基于机器学习的新冠肺炎疫情趋势预测方法 |
| |
引用本文: | 任建强,崔亚鹏,倪顺江.基于机器学习的新冠肺炎疫情趋势预测方法[J].清华大学学报(自然科学版),2023(6):1003-1011. |
| |
作者姓名: | 任建强 崔亚鹏 倪顺江 |
| |
作者单位: | 1. 清华大学工程物理系公共安全研究院;2. 城市综合应急科学北京市重点实验室 |
| |
基金项目: | 国家自然科学基金面上项目(72174104); |
| |
摘 要: | 防控措施对传染病的传播过程有重要作用,因此在预测新型冠状病毒肺炎疫情未来发展趋势时必须要考虑防控措施的影响。该文提出了基于机器学习的新冠肺炎疫情三步预测模型,将神经网络、随机森林、长短期记忆网络和序列到序列等机器学习算法引入到新冠肺炎传染病疫情预测中。与前人的预测模型相比,所提出的模型考虑了新冠肺炎疫情发展过程中防控措施的变化情况,可以使用检测数据预测未来的确诊人数和实际感染规模。研究结果表明:预测结果与实际数据基本一致,模型具有较高的可靠性。该预测方法可以使政府管理部门更准确地了解新冠肺炎疫情的实际发展态势,帮助管理者更有效地分配医疗资源,为新冠肺炎疫情防控提供决策参考。
|
关 键 词: | 机器学习 防控措施 疫情趋势预测 突发公共卫生事件 |
|
|