基于BPNN的COVID-19疫情预测及SEIR的高校复学分析

摘要：

目的 比较不同国家未来疫情发展趋势,预测高校复学时间及方式.方法 统计疫情相关数据;建立BP神经网络(BPNN)模型预测未来180天各国疫情发展;并结合SEIR模型对中国高校复学时间及方式进行理论分析.结果 BP神经网络模型可以对疫情发展进行合理预测;在3个样本中,中国疫情已基本趋于稳定,意大利累计确诊人数将在11月初达到峰值,美国疫情峰值的出现将不早于明年1月中旬.在疫情防控较好的中国,若在疫情发生120天后采取严格管控下的部分复学或全面复学,学校产生二次暴发的可能性很小;若在疫情发生120天后采取无严格管控下的全面复学,学校有产生二次暴发的可能;9月初可以采取严格管控下的全面复学,而无严格管控下的全面复学应不早于9月底.结论 预测结果与实际疫情及相关部门出台的政策基本吻合,对高校复学时间及方式进行科学分析并给出了建议,可为高校下一步复学计划提供参考.

关键词：新型冠状病毒肺炎、BP神经网络、SEIR模型、疫情预测、高校复学

所属期刊栏目：37

分类号：R181.8+1(流行病学与防疫)

资助基金：湖北省卫生健康委员会科学基金项目WJ2019M157

在线出版日期：2021-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：581-585