深度学习算法在几类传染病模型中的应用分析.docVIP

PAGE18

PAGE7

摘要

本论文聚焦深度学习在传染病研究领域的应用，以新冠疫情为研究对象，基于中国武汉市与意大利的疫情数据，对传染病传播模型的优化及预测展开深度探究。此次研究是以经典传染病动力学SEIR模型作为基础展开的，经由引入新的参数来对该模型加以改进，在改进过程中，充分考量了潜伏期传染性、政府所采取的隔离措施以及疫苗接种等多方面因素，让模型可更加契合疫情实际的传播场景。同时，结合Logistic时序回归模型，创新性地构建Logistic_SEIR模型，该模型融合了Logistic模型在预测总量变化上的优势与SEIR模型对人群动态变化的模拟能力，有效降低模型调参复杂度