基于ARIMA与LSTM的新冠肺炎网络关注度趋势研究

摘要：

为有效监控和管理新型冠状病毒肺炎(COVID-19)引起的网络舆情,基于自回归移动平均(ARIMA)模型和长短期记忆(LSTM)神经网络预测和分析舆情数据,利用百度指数收集全国及武汉市网民对COVID-19的关注度数值,形成时间序列数据,并构建舆情模型;对舆情模型进行参数估计、模型诊断和模型评价.结果表明:此疫情的网络舆情前驱期为4天,爆发期为7天,波动期为14天,消退期为32天,到达峰值的时间为13天;该模型可较好地模拟COVID-19网络舆情关注度的变化趋势,且局部地区的数据拟合模型预测效果优于全国数据拟合模型.

关键词：自回归移动平均(ARIMA)模型、长短期记忆(LSTM)、新型冠状病毒肺炎(COVID-19)、网络舆情、时间序列

所属期刊栏目：30

分类号：X928(安全管理（劳动保护管理）)

在线出版日期：2021-03-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：37-42