一种基于GABP神经网络算法的新冠肺炎模型预测

作者：刘志勇; 王小红

来源：科技通报, 2022, 38(10): 47-53.

DOI：10.13774/j.cnki.kjtb.2022.10.008

• 遗传算法
• 神经网络
• 新冠肺炎
• 模型预测
• 参数更新

针对新冠肺炎疫情发展模型的预测问题，提出了一种基于改进遗传算法误差反向传播(genetic algorithms back propagation, GABP)神经网络算法。该算法通过对遗传算法中的交叉、变异、及适应度等函数进行了重新定义，在获得GABP神经网络最优参数的同时，提高了最优参数的泛化能力，进而缩小了GABP网络寻优的搜索范围，并进一步获得新冠肺炎疫情发展的精确预测模型。最后通过仿真，验证了该GABP神经网络对模型拟合预测的准确性。

• 单位
  咸阳职业技术学院