高斯极大似然估计的新冠疫情周期性预测分析

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：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.

外文标题：Prediction and Analysis of COVID-19 Epidemic Periodicity Based on Gaussian Maximum Likelihood Estimation

作者：

王莹

展开 >

作者单位：

南宁师范大学计算机与信息工程学院,南宁 530000

关键词：

高斯拟合极大似然估计高斯—牛顿迭代法

出版年：

2022

DOI：

10.3969/j.issn.1007-1423.2022.23.008