GMDH-BILSTM模型结合遗传神经网络，如何用matlab预测COVID病例数？

本文共计980个文字，预计阅读时间需要4分钟。

1. 简介：在一般情况下，学者们采用人工智能、数学建模等方式预测COVID-19的传播。然而，现有的数学模型，其理论推导过程复杂且专业性强，不易理解和推广；部分模型需要提前估计参数，在参数确定上存在困难。

1 简介

一般情况,学者们采用人工智能,数学建模等方式预测COVID-19的传播.然而有的数学模型,其理论推导过程复杂且专业性强,不易理解和推广;有些数学模型需要提前估计参数,在参数确定环节就会引起一定的失真;在统计数据集时,学者们都更偏爱以当日报道的确诊总人数为子集.文章以每日报道的新增确诊人数为子集,基于大量的实时动态变化数据,不需要流行病学方面的专业知识,分别以BILSTM, GMDH和遗传神经网络三种算法去预测COVID-19未来的传播,模型简单可靠,便于应用.

ＧＭＤＨ数据处理组合方法是前苏联乌克兰科学院的Ａ．Ｇ．Ｉｖａｋｎｅｎｋｏ于１９６８年运用多层神经网络原理和品种改良假说提出的一种复杂非线性系统的启发式自组织建模方法，以Ｋ－Ｇ（Ｋｏｌ－ｍｏｇｏｒｏｖ－Ｇａｂｏｒ）多项式为基础通过不断筛选组合建立非线性系统的模型，对高阶非线性系统的辨识很有效。ＧＭＤＨ神 经 网 络 是 前 馈 神 经 网络中一种用于预测的实用神经网络，其特点是网络结构不固定，在训练过程中不断变化。