基于机器学习的新型冠状病毒(COVID-19)疫情分析及预测

被引:64
作者
王志心
刘治
刘兆军
机构
[1] 山东大学信息科学与工程学院
关键词
新型冠状病毒肺炎; 传播模型; 疫情拐点; 最小二乘准则; 梯度下降; 确诊人数预测;
D O I
10.19529/j.cnki.1672-6278.2020.01.01
中图分类号
R563.1 [肺炎]; R181.8 [疫情管理]; TP181 [自动推理、机器学习];
学科分类号
100201 [内科学]; 100401 [流行病与卫生统计学]; 140502 [人工智能];
摘要
本研究采用数学建模的方式,在有限的数据下,通过机器学习对近期爆发的新型冠状病毒(COVID-19)肺炎确诊人数趋势进行了预测,根据有关部门发布的信息,预测了疫情拐点出现的时间,并对比了各省预计最终确诊人数所占的比例,以此为依据,大致划分了疫情的严重程度,对各省市人民防护工作有指导意义。
引用
收藏
页码:1 / 5
页数:5
相关论文
共 5 条
[1]
传染病动力学的数学建模与研究.[M].马知恩等著;.科学出版社.2004,
[2]
数学模型与数学建模.[M].刘来福;曾文艺编著;.北京师范大学出版社.1997,
[3]
甲型H1N1流感传播的SIR模型研究 [J].
霍阔 ;
李世霖 .
湖南工业大学学报, 2010, 24 (04) :40-42
[4]
SARS传播模型及其对经济的影响 [J].
宇永仁 ;
杨颖 ;
明珠 ;
王爽 ;
毕晓淋 ;
刘赵峰 ;
于方方 .
辽宁大学学报(自然科学版), 2005, (01) :48-49
[5]
SARS传播的数学模型分析 [J].
王汝发 .
数理医药学杂志, 2004, (02) :99-100