基于ARIMA与LSTM的新冠肺炎网络关注度趋势研究

作者：景楠; 胡怡; 韩喜双^*

来源：中国安全科学学报, 2020, 30(12): 37-42.

DOI：10.16265/j.cnki.issn1003-3033.2020.12.006

• 自回归移动平均(ARIMA)模型
• 长短期记忆(LSTM)
• 新型冠状病毒肺炎(COVID-19)
• 网络舆情
• 时间序列

为有效监控和管理新型冠状病毒肺炎(COVID-19)引起的网络舆情,基于自回归移动平均(ARIMA)模型和长短期记忆(LSTM)神经网络预测和分析舆情数据,利用百度指数收集全国及武汉市网民对COVID-19的关注度数值,形成时间序列数据,并构建舆情模型;对舆情模型进行参数估计、模型诊断和模型评价。结果表明:此疫情的网络舆情前驱期为4天,爆发期为7天,波动期为14天,消退期为32天,到达峰值的时间为13天;该模型可较好地模拟COVID-19网络舆情关注度的变化趋势,且局部地区的数据拟合模型预测效果优于全国数据拟合模型。

• 单位
  上海大学; 哈尔滨工业大学深圳研究生院