新冠肺炎疫情趋势预测模型

摘要：

2019年新型冠状病毒肺炎(corona virus disease 2019,COVID-19)的爆发对人们的健康和生活造成了极大的危害和影响.预测疫情的发展趋势可帮助人们提前制定应对措施.SEIR模型是经典的传染病模型之一,由于该模型中病毒传染率为常数,难以对新冠肺炎传播情况进行准确建模并完成疫情趋势预测.针对此问题,本文提出基于长短期记忆网络(long short-term memory,LSTM)的病毒传染率预测方法,并将其与SEIR模型结合,建立新冠肺炎疫情趋势预测模型(LSTM-SEIR network,LS-Net).为了验证本文提出的方法,收集了国内多个省市官方公布的疫情数据进行实验.实验结果表明,本文提出的LS-Net可对疫情发展趋势进行有效预测,并优于传统SEIR模型.

关键词：新型冠状病毒;SEIR模型;长短期记忆网络;智能系统;预测模型;实时预测;神经网络;深度学习

所属期刊栏目：16

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金青年基金项目61906127

在线出版日期：2021-08-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：528-536