se logró una tasa de error promedio de pronóstico fuera de la muestra inferior al 10.07% con nuestro modelo, la predicción de los puntos de inflexión de la epidemia de COVID-19 en la mayoría de los países muestra una buena concordancia con los datos reales. Además, nuestro modelo tiene una buena capacidad contra el ruido y estabilidad al tratar con fluctuaciones de datos.