典型文献
基于BP神经网络的新冠肺炎疫情病例预测模型
文献摘要：
自2019年12月以来,新冠肺炎对人们的生活造成了巨大的影响,因此对于每日的新冠肺炎疫情病例的预测对生产生活具有重要意义.基于此,提出了基于麻雀搜索算法优化BP神经网络的模型(SSABP)对每日的新冠肺炎疫情病例进行预测,并与传统BP神经网络预测模型(BP)和灰狼算法优化BP神经网络的预测模型(GWOBP)进行比较.研究结果表明,SSABP预测模型相较于BP和GWOBP预测模型而言,收敛速度更快,精度更高.SSABP预测模型的平均误差为:0.002,BP和GWOBP预测模型的平均误差分别为:0.032和0.025.综上所述,SSA算法优化BP神经网络预测每日新冠肺炎疫情病例的模型是完全可行的,且预测值与实际值能够较好相符.
文献关键词：
新冠肺炎;BP神经网络;SSABP;GWOBP
中图分类号：
作者姓名：
巴艳坤;郭松林
作者机构：
黑龙江科技大学电气与控制工程学院,黑龙江哈尔滨150022
文献出处：
引用格式：
[1]巴艳坤;郭松林-.基于BP神经网络的新冠肺炎疫情病例预测模型)[J].电脑知识与技术,2022(20):78-80
A类：
SSABP,GWOBP
B类：
麻雀搜索算法,算法优化,神经网络预测模型,灰狼算法,收敛速度,平均误差,综上所述
AB值：
0.094198
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
