基于SEIR-LSTM混合模型的新型冠状病毒肺炎传播趋势分析与预测

• 作者: 俞容山 洪彬 王连生 陈锦秀
• 来源期刊: 厦门大学学报（自然科学版）
• 学科: 工学
• 关键词: 新型冠状病毒肺炎 SEIR模型 长短期记忆 混合模型
• 年，卷（期）: 2020,（6）
• 页码范围: 1034-1040
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.6043/j.issn.0438-0479.202003040

摘要

为了对新型冠状病毒肺炎(COVID-19)传播趋势实现更精准的分析与预测,基于传统的传染病动力学模型SEIR(susceptible-exposed-infectious-recovered)和长短期记忆(long short-term memory,LSTM)深度学习网络构建了一种混合模型SEIR-LSTM,结合全国和湖北省的疫情数据进行分析与预测.从实验结果来看,相较于传统的机器学习、多项式拟合、普通的SEIR模型和单一的LSTM,所提出的混合模型能取得更高的疫情预测精度.最后给出了对疫情发展的预测,对疫情防控具有一定的应用价值和社会价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈锦秀		10	77	4.0	8.0
2	王连生		4	12	2.0	3.0
3	洪彬		1	0	0.0	0.0
4	俞容山		1	0	0.0	0.0