新冠肺炎疫情极限IR实时预测模型

发布时间：2022-10-30 17:45

　　针对现有模型在开放空间的预测和时变参数估计上存在的局限性,该文在已知病毒传播规律的基础上,将极限学习机与动力学模型结合,提出了一种新的极限IR预测模型。通过对SIR模型的改进,该模型将病毒传播过程简化为感染态、治愈态和死亡态,并对时变函数及疫情趋势进行预测,解决了疫情中现有确诊人数、死亡人数和治愈人数实时预测的难题。实验证明,极限IR算法可准确实现疫情趋势的实时预测,为新型冠状肺炎疫情发展趋势提供了一种有效的数据分析模型。 

【文章页数】：7 页

【文章目录】：
1 总体框架
2 无风险人群转移预测模型
3 感染人群预测模型
4 模型实证
    4.1 治愈人群与死亡人群预测
    4.2 确诊人群预测
5 结束语


【参考文献】：
期刊论文
[1]基于机器学习的新型冠状病毒（COVID-19）疫情分析及预测[J]. 王志心,刘治,刘兆军.  生物医学工程研究. 2020(01)
[2]新型冠状病毒肺炎基本再生数的初步预测[J]. 周涛,刘权辉,杨紫陌,廖敬仪,杨可心,白薇,吕欣,张伟.  中国循证医学杂志. 2020(03)
[3]一类具有logistic增长的SIR时滞传染病模型的稳定性分析[J]. 吴红良,薛亚奎.  数学的实践与认识. 2018(07)
[4]一种改进的GNS互连测试算法[J]. 钟波,孟晓风,王琳,王国华.  航空学报. 2009(04)



本文编号：3699198