目的提出一种新的网络模型以解决COVID-19出现初期认知不够、检测能力受限以及潜伏期长等因素导致每天检测出的感染人数与真实感染人数存在差异的问题,并预测COVID-19疫情发展趋势。方法以历史时间窗检测出的数据为依据,将时间窗策略结合长短期记忆(long short term memory,LSTM)网络模型对世界各个地区的确诊人数进行预测分析。结果基于时间窗的LSTM网络模型与其他模型相比准确度较高。对时间窗宽度进行分析发现,当宽度取5时预测结果最接近真实数据,这与COVID-19的潜伏期普遍为3~7 d相吻合。结论该方法为COVID-19疫情发展以及其潜伏期的分析提供了参考。
暂无评论