- 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
- 15947 点
- 威望
- 0 点
- 阅读权限
- 255
- 积分
- 4994
- 相册
- 0
- 日志
- 0
- 记录
- 0
- 帖子
- 419
- 主题
- 395
- 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。2 T! D& j. e- B) t8 x
! @4 [% I5 X- h) j) G! o+ o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
! C$ z- Q* \8 b7 }( k! R# P6 x
6 Z5 e$ s; i+ n9 R$ X* J3 @, g5 b# _7 n& g. Y
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)
) }& o& Q% x# F2 q9 n3 L7 K* z
4 T5 e' j8 q) R$ M
# I4 k2 K0 @/ Z2 E' i0 {- f, J( C% a8 T2 q8 B4 n/ X
|
zan
|