基于带时间回溯的神经网络算法对新冠疫情数据的分析与预测

摘要

由于新冠肺炎疫情对全球造成了巨大的影响,因此有必要研究疫情的发展趋势.为此,笔者构建了带有时间回溯的神经网络模型,对以新冠肺炎累计病例为代表的时间序列数据进行分析和预测,首先通过K-means聚类方法对209个国家和地区进行分类,然后从不同类别中挑选代表国家或地区,应用改进的神经网络模型进行分析和预测,并和其他经典算法进行比较.实验结果证明,与其他经典的机器学习算法相比,经过改良的具有时间回溯的神经网络算法表现更好,预测准确度较高,能够有效预测新冠肺炎疫情的发展趋势及众多的时间序列数据.