一种基于GABP神经网络算法的新冠肺炎模型预测

摘要：

针对新冠肺炎疫情发展模型的预测问题,提出了一种基于改进遗传算法误差反向传播(genetic algorithms back propagation,GABP)神经网络算法.该算法通过对遗传算法中的交叉、变异、及适应度等函数进行了重新定义,在获得GABP神经网络最优参数的同时,提高了最优参数的泛化能力,进而缩小了 GABP网络寻优的搜索范围,并进一步获得新冠肺炎疫情发展的精确预测模型.最后通过仿真,验证了该GABP神经网络对模型拟合预测的准确性.

关键词：遗传算法、神经网络、新冠肺炎、模型预测、参数更新

所属期刊栏目：38

分类号：TP291.9(自动化技术及设备)

资助基金：咸阳职业技术学院教学改革研究项目2022JYA03

在线出版日期：2022-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：47-53