现代计算机2022，Vol.28Issue(23) ：49-54.DOI:10.3969/j.issn.1007-1423.2022.23.008

高斯极大似然估计的新冠疫情周期性预测分析

Prediction and Analysis of COVID-19 Epidemic Periodicity Based on Gaussian Maximum Likelihood Estimation

王莹
现代计算机2022，Vol.28Issue(23) ：49-54.DOI:10.3969/j.issn.1007-1423.2022.23.008
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

高斯极大似然估计的新冠疫情周期性预测分析

Prediction and Analysis of COVID-19 Epidemic Periodicity Based on Gaussian Maximum Likelihood Estimation

王莹1
扫码查看

作者信息

  • 1. 南宁师范大学计算机与信息工程学院,南宁 530000
  • 折叠

摘要

新型冠状肺炎病毒自2019年末被发现以来,就已经被视为一场全面的大流行,并在全世界蔓延.许多研究正在使用独特的模型来预测与分析这种疾病在未来的趋势和可能的进展.通过评估极大似然估计求解高斯拟合参数,并利用高斯—牛顿迭代法优化求解参数的高斯模型来预测上海每日新增新冠肺炎病例与疫情病例周期的转折点.实验证明,算法的拟优度R2达到0.9286,表明该算法在新冠疫情病例数据分析与预测领域的有效性、可靠性和优越性.

关键词

高斯拟合/极大似然估计/高斯—牛顿迭代法

引用本文复制引用

出版年

2022
现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
被引量1
参考文献量6
段落导航相关论文