典型的预测算法——SEIR模型在疫情预测的优势

[复制链接]

字体大小: 正常放大

anbo650370

42 主题	1 听众	80 积分

升级 78.95%

该用户从未签到

自我介绍: 小白初试，不断提升

电梯直达

1^#

发表于 2021-5-10 10:58 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

新型冠状病毒肺炎(corona virus disease 2019，COVID-19)的暴发对人们的健康和生活造成了极大的危害和影响。预知疫情的发展趋势可提前制定应对措施。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。