基于BPNN的COVID-19疫情预测及SEIR的高校复学分析_周彩霞

雩风三日

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 m" Z% F0 g5 `: \0 u
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
" |2 b- W/ P6 J# ]. m
& J: [2 G- K2 j: j; L& k: w2 e
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)

2021-5-11 15:47 上传

点击文件名下载附件
售价: 1 点体力  [记录]
下载积分: 体力 -2 点

# e& {' }$ Z. d, j# e