基于深度学习的新型冠状病毒肺炎疫情的动态监测研究

被引：10

作者：

赵行健

机构：

[1] 重庆理工大学经济金融学院

来源：

现代商贸工业 | 2020年 / 41卷 / 20期

关键词：

新冠肺炎; 深度学习; 动态监测;

D O I：

10.19311/j.cnki.1672-3198.2020.20.081

中图分类号：

TP18 [人工智能理论]; R181.3 [流行病学各论]; R563.1 [肺炎];

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：

针对新冠肺炎疫情,本文运用2020年1月20日-2月25日的全国及湖北省累计确诊人数、累计治愈人数和累计死亡人数等数据,分析了病毒传播扩散的数据特征,建立了深度学习的长短期记忆模型(LSTM),通过PYTHON实现了模型高精度的拟合和预测。

引用

页码：156 / 157

页数：2

共 6 条

[1]

Global; regional; and national causes of child mortality in 2000–13; with projections to inform post-2015 priorities: an updated systematic analysis.[J].Li Liu;Shefali Oza;Daniel Hogan;Jamie Perin;Igor Rudan;Joy E Lawn;Simon Cousens;Colin Mathers;Robert E Black.The Lancet.2015, 9966

[2]

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,

[3]

基于SEIR的新冠肺炎传播模型及拐点预测分析 [J].