基于粒子群优化BP神经网络的新冠肺炎疫情预测

• 作者: 张磊 余粟
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 粒子群优化 指数平滑模型 BP神经网络 新冠肺炎
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 专题:智慧医疗
• 页码范围: 67-72
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.11907/rjdk.212044

摘要

针对传统指数平滑时间序列模型预测精度不足及传统BP神经网络在训练过程中易陷入局部最优的问题,通过粒子群算法优化BP神经网络,对美国明尼苏达州2021年7月11日至8月25日新冠肺炎累计死亡和累计确诊人数进行时间序列预测,并与传统双指数平滑模型(Holt)、BP神经网络模型进行比较分析.实验结果显示,PSO-BP模型的预测精度均高于基准模型,平均误差百分比(MAPE)低于0.08％.在6组预测实验中,PSO-BP模型相较于Holt与BP模型,平均误差分别降低了0.038％和0.012％,平均绝对误差(MAE)和均方根误差(RMSE)均下降了5％以上.