• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于組合神經(jīng)網(wǎng)絡(luò)模型的新冠疫情傳播預(yù)測分析

    2020-12-01 03:15吳志強(qiáng)王波
    軟件導(dǎo)刊 2020年10期
    關(guān)鍵詞:新型冠狀病毒肺炎

    吳志強(qiáng) 王波

    摘 要:在全球抗擊新型冠狀病毒肺炎(COVID-19)疫情的過程中,合理的疫情傳播預(yù)測對于疫情防控有重要參考意義。為了對病毒傳播進(jìn)行合理預(yù)測,針對傳統(tǒng)疫情傳播預(yù)測模型存在的不足,提出一種組合式神經(jīng)網(wǎng)絡(luò)的疫情傳播預(yù)測模型,并將其應(yīng)用于湖北省1月29日-3月15日每日新增確診人數(shù)預(yù)測及湖北省每日累計確診人數(shù)預(yù)測。預(yù)測結(jié)果分析顯示,該神經(jīng)網(wǎng)絡(luò)預(yù)測模型預(yù)測結(jié)果可靠有效。模型性能分析結(jié)果表明,組合式神經(jīng)網(wǎng)絡(luò)預(yù)測模型平均相對誤差(MRE)不超過0.16,均方誤差(MSE)不超過0.1,均方根誤差(RMSE)為0.262 9,性能明顯優(yōu)于其它幾種神經(jīng)網(wǎng)絡(luò)預(yù)測模型?;谖錆h市與廣東省疫情傳播預(yù)測的實證結(jié)果顯示模型具有較好的適用性及準(zhǔn)確性。

    關(guān)鍵詞:新型冠狀病毒肺炎;組合神經(jīng)網(wǎng)絡(luò)預(yù)測模型;疫情傳播;預(yù)測分析

    DOI:10. 11907/rjdk. 201884

    中圖分類號:TP301 文獻(xiàn)標(biāo)識碼:A 文章編號:1672-7800(2020)010-0015-05

    Abstract:In the global fight against COVID-19, reasonable prediction of the spread of the epidemic has important reference significance for the prevention and control of the epidemic. In order to reasonably predict the spread of COVID-19, considering the shortcomings of traditional epidemic spread prediction models, this paper proposes a combined neural network epidemic spread prediction model. Subsequently, the model is applied to predict the daily number of newly diagnosed patients in Hubei Province and the cumulative number of daily diagnoses from January 29 to March 15. The analysis of prediction results shows that the prediction results of each neural network prediction model are reliable and effective. The model performance analysis results show that the combined neural network prediction model has an MRE of no more than 0.16, an MSE of no more than 0.1 and an RMSE of 0.262 9, which means that the performance of the combined neural network is significantly better than that of other neural network prediction models. The empirical results based on Wuhan city and Guangdong Province show that the model has good applicability and accuracy.

    Key Words:COVID-19;combined neural network prediction model;the spread of the epidemic; forecast analysis

    0 引言

    2019年12月以來,新型冠狀病毒肺炎(COVID-19)疫情爆發(fā),其傳染性強(qiáng)、傳播迅速。在全球抗擊新冠肺炎的過程中,相關(guān)科研人員對疫情傳播和發(fā)展趨勢進(jìn)行了大量研究,為疫情防控提供了重要的參考信息[1-2]。

    國內(nèi)外學(xué)者針對疫情傳播與發(fā)展趨勢預(yù)測分析,構(gòu)建的預(yù)測模型主要集中于動力學(xué)模型及統(tǒng)計學(xué)模型。動力學(xué)模型根據(jù)各要素之間的聯(lián)系構(gòu)建相關(guān)動力學(xué)微分方程,進(jìn)而可模擬相關(guān)要素發(fā)展趨勢,因此被廣泛應(yīng)用于疾病傳播和分析,新型冠狀病毒肺炎傳播的動力學(xué)模型主要有SIR模型[3-6]、SEIR模型[7-10]、SEIHR模型[11]、SEQIR模型[12]等。如Zareie 等[3]通過構(gòu)建伊朗COVID-19疫情的SIR模型,對伊朗COVID-19疫情傳播進(jìn)行有效預(yù)測;盛華雄等[4]在對疫情數(shù)據(jù)預(yù)處理的基礎(chǔ)上,在控制階段運(yùn)用經(jīng)典SIR模型與差分遞推方法進(jìn)行疫情傳播分析和預(yù)測;魏永越等[8]基于改進(jìn)的SEIR模型對新型冠狀病毒肺炎疫情進(jìn)行趨勢預(yù)測;唐三一等[11]通過建立SEIHR模型對新型冠狀病毒肺炎疫情進(jìn)行預(yù)測,進(jìn)而給出相關(guān)防控策略。

    統(tǒng)計學(xué)模型基于邏輯回歸模型挖掘統(tǒng)計數(shù)據(jù)相關(guān)規(guī)律,進(jìn)而用于疫情傳播預(yù)測分析。Ahmed 等[13]利用Logistic模型對土耳其和伊拉克疫情規(guī)模進(jìn)行預(yù)測,預(yù)測結(jié)果驗證了模型有效性;Li 等[14]基于官方疫情數(shù)據(jù),將高斯理論用于研究COVID-19傳播過程;盛華雄等[4]在對疫情數(shù)據(jù)預(yù)處理的基礎(chǔ)上,在自由傳播階段運(yùn)用Logistic模型,比較分析提前5天或延后5天的疫情數(shù)據(jù)與實測數(shù)據(jù),說明及時采取防疫措施的重要性。

    除此之外,多層感知機(jī)模型[15]、人工智能模型[16-17]、社會現(xiàn)象學(xué)模型[18-19]等也被相關(guān)學(xué)者應(yīng)用于國外疫情傳播預(yù)測分析。盡管通過上述預(yù)測模型可得出有效的疫情傳播預(yù)測結(jié)果,然而無論是動力學(xué)模型還是統(tǒng)計學(xué)模型,均僅通過設(shè)置好的預(yù)測參數(shù)進(jìn)行疫情預(yù)測,當(dāng)參數(shù)過多時將面臨求解困難、復(fù)雜的問題,且未考慮疑似人群在疫情傳播中的影響;而相關(guān)人工智能模型(如多層感知機(jī))容易陷入局部極小點問題,且國內(nèi)與疫情傳播相關(guān)的智能預(yù)測模型研究較少。因此,本文提出一種組合式神經(jīng)網(wǎng)絡(luò)的疫情傳播預(yù)測模型,將粒子群用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程,并將其應(yīng)用于湖北省1月29日-3月15日的疫情傳播預(yù)測。

    1 組合神經(jīng)網(wǎng)絡(luò)預(yù)測模型

    1.1 基本假設(shè)與數(shù)據(jù)說明

    為對湖北省疫情傳播作出合理的預(yù)測分析,提出5項基本假設(shè):①國家衛(wèi)健委提供的疫情數(shù)據(jù)真實可靠;②除確診人數(shù)、死亡人數(shù)對疫情傳播有直接影響外,疑似人群及重癥人數(shù)對疫情傳播也存在相關(guān)聯(lián)系;③治愈人群可能產(chǎn)生再次感染,即治愈人數(shù)與疫情傳播依舊存在聯(lián)系;④只用前1天的相關(guān)數(shù)據(jù)預(yù)測后1天的疫情新增確診量;⑤考慮到2月12 號推出用于診斷疫情的相關(guān)試劑,湖北省新增確診人數(shù)急劇上升至14 840例,因此該日湖北省新增確診人數(shù)采用文獻(xiàn)[4]中推理出的數(shù)據(jù)(新增確診人數(shù)2 051例)替代。

    其中,t表示時間序列(1表示1月29號,以此類推),I表示每日新增確診人數(shù),N表示每日累計確診人數(shù),R表示每日治愈人數(shù),D表示每日死亡人數(shù),S表示每日疑似人數(shù),Z表示每日重癥人數(shù)。本文數(shù)據(jù)來源為國家衛(wèi)健委提供的每日疫情數(shù)據(jù),網(wǎng)址為http://www.nhc.gov.cn/xcs/xxgzbd/gzbd_index.shtml。選取湖北省1月28日-3月15日的疫情數(shù)據(jù),數(shù)據(jù)內(nèi)容包含上述數(shù)據(jù)內(nèi)容。

    1.2 模型介紹

    神經(jīng)網(wǎng)絡(luò)模型具有自學(xué)習(xí)能力、自適應(yīng)能力、非線性映射能力及容錯率高等優(yōu)點,應(yīng)用廣泛,且可根據(jù)輸入輸出映射進(jìn)行自我調(diào)整,因此可被用于疫情傳播預(yù)測分析??紤]到不同的激活函數(shù)及神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對神經(jīng)網(wǎng)絡(luò)性能及預(yù)測精度有重要影響,因此本文構(gòu)建4種不同的神經(jīng)網(wǎng)絡(luò)模型對湖北省疫情每日新增確診人數(shù)進(jìn)行預(yù)測,并將4種神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果作為傳統(tǒng)多層感知機(jī)的輸入進(jìn)行擬合預(yù)測??紤]到傳統(tǒng)神經(jīng)網(wǎng)絡(luò)在權(quán)值訓(xùn)練過程中容易陷入局部極小點且收斂較慢,因此將粒子群算法用于各神經(jīng)網(wǎng)絡(luò)權(quán)重訓(xùn)練,其中各神經(jīng)網(wǎng)絡(luò)參數(shù)如表1所示。

    考慮到傳統(tǒng)神經(jīng)網(wǎng)絡(luò)在權(quán)值訓(xùn)練過程中容易陷入局部極小點且收斂較慢,將粒子群算法用于各神經(jīng)網(wǎng)絡(luò)權(quán)重訓(xùn)練,訓(xùn)練過程為:①初始化粒子群基本參數(shù),最大迭代次數(shù)為1 000次,粒子為各神經(jīng)網(wǎng)絡(luò)連接權(quán)值;②將粒子代入各神經(jīng)網(wǎng)絡(luò),將各神經(jīng)網(wǎng)絡(luò)輸出與目標(biāo)輸出的殘差作為粒子群算法的目標(biāo)函數(shù);③更新粒子,并計算粒子目標(biāo)值,并根據(jù)目標(biāo)值大小進(jìn)行更新最優(yōu)粒子和最優(yōu)值;④判斷是否滿足停止條件,若滿足則輸入最佳粒子,若不滿足返回步驟2。

    2 疫情傳播預(yù)測分析

    2.1 湖北省每日新增確診量預(yù)測

    選取湖北省1月28日-3月15日疫情數(shù)據(jù)進(jìn)行疫情傳播預(yù)測分析,數(shù)據(jù)信息包括:每日疫情新增確診人數(shù)I、每日治愈人數(shù)R、每日死亡人數(shù)D、每日新增疑似人數(shù)S、每日重癥人數(shù)Z以及每日累計確診人數(shù)N(數(shù)據(jù)來源國家衛(wèi)健委)。將前1天的疫情數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)輸入,后1天疫情新增確診人數(shù)作為神經(jīng)網(wǎng)絡(luò)輸出,進(jìn)行湖北省每日新增確診量預(yù)測分析,各神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果如表2所示,其中時間1表示1月29日。

    其中2月12號(第15時間序列)新增確診量用文獻(xiàn)[4]數(shù)據(jù)替代,最后時間序列的多個神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果為負(fù)值,故而上進(jìn)為0,根據(jù)表2所得的新增確診人數(shù)預(yù)測結(jié)果得到湖北省每日新增確診人數(shù)預(yù)測,如圖2所示。

    由圖2可知,以上5種神經(jīng)網(wǎng)絡(luò)對于湖北省每日新增確診人數(shù)的預(yù)測與實際趨勢均較為符合,可對湖北省每日新增確診人數(shù)進(jìn)行有效的預(yù)測分析,但是在某些時間節(jié)點上仍存在差異,如第20時間節(jié)點上神經(jīng)網(wǎng)絡(luò)2(雙曲三層神經(jīng)網(wǎng)絡(luò))及神經(jīng)網(wǎng)絡(luò)3(四層神經(jīng)網(wǎng)絡(luò))的預(yù)測結(jié)果與實際新增確診人數(shù)存在較大差異。同時,在5種神經(jīng)網(wǎng)絡(luò)預(yù)測模型中,神經(jīng)網(wǎng)絡(luò)1(三層神經(jīng)網(wǎng)絡(luò))及組合預(yù)測模型對于湖北省每日新增確診人數(shù)預(yù)測精度較高。

    2.2 湖北省每日累計確診量預(yù)測

    合理有效地預(yù)測分析湖北省每日累計確診量可以為疫情拐點的出現(xiàn)及疫情的有效控制提供參考。由于[Nt=Nt-1+It-Rt-Dt](第t時刻累計確診量由第t-1時刻的累計確診量、第t時刻新增確診量、第t時刻新增治愈量以及第t時刻新增死亡量遞推而出),因此基于上述湖北省每日新增確診量預(yù)測分析,可以進(jìn)行湖北省每日累計確診量預(yù)測分析,分析結(jié)果如表3所示。

    根據(jù)表3所得的湖北省每日累計確診量預(yù)測結(jié)果,得到湖北省每日累計確診量預(yù)測趨勢,如圖3所示。

    由圖3可知,各神經(jīng)網(wǎng)絡(luò)預(yù)測模型對于湖北省每日累計確診量預(yù)測結(jié)果均較為理想,其預(yù)測趨勢與實際趨勢貼合較近,能夠有效反映湖北省每日累計確診量。從圖3可以看出,湖北疫情每日累計確診量在第23時刻(2月19號)左右出現(xiàn)下降趨勢,即意味著湖北省疫情拐點出現(xiàn),同時在第16時刻(2月12號)左右,湖北疫情每日累計確診量急劇增加,由于在2月12號左右推出用于診斷疫情的相關(guān)試劑,湖北省新增確診人數(shù)急劇上升。

    3 預(yù)測結(jié)果分析

    3.1 預(yù)測誤差分析

    由湖北省每日累計確診量預(yù)測結(jié)果(見表2)可以得到各預(yù)測模型在各時刻下與實際新增確診量的偏差,進(jìn)而得到各模型在各時刻下預(yù)測偏差分布,如圖4所示。

    由圖3可知隨著時間序列t 的推移,各神經(jīng)網(wǎng)絡(luò)對于湖北省每日新增確診量預(yù)測偏差逐漸減少趨近于0,表明各神經(jīng)網(wǎng)絡(luò)對于湖北省每日新增確診量預(yù)測結(jié)果有效。為檢驗各模型預(yù)測結(jié)果可靠性,各神經(jīng)網(wǎng)絡(luò)對于湖北省每日新增確診量預(yù)測偏差均值及標(biāo)準(zhǔn)差如表4所示。

    由表4可知,神經(jīng)網(wǎng)絡(luò)2與組合式神經(jīng)網(wǎng)絡(luò)與其它3種神經(jīng)網(wǎng)絡(luò)相比,偏差均值更低,然而從偏差標(biāo)準(zhǔn)差的角度來看,組合式神經(jīng)網(wǎng)絡(luò)預(yù)測偏差標(biāo)準(zhǔn)差為84.436 3,較其它4種神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果更加可靠。

    3.2 模型性能分析

    模型性能評估是檢驗?zāi)P湍芊裼糜谝咔閭鞑ヮA(yù)測的直觀指標(biāo),而平均相對誤差(MRE)、均方誤差(MSE)以及均方根誤差(RMSE)是評估神經(jīng)網(wǎng)絡(luò)的重要指標(biāo),因此本文利用這3種指標(biāo)對各神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行評估,其中各指標(biāo)計算公式如式(1)—式(3)所示。

    其中[yi]表示第i時刻的實際量,[yi]表示第i時刻的預(yù)測量,M表示預(yù)測樣本量。

    根據(jù)式(1)—式(3)分別求得各神經(jīng)網(wǎng)絡(luò)預(yù)測模型在湖北省每日新增確診量預(yù)測中的MRE、MSE、RMSE及在湖北省每日累計確診量預(yù)測中的MRE與MSE,如表5所示。

    根據(jù)表5各神經(jīng)網(wǎng)絡(luò)預(yù)測模型指標(biāo)得分,構(gòu)建各神經(jīng)網(wǎng)絡(luò)預(yù)測模型性能雷達(dá)圖,如圖5所示。通過對比各神經(jīng)網(wǎng)絡(luò)預(yù)測模型評價指標(biāo)得分可知,神經(jīng)網(wǎng)絡(luò)預(yù)測模型對于湖北省疫情傳播預(yù)測精度較好(新增確診人數(shù)預(yù)測MRE均小于0.3,累計確診人數(shù)預(yù)測MRE均小于0.02);根據(jù)MRE評價指標(biāo)來看,組合神經(jīng)網(wǎng)絡(luò)預(yù)測模型及神經(jīng)網(wǎng)絡(luò)3(4層神經(jīng)網(wǎng)絡(luò)預(yù)測模型)較之其它3種神經(jīng)網(wǎng)絡(luò)預(yù)測模型預(yù)測精度更高;根據(jù)MSE評價指標(biāo)來看,組合神經(jīng)網(wǎng)絡(luò)預(yù)測模型性能最優(yōu),神經(jīng)網(wǎng)絡(luò)2(雙曲3層神經(jīng)網(wǎng)絡(luò)預(yù)測模型)與神經(jīng)網(wǎng)絡(luò)3(四層神經(jīng)網(wǎng)絡(luò)預(yù)測模型)預(yù)測性能相當(dāng);根據(jù)RMSE評級指標(biāo)可以看出組合神經(jīng)網(wǎng)絡(luò)預(yù)測模型性能優(yōu)于其它4種神經(jīng)網(wǎng)絡(luò)預(yù)測模型,預(yù)測結(jié)果精度更高。綜合各個評價指標(biāo)來看,根據(jù)各神經(jīng)網(wǎng)絡(luò)在性能雷達(dá)圖上所屬面積可以看出,組合神經(jīng)網(wǎng)絡(luò)預(yù)測模型性能優(yōu)于其它4種神經(jīng)網(wǎng)絡(luò)模型,其次是神經(jīng)網(wǎng)絡(luò)3(4層神經(jīng)網(wǎng)絡(luò)預(yù)測模型)、神經(jīng)網(wǎng)絡(luò)2(雙曲3層神經(jīng)網(wǎng)絡(luò)預(yù)測模型)、神經(jīng)網(wǎng)絡(luò)4(雙曲4層神經(jīng)網(wǎng)絡(luò)預(yù)測模型)以及神經(jīng)網(wǎng)絡(luò)1(3層神經(jīng)網(wǎng)絡(luò)預(yù)測模型)。

    3.3 模型適應(yīng)性分析

    為驗證組合式神經(jīng)網(wǎng)絡(luò)適用性及準(zhǔn)確性,采用湖北省武漢市2月12日-3月12日疫情數(shù)據(jù)及廣東省2月1日-2月22日疫情數(shù)據(jù)用于實驗驗證,驗證結(jié)果如圖6所示。

    由實驗驗證結(jié)果可以看出,組合式神經(jīng)網(wǎng)絡(luò)預(yù)測模型能較好地預(yù)測武漢市及廣東省疫情傳播趨勢,當(dāng)訓(xùn)練數(shù)據(jù)充分時,組合式神經(jīng)網(wǎng)絡(luò)預(yù)測模型具有較好的適用性。從準(zhǔn)確性角度出發(fā),組合式神經(jīng)網(wǎng)絡(luò)預(yù)測模型對于武漢市與廣東省新增確診人數(shù)預(yù)測的MRE均小于20%,其中武漢市新增確診人數(shù)預(yù)測MRE為6.01%,廣東省新增確診人數(shù)預(yù)測MRE為17.25%;對于武漢市以及廣東省累計確診人數(shù)預(yù)測的MRE均小于3%,其中武漢市累計確診人數(shù)預(yù)測MRE為2.09%,廣東省累計確診人數(shù)預(yù)測MRE為0.65%。由此可見,在數(shù)據(jù)集充分的情況下,組合式神經(jīng)網(wǎng)絡(luò)預(yù)測模型有著較高的預(yù)測精度。

    4 結(jié)語

    針對傳統(tǒng)疫情傳播預(yù)測方法存在的不足,本文提出了一種基于組合式神經(jīng)網(wǎng)絡(luò)的疫情傳播預(yù)測模型,并將其應(yīng)用于湖北省每日新增確診人數(shù)預(yù)測以及湖北省每日累計確診人數(shù)預(yù)測。預(yù)測結(jié)果顯示,神經(jīng)網(wǎng)絡(luò)預(yù)測模型預(yù)測結(jié)果可靠有效。模型性能分析結(jié)果表明,組合式神經(jīng)網(wǎng)絡(luò)預(yù)測模型性能明顯優(yōu)于其它4種神經(jīng)網(wǎng)絡(luò)預(yù)測模型,預(yù)測性能更佳。武漢市與廣東省數(shù)據(jù)實證結(jié)果表明,組合式神經(jīng)網(wǎng)絡(luò)預(yù)測模型適應(yīng)性較強(qiáng)、準(zhǔn)確性較高。但是,神經(jīng)網(wǎng)絡(luò)優(yōu)化仍依賴于智能優(yōu)化算法權(quán)值優(yōu)化。在未來研究中,一方面需加強(qiáng)智能優(yōu)化算法與神經(jīng)網(wǎng)絡(luò)算法的結(jié)合,另一方面將積極探索合適的方法對神經(jīng)網(wǎng)絡(luò)進(jìn)行結(jié)構(gòu)優(yōu)化,提升其實際應(yīng)用性能。

    參考文獻(xiàn):

    [1] ANIRUDH A. Mathematical modeling and the transmission dynamics in predicting the Covid-19——What next in combating the pandemic[J]. Infectious Disease Modelling,2020(5):366-374.

    [2] MOHAMADOU Y, HALIDOU A, KAPEN T. A review of mathematical modeling, artificial intelligence and datasets used in the study, prediction and management of COVID-19[J]. Applied Intelligence, 2020(7):1-13.

    [3] ZAREIE B,MOHAMMAD A R,MANSOURNIA A, et al. A model for COVID-19 prediction in Iran based on China parameters[J]. Archives of Iranian medicine, 2020, 23(4):244-248..

    [4] 盛華雄,吳琳,肖長亮. 新冠肺炎疫情傳播建模分析與預(yù)測[J]. 系統(tǒng)仿真學(xué)報,2020,32(5):759-766.

    [5] 張艷霞,李進(jìn). 基于SIR模型的新冠肺炎疫情傳播預(yù)測分析[J]. 安徽工業(yè)大學(xué)學(xué)報(自然科學(xué)版),2020,37(1):94-101.

    [6] 汪劍眉,李鋼. 新冠肺炎非均勻感染力傳播模型與干預(yù)分析[J]. 電子科技大學(xué)學(xué)報,2020,49(3):392-398.

    [7] 范如國,王奕博,羅明,等. 基于SEIR的新冠肺炎傳播模型及拐點預(yù)測分析[J]. 電子科技大學(xué)學(xué)報,2020,49(3):369-374.

    [8] 魏永越,盧珍珍,杜志成,等. 基于改進(jìn)的SEIR~(+CAQ)傳染病動力學(xué)模型進(jìn)行新型冠狀病毒肺炎疫情趨勢分析[J].中華流行病學(xué)雜志,2020(4):470-475.

    [9] 游光榮,游翰霖,趙得智,等. 新冠肺炎疫情傳播模型及防控干預(yù)措施的因果分析評估[J]. 科技導(dǎo)報,2020,38(6):90-96.

    [10] RAJAGOPAL K,HASANZADEH N,PARASTESH F,et al. A fractional-order model for the novel coronavirus (COVID-19) outbreak[J]. Nonlinear Dynamics,2020(6):1-8.

    [11] 唐三一,肖燕妮,彭志行,等. 新型冠狀病毒肺炎疫情預(yù)測建模、數(shù)據(jù)融合與防控策略分析[J]. 中華流行病學(xué)雜志,2020(4):480-484.

    [12] MANDAL M, JANA S, NANDI S K,et al. A model based study on the dynamics of COVID-19: prediction and control[J].? Chaos, Solitons and Fractals: the Interdisciplinary Journal of Nonlinear Science, and Nonequilibrium and Complex Phenomena,2020,136:109889.

    [13] AHMED A,ABDULLAH B,MOHAMMAD M A,et al. Analysis coronavirus disease (COVID-19) model using numerical approaches and logistic model[J].? AIMS Bioengineering,2020,7(3): 130-146.

    [14] LI L,YANG Z,DANG Z,et al. Propagation analysis and prediction of the COVID-19[J].? Infectious Disease Modelling,2020,5:282-292.

    [15] CAR Z,EGOTA S B, ANELI N, et al. Modeling the spread of COVID-19 infection using a multilayer perceptron[DB/OL].? Computational and Mathematical Methods in Medicine:1-10.2020-05-29.https://www.hindawi.com/journals/cmmm/2020/5714714/.

    [16] CHIMMULA V K R,ZHANG L. Time series forecasting of COVID-19 transmission in Canada using LSTM networks[J].? Chaos Solitons & Fractals, 2020,135:109864.

    [17] ZHENG N,DU S,WANG J, et al. Predicting COVID-19 in China using hybrid AI model[J]. IEEE Transactions on Cybernetics,2020, 99:1-14.

    [18] ROOSA K,LEE Y,LUO R,et al. Short-term forecasts of the COVID-19 epidemic in Guangdong and Zhejiang, China: February 13-23, 2020[J].? Journal of Clinical Medicine,2020,9(2):596-604.

    [19] DUFFEY R B,ZIO E. Prediction of CoVid-19 infection, transmission and recovery rates: a new analysis and global societal comparisons[J].? Safety Science, 2020,129:104854.

    (責(zé)任編輯:江 艷)

    猜你喜歡
    新型冠狀病毒肺炎
    基于FAHP法的N95口罩設(shè)計方案評價優(yōu)選研究
    基于扶陽學(xué)術(shù)流派學(xué)術(shù)思想對新型冠狀病毒肺炎認(rèn)識探討
    新冠肺炎疫情下中醫(yī)風(fēng)濕科治療策略
    “新型冠狀病毒肺炎”中考試題專項演練
    危機(jī)之下更顯生物安全建設(shè)之重
    免费av毛片视频| 桃色一区二区三区在线观看| 国内精品久久久久精免费| 白带黄色成豆腐渣| 亚洲美女黄片视频| 嫩草影院精品99| 亚洲成av人片免费观看| 制服人妻中文乱码| 999久久久精品免费观看国产| 一区福利在线观看| 国产成人精品久久二区二区91| 国产视频内射| 超碰成人久久| 少妇丰满av| 欧美日韩乱码在线| 91麻豆av在线| 老司机在亚洲福利影院| 国产蜜桃级精品一区二区三区| 日日干狠狠操夜夜爽| 别揉我奶头~嗯~啊~动态视频| 两个人看的免费小视频| 不卡一级毛片| 国产三级黄色录像| 99热6这里只有精品| 中文亚洲av片在线观看爽| 国产精品久久久久久亚洲av鲁大| 最近视频中文字幕2019在线8| 国产精品美女特级片免费视频播放器 | 欧美一级毛片孕妇| 曰老女人黄片| 精品国产美女av久久久久小说| 日韩av在线大香蕉| 黄色丝袜av网址大全| 日本熟妇午夜| 99视频精品全部免费 在线 | 十八禁人妻一区二区| 久久久色成人| 非洲黑人性xxxx精品又粗又长| 国内精品久久久久久久电影| 色av中文字幕| 久久午夜综合久久蜜桃| 看片在线看免费视频| 亚洲专区字幕在线| 一区二区三区激情视频| 人人妻,人人澡人人爽秒播| 色噜噜av男人的天堂激情| 变态另类丝袜制服| 亚洲av第一区精品v没综合| 亚洲欧美日韩高清专用| 狂野欧美激情性xxxx| 人妻丰满熟妇av一区二区三区| 亚洲中文字幕日韩| 丰满人妻一区二区三区视频av | 操出白浆在线播放| 国产欧美日韩精品一区二区| 国产av在哪里看| 90打野战视频偷拍视频| 国产日本99.免费观看| 久久久久久久久中文| 日韩欧美国产一区二区入口| 性色av乱码一区二区三区2| 又爽又黄无遮挡网站| 老司机深夜福利视频在线观看| 亚洲成人精品中文字幕电影| 亚洲国产欧美一区二区综合| 国产在线精品亚洲第一网站| 好男人电影高清在线观看| 亚洲精品粉嫩美女一区| 桃色一区二区三区在线观看| 国产黄片美女视频| 国产私拍福利视频在线观看| 国产真实乱freesex| 免费观看精品视频网站| 精品人妻1区二区| 精品久久久久久久毛片微露脸| 三级毛片av免费| 亚洲中文日韩欧美视频| 18禁黄网站禁片免费观看直播| 欧美日韩乱码在线| 丰满人妻熟妇乱又伦精品不卡| 亚洲欧美精品综合一区二区三区| 国产成年人精品一区二区| 国产亚洲精品久久久com| 91老司机精品| 亚洲精品一区av在线观看| 天天添夜夜摸| 色尼玛亚洲综合影院| 亚洲专区国产一区二区| 天堂√8在线中文| 亚洲色图 男人天堂 中文字幕| 欧美一级a爱片免费观看看| 1000部很黄的大片| 叶爱在线成人免费视频播放| 蜜桃久久精品国产亚洲av| 欧美日韩精品网址| 日本精品一区二区三区蜜桃| 黄色片一级片一级黄色片| 99久久99久久久精品蜜桃| 日韩精品青青久久久久久| 听说在线观看完整版免费高清| 欧美3d第一页| 黄色成人免费大全| 久久久水蜜桃国产精品网| 狂野欧美白嫩少妇大欣赏| 国产亚洲精品av在线| 天天躁狠狠躁夜夜躁狠狠躁| 一边摸一边抽搐一进一小说| 日日夜夜操网爽| 好男人电影高清在线观看| 叶爱在线成人免费视频播放| 精品久久久久久久久久久久久| 全区人妻精品视频| 亚洲av电影在线进入| 女人被狂操c到高潮| 国产精品乱码一区二三区的特点| 色吧在线观看| 很黄的视频免费| 又黄又粗又硬又大视频| 色吧在线观看| 亚洲成a人片在线一区二区| 一个人看视频在线观看www免费 | 久久午夜亚洲精品久久| 久久精品亚洲精品国产色婷小说| 香蕉av资源在线| 给我免费播放毛片高清在线观看| 91九色精品人成在线观看| 亚洲国产精品999在线| 久久亚洲真实| 99久久精品一区二区三区| av中文乱码字幕在线| 精品免费久久久久久久清纯| xxx96com| 国产av在哪里看| 69av精品久久久久久| 国产精品久久电影中文字幕| 国产爱豆传媒在线观看| 亚洲aⅴ乱码一区二区在线播放| 天堂影院成人在线观看| 女人高潮潮喷娇喘18禁视频| 色播亚洲综合网| 久久午夜综合久久蜜桃| 久久久国产欧美日韩av| 国产亚洲av嫩草精品影院| 国产1区2区3区精品| 村上凉子中文字幕在线| 久久九九热精品免费| 精品久久久久久久人妻蜜臀av| 午夜福利18| 母亲3免费完整高清在线观看| 久久热在线av| 无遮挡黄片免费观看| 久久亚洲真实| 真实男女啪啪啪动态图| 久久国产精品影院| 三级男女做爰猛烈吃奶摸视频| 久久国产精品人妻蜜桃| 久久精品国产综合久久久| 美女扒开内裤让男人捅视频| 久久久久久人人人人人| 18禁美女被吸乳视频| 在线播放国产精品三级| 午夜福利在线在线| 欧美激情在线99| 日本一本二区三区精品| 丁香欧美五月| 欧美日韩一级在线毛片| 免费无遮挡裸体视频| 国产精品,欧美在线| 欧美xxxx黑人xx丫x性爽| 国产欧美日韩一区二区三| 在线永久观看黄色视频| 欧美性猛交黑人性爽| 久久精品91无色码中文字幕| 亚洲成a人片在线一区二区| 国产精品野战在线观看| 一进一出抽搐gif免费好疼| 97超视频在线观看视频| 91久久精品国产一区二区成人 | 日本 av在线| 99久久无色码亚洲精品果冻| 久久精品国产99精品国产亚洲性色| 国产免费男女视频| 久久精品人妻少妇| 亚洲精品美女久久久久99蜜臀| 毛片女人毛片| 成人18禁在线播放| 亚洲最大成人中文| 2021天堂中文幕一二区在线观| 久久久久久国产a免费观看| 这个男人来自地球电影免费观看| 女人被狂操c到高潮| 成人一区二区视频在线观看| 亚洲 国产 在线| 九九久久精品国产亚洲av麻豆 | 午夜成年电影在线免费观看| 日韩欧美在线乱码| 男人舔女人的私密视频| 亚洲精品美女久久av网站| 亚洲人成电影免费在线| 国产亚洲精品综合一区在线观看| 精品国产超薄肉色丝袜足j| 最新中文字幕久久久久 | 老司机福利观看| 欧美高清成人免费视频www| 99国产极品粉嫩在线观看| 欧美性猛交黑人性爽| 可以在线观看的亚洲视频| 日本一本二区三区精品| 九九在线视频观看精品| 麻豆国产97在线/欧美| 国产精华一区二区三区| av黄色大香蕉| 小说图片视频综合网站| 久久久成人免费电影| 久久天躁狠狠躁夜夜2o2o| 一卡2卡三卡四卡精品乱码亚洲| 白带黄色成豆腐渣| 精品国产美女av久久久久小说| 久久久色成人| 丁香六月欧美| 欧美日韩黄片免| 琪琪午夜伦伦电影理论片6080| 日韩有码中文字幕| 成人欧美大片| 日本免费一区二区三区高清不卡| 在线观看美女被高潮喷水网站 | 12—13女人毛片做爰片一| 日韩欧美三级三区| 久久久久久久精品吃奶| 热99re8久久精品国产| 麻豆一二三区av精品| 99久久久亚洲精品蜜臀av| 综合色av麻豆| 91麻豆av在线| 网址你懂的国产日韩在线| 国产精品久久久人人做人人爽| 日日干狠狠操夜夜爽| 欧美成人免费av一区二区三区| 老司机深夜福利视频在线观看| 此物有八面人人有两片| а√天堂www在线а√下载| 精品午夜福利视频在线观看一区| 无限看片的www在线观看| 嫩草影视91久久| 久久精品综合一区二区三区| 国产欧美日韩一区二区精品| 黑人欧美特级aaaaaa片| 亚洲 欧美 日韩 在线 免费| 亚洲av免费在线观看| 久久久色成人| 国产精品野战在线观看| 午夜福利在线在线| 日本免费a在线| 特大巨黑吊av在线直播| 国产黄片美女视频| 久久天堂一区二区三区四区| 中国美女看黄片| xxx96com| 老熟妇仑乱视频hdxx| 欧美日韩中文字幕国产精品一区二区三区| 国内精品久久久久久久电影| 搞女人的毛片| 亚洲美女视频黄频| 午夜免费激情av| 亚洲自偷自拍图片 自拍| 国产av不卡久久| 在线播放国产精品三级| 亚洲国产精品sss在线观看| 久99久视频精品免费| 黄色成人免费大全| 欧美zozozo另类| 中文字幕高清在线视频| 99在线人妻在线中文字幕| 色尼玛亚洲综合影院| 亚洲成人精品中文字幕电影| 免费在线观看成人毛片| 97碰自拍视频| 可以在线观看的亚洲视频| 亚洲人成网站在线播放欧美日韩| 日本 欧美在线| 国产精品99久久久久久久久| 嫩草影院精品99| 高潮久久久久久久久久久不卡| 热99在线观看视频| 人妻久久中文字幕网| 亚洲精品在线观看二区| 一本一本综合久久| av福利片在线观看| 久久亚洲真实| 成年版毛片免费区| 最近最新中文字幕大全免费视频| 又大又爽又粗| 老熟妇乱子伦视频在线观看| 精品国产乱码久久久久久男人| 一级毛片精品| 亚洲精品国产精品久久久不卡| 久久久久精品国产欧美久久久| 日韩成人在线观看一区二区三区| 色视频www国产| 欧美一区二区精品小视频在线| 午夜免费激情av| 老司机在亚洲福利影院| 我要搜黄色片| 欧美乱色亚洲激情| 91av网站免费观看| 国产亚洲精品一区二区www| 99在线人妻在线中文字幕| 中文字幕最新亚洲高清| 国产又色又爽无遮挡免费看| 亚洲第一欧美日韩一区二区三区| 国产精品久久久av美女十八| 狂野欧美激情性xxxx| 久久久久亚洲av毛片大全| 久久久色成人| 999精品在线视频| 十八禁人妻一区二区| 成年版毛片免费区| 母亲3免费完整高清在线观看| 免费在线观看视频国产中文字幕亚洲| 免费观看人在逋| 中文字幕高清在线视频| 淫秽高清视频在线观看| 国产亚洲精品综合一区在线观看| 亚洲av电影在线进入| 国产激情欧美一区二区| 波多野结衣高清作品| 免费在线观看亚洲国产| 国产精品美女特级片免费视频播放器 | 免费人成视频x8x8入口观看| 亚洲国产精品久久男人天堂| 一区二区三区高清视频在线| 亚洲熟妇熟女久久| 很黄的视频免费| 日韩国内少妇激情av| 18禁国产床啪视频网站| 黄色片一级片一级黄色片| 久久久久国产精品人妻aⅴ院| 国产高清视频在线观看网站| e午夜精品久久久久久久| 黑人巨大精品欧美一区二区mp4| 欧美性猛交黑人性爽| 午夜成年电影在线免费观看| 日韩欧美 国产精品| 亚洲欧美一区二区三区黑人| 国产aⅴ精品一区二区三区波| 波多野结衣高清无吗| 99久久无色码亚洲精品果冻| 一级毛片高清免费大全| 十八禁网站免费在线| 91老司机精品| 变态另类丝袜制服| 99国产精品99久久久久| 成在线人永久免费视频| 熟妇人妻久久中文字幕3abv| 国产成人精品无人区| www日本在线高清视频| 搡老妇女老女人老熟妇| 不卡av一区二区三区| 国产黄色小视频在线观看| 久久精品亚洲精品国产色婷小说| 国产高清有码在线观看视频| h日本视频在线播放| 国产成人精品久久二区二区91| 成人高潮视频无遮挡免费网站| 91在线精品国自产拍蜜月 | 欧美日本亚洲视频在线播放| 桃色一区二区三区在线观看| 91av网一区二区| 亚洲精品456在线播放app | 国产久久久一区二区三区| 一区福利在线观看| 天堂影院成人在线观看| 五月玫瑰六月丁香| 成人欧美大片| 舔av片在线| 搡老熟女国产l中国老女人| 噜噜噜噜噜久久久久久91| 9191精品国产免费久久| 香蕉丝袜av| 无限看片的www在线观看| 精品免费久久久久久久清纯| 国产黄片美女视频| 桃红色精品国产亚洲av| 1000部很黄的大片| 在线免费观看不下载黄p国产 | 国产精品永久免费网站| 18禁国产床啪视频网站| 一级毛片女人18水好多| 国产亚洲欧美在线一区二区| 欧美日本视频| 欧美zozozo另类| 国产黄片美女视频| 这个男人来自地球电影免费观看| 国内精品美女久久久久久| 久9热在线精品视频| 麻豆久久精品国产亚洲av| 国产淫片久久久久久久久 | 小蜜桃在线观看免费完整版高清| 亚洲九九香蕉| 国产精品国产高清国产av| 亚洲aⅴ乱码一区二区在线播放| 国产乱人伦免费视频| 一边摸一边抽搐一进一小说| 黄色 视频免费看| 亚洲成人久久爱视频| 好男人电影高清在线观看| 亚洲人成伊人成综合网2020| 少妇人妻一区二区三区视频| 日韩欧美在线二视频| 欧美午夜高清在线| 国产探花在线观看一区二区| 欧美性猛交黑人性爽| 久久久久免费精品人妻一区二区| 99国产精品一区二区蜜桃av| 女同久久另类99精品国产91| av女优亚洲男人天堂 | 一卡2卡三卡四卡精品乱码亚洲| 草草在线视频免费看| 中文字幕最新亚洲高清| 国产黄a三级三级三级人| 小蜜桃在线观看免费完整版高清| 午夜亚洲福利在线播放| av天堂中文字幕网| 高清毛片免费观看视频网站| 每晚都被弄得嗷嗷叫到高潮| 夜夜夜夜夜久久久久| 色在线成人网| 亚洲人成伊人成综合网2020| 999精品在线视频| cao死你这个sao货| 日本一本二区三区精品| 女人高潮潮喷娇喘18禁视频| 亚洲人成电影免费在线| 国产极品精品免费视频能看的| 亚洲国产欧美一区二区综合| 国产激情偷乱视频一区二区| 他把我摸到了高潮在线观看| 成年免费大片在线观看| 99久久久亚洲精品蜜臀av| 黄频高清免费视频| 欧美一级毛片孕妇| 日韩精品青青久久久久久| 毛片女人毛片| 激情在线观看视频在线高清| 极品教师在线免费播放| 免费看光身美女| 欧美xxxx黑人xx丫x性爽| 日本黄大片高清| tocl精华| 免费看a级黄色片| 亚洲欧美精品综合久久99| 他把我摸到了高潮在线观看| 美女被艹到高潮喷水动态| 国产精品精品国产色婷婷| 日韩精品中文字幕看吧| 十八禁人妻一区二区| 亚洲av片天天在线观看| 亚洲欧美一区二区三区黑人| 亚洲成人免费电影在线观看| 在线免费观看不下载黄p国产 | 天堂影院成人在线观看| 国产亚洲欧美在线一区二区| www日本在线高清视频| 久久久久国内视频| 男人舔女人的私密视频| 色综合欧美亚洲国产小说| 国产私拍福利视频在线观看| 99国产精品99久久久久| 69av精品久久久久久| 精品国产亚洲在线| 精品无人区乱码1区二区| 国产真人三级小视频在线观看| 久久午夜综合久久蜜桃| 露出奶头的视频| 亚洲国产精品合色在线| 成年人黄色毛片网站| 亚洲精品在线观看二区| 亚洲国产精品久久男人天堂| 19禁男女啪啪无遮挡网站| 国产精品亚洲美女久久久| 中亚洲国语对白在线视频| 99久久久亚洲精品蜜臀av| 欧美丝袜亚洲另类 | 啦啦啦观看免费观看视频高清| 午夜福利免费观看在线| 国产黄片美女视频| 国产真实乱freesex| 精品久久久久久,| 高清在线国产一区| 成人特级av手机在线观看| 日本熟妇午夜| 久久九九热精品免费| av中文乱码字幕在线| 日韩欧美在线二视频| 久久精品影院6| 亚洲专区字幕在线| 亚洲五月婷婷丁香| 2021天堂中文幕一二区在线观| 日本在线视频免费播放| 久久久久久国产a免费观看| www日本在线高清视频| 给我免费播放毛片高清在线观看| 午夜影院日韩av| 级片在线观看| 久久久精品欧美日韩精品| 精品福利观看| 亚洲人成电影免费在线| avwww免费| 99精品在免费线老司机午夜| 性色av乱码一区二区三区2| 午夜两性在线视频| 两人在一起打扑克的视频| 国产伦精品一区二区三区视频9 | 欧美激情久久久久久爽电影| 99在线视频只有这里精品首页| 在线视频色国产色| 91老司机精品| 亚洲av第一区精品v没综合| 精品一区二区三区视频在线观看免费| 亚洲成a人片在线一区二区| 一进一出好大好爽视频| 亚洲av片天天在线观看| 久久久久国内视频| 久久久久亚洲av毛片大全| 国内久久婷婷六月综合欲色啪| 欧美一区二区国产精品久久精品| 国产精品99久久99久久久不卡| 可以在线观看的亚洲视频| 一a级毛片在线观看| 国产精品电影一区二区三区| cao死你这个sao货| 国内少妇人妻偷人精品xxx网站 | 亚洲精品国产精品久久久不卡| 久久久久国产精品人妻aⅴ院| 99在线视频只有这里精品首页| 啦啦啦免费观看视频1| 天堂网av新在线| 欧美日韩乱码在线| 三级国产精品欧美在线观看 | 岛国视频午夜一区免费看| 成人永久免费在线观看视频| 给我免费播放毛片高清在线观看| 国产精品久久久av美女十八| 国产探花在线观看一区二区| 日韩av在线大香蕉| 嫩草影视91久久| 99久久成人亚洲精品观看| 久久久国产精品麻豆| av天堂中文字幕网| 99久久精品国产亚洲精品| 宅男免费午夜| 国产伦在线观看视频一区| 俺也久久电影网| 亚洲成人精品中文字幕电影| 人妻丰满熟妇av一区二区三区| 国产高清有码在线观看视频| 老熟妇仑乱视频hdxx| 欧洲精品卡2卡3卡4卡5卡区| 中文字幕熟女人妻在线| 九九在线视频观看精品| 又爽又黄无遮挡网站| 免费高清视频大片| 亚洲色图av天堂| 女警被强在线播放| 国产欧美日韩一区二区三| 香蕉久久夜色| 成年人黄色毛片网站| 亚洲国产看品久久| 免费一级毛片在线播放高清视频| 亚洲国产欧美一区二区综合| 女人高潮潮喷娇喘18禁视频| 亚洲在线自拍视频| 日韩av在线大香蕉| 国产精品影院久久| 亚洲人成网站高清观看| 狠狠狠狠99中文字幕| 午夜视频精品福利| 久久伊人香网站| 国产精品爽爽va在线观看网站| 在线观看免费视频日本深夜| 美女高潮的动态| 久久精品影院6| 国产精品99久久99久久久不卡| 在线看三级毛片| 99热只有精品国产| 久久久久国产精品人妻aⅴ院| 亚洲人与动物交配视频| 一进一出好大好爽视频| 一个人看视频在线观看www免费 | 亚洲av片天天在线观看| 男人的好看免费观看在线视频| 18禁黄网站禁片免费观看直播| 免费一级毛片在线播放高清视频| 这个男人来自地球电影免费观看| 少妇人妻一区二区三区视频| 一级毛片精品| 18禁裸乳无遮挡免费网站照片| 搡老岳熟女国产| 精品久久久久久久人妻蜜臀av| 桃红色精品国产亚洲av| 99re在线观看精品视频| 午夜日韩欧美国产| 男人和女人高潮做爰伦理| 久久精品aⅴ一区二区三区四区| 亚洲无线观看免费| 亚洲国产色片| 日韩欧美一区二区三区在线观看| 欧美乱色亚洲激情| 国产美女午夜福利| 丰满人妻一区二区三区视频av | 麻豆久久精品国产亚洲av| 国产精品 欧美亚洲| 少妇裸体淫交视频免费看高清| 每晚都被弄得嗷嗷叫到高潮| av黄色大香蕉|