- 在线时间
- 129 小时
- 最后登录
- 2023-8-30
- 注册时间
- 2020-11-26
- 听众数
- 3
- 收听数
- 0
- 能力
- 0 分
- 体力
- 15882 点
- 威望
- 0 点
- 阅读权限
- 255
- 积分
- 4975
- 相册
- 0
- 日志
- 0
- 记录
- 0
- 帖子
- 420
- 主题
- 394
- 精华
- 0
- 分享
- 0
- 好友
- 0
TA的每日心情 | 衰 2021-3-28 15:16 |
---|
签到天数: 25 天 [LV.4]偶尔看看III
|
目的:比较不同国家未来疫情发展趋势,预测高校复学时间及方式。
1 r/ y" c* _! i" H4 O% }' q A
8 X2 C* \3 U; e- [5 h" T+ b方法: 统计疫情相关数据;建立 BP神经网络(BPNN)模型预测未来 180天各国疫情发展;并结合 SEIR 模型对中国高校复学时间及方式进行理论分析。结果 BP 神经网络模型可以对疫情发展进行合理预测;在3个样本中,中国疫情已基本趋于稳定,意大利累计确诊人数将在11月初达到峰值,美国疫情峰值的出现将不早于明年1月中旬。在疫情防控较好的中国,若在疫情发生120天后采取严格管控下的部分复学或全面复学,学校产生二次暴发的可能性很小;若在疫情发生120天后采取无严格管控下的全面复学,学校有产生二次暴发的可能;9月初可以采取严格管控下的全面复学,而无严格管控下的全面复学应不早于9月底。结论预测结果与实际疫情及相关部门出台的政策基本吻合,对高校复学时间及方式进行科学分析并给出了建议,可为高校下一步复学计划提供参考
J i& u& K3 `6 N; i( `$ S
* a- d' u8 H+ {$ }/ W" L& k ]* @4 o0 @9 n# M0 V
基于BPNN的COVID__19疫情预测及SEIR的高校复学分析_周彩霞.pdf
(1.4 MB, 下载次数: 6, 售价: 1 点体力)
6 Z- A7 ?1 ^( k1 K* f
0 p5 q: X% L1 o& D% z0 q5 C/ o
, L; r8 A( l f8 P+ ~- m: c
) d. W6 c o _+ C! x |
zan
|