湖北省新冠肺炎确诊人数的建模与预测分析

为了建立湖北省新型冠状病毒肺炎(简称“新冠肺炎”)疫情确诊人数的时间序列模型,预测确诊人数的变化趋势,为政府制定相关防疫政策提供依据。本文分别收集2020年1月20日—2020年3月4日的湖北省新冠肺炎确诊人数的每日数据,经过数据预处理、模型识别、参数估计、模型诊断和优化等分析手段,建立相应的时间序列模型,并对模型给出合理解释。利用构建的最优模型对湖北省新冠肺炎确诊人数进行6期预测分析,并提出相应建议。结果显示,湖北省新冠肺炎确诊人数可用ARIMA(1,1,1)模型进行拟合。由此得出,利用所得模型能合理地解释数据,并预测短期内湖北省新冠肺炎确诊人数,为制定相关防疫政策提供建议和依据。

粒子群可拓的新冠肺炎建模与仿真

本文提出了一种基于粒子群可拓神经网络预测模型。根据国外近段时间每日新增新冠肺炎确诊人数,利用可拓神经网络模型对国外日新增新冠肺炎确诊人数进行预测,并利用粒子群算法(PSO)对权值进行优化,最后与LSSVM、ABC-LSSVM及PSO-LSSVM模型进行比较。结果表明:采用文中提出的粒子群可拓神经网络模型拟合效果较好,精度较高,性能优于其他三种模型,适用于COVID-19的疫情研究。