基于改进SEIR算法的疫情传播趋势检测方法

吉林大学学报(理学版) ›› 2021, Vol. 59 ›› Issue (6): 1511-1516.

基于改进SEIR算法的疫情传播趋势检测方法

燕杨¹, 郭皓钰¹, 魏宇航², 尤紫如¹, 肖志强³, 黄文博¹

1. 长春师范大学计算机科学与技术学院, 长春 130032；2. 吉林大学白求恩第一临床医学院, 长春 130021； 3. 吉林大学地球科学学院, 长春 130021

收稿日期:2021-04-23 出版日期:2021-11-26 发布日期:2021-11-26
通讯作者: 黄文博 E-mail:huangwenbo@sina.com

Epidemic Propagation Trend Detection Based on Improved SEIR Algorithm

YAN Yang¹, GUO Haoyu¹, WEI Yuhang², YOU Ziru¹, XIAO Zhiqiang³, HUANG Wenbo¹

1. School of Computer Science and Technology, Changchun Normal University, Changchun 130032, China；2. The First Bethune Clinical Medical College of Jilin University, Changchun 130021, China; 3. College of Earth Sciences, Jilin University, Changchun 130021, China

Received:2021-04-23 Online:2021-11-26 Published:2021-11-26

摘要/Abstract

摘要： 通过对传统SEIR(susceptible-exposed-infectious-removed)算法进行优化重建, 提出一种改进的SEIR算法. 该算法通过为感染率β添加衰减函数, 对数据拟合得到随时间增长而改变的β. 仿真实验结果表明, 该算法在测试集上的平均MSE（mean square error）只有0.11, 相比于目前已有的其他算法, 误差值显著降低.

关键词: SEIR算法, 衰减函数, ARIM算法, 传播趋势检测

Abstract: By optimizing and reconstructing the traditional SEIR (susceptible-exposed-infectious-removed) algorithm, we proposed an improved SEIR algorithm. The algorithm added attenuation function to the infection rate β, and the data were fitted to get the infection rate β that changed with time. Simulation results show that the average MSE (mean square error) of the algorithm on the test set is only 0.11, which significantly reduced the error value compared with other existing algorithm.

Key words: , susceptible-exposed-infectious-removed (SEIR) algorithm, attenuation function, ARIM algorithm, , propagation trend detection

中图分类号:

TP391

燕杨, 郭皓钰, 魏宇航, 尤紫如, 肖志强, 黄文博. 基于改进SEIR算法的疫情传播趋势检测方法[J]. 吉林大学学报(理学版), 2021, 59(6): 1511-1516.

YAN Yang, GUO Haoyu, WEI Yuhang, YOU Ziru, XIAO Zhiqiang, HUANG Wenbo. Epidemic Propagation Trend Detection Based on Improved SEIR Algorithm[J]. Journal of Jilin University Science Edition, 2021, 59(6): 1511-1516.

[1]	贺怀清, 翟羽佳, 刘浩翰, 惠康华. 基于特征增强的3D目标检测模型ICasA[J]. 吉林大学学报(理学版), 2026, 64(4): 823-0834.
[2]	胡亨伍, 李松涛. 基于小波相位滤波的X光图像多层次模糊增强方法[J]. 吉林大学学报(理学版), 2026, 64(4): 835-0841.
[3]	熊哲源, 汪灿华, 郑炳城, 沈志伟. 基于改进注意力W-Net的超声图像分割算法[J]. 吉林大学学报(理学版), 2026, 64(4): 842-0848.
[4]	唐菁敏, 罗浩天, 虞贵财. 人工噪声辅助的无人机通感一体化安全波束成形[J]. 吉林大学学报(理学版), 2026, 64(4): 879-0886.
[5]	王红斌, 张煊赫, 侯明辉. 基于层级知识增强和义原知识的中文隐式情感分析[J]. 吉林大学学报(理学版), 2026, 64(3): 568-0580.
[6]	陈海鹏, 孔鸣, 张洪语, 孙宝胜. 基于边界感知与特征融合的病理图像分割网络[J]. 吉林大学学报(理学版), 2026, 64(3): 581-0590.
[7]	高凯, 王晟宇, 付强, 才华, 张晨洁, 王伟刚. 基于多层级交互式特征融合的三维目标检测算法[J]. 吉林大学学报(理学版), 2026, 64(3): 591-0602.
[8]	张弄, 徐哲文, 刘长征. 基于领域先验知识的时空神经网络模型在MJO预报中的应用[J]. 吉林大学学报(理学版), 2026, 64(3): 617-0626.
[9]	张书达, 李慧盈. 融合欧氏与双曲几何的深度度量学习方法[J]. 吉林大学学报(理学版), 2026, 64(2): 284-0290.
[10]	吴建, 王兴旺, 孙亚峰, 于美铭. 基于多压缩机制协同的轻量化模型在课堂行为检测中的应用[J]. 吉林大学学报(理学版), 2026, 64(2): 301-0310.
[11]	姜昀奇, 韩晓同, 田原. 基于大语言模型与适配器驱动的知识图谱补全算法[J]. 吉林大学学报(理学版), 2026, 64(2): 291-0300.
[12]	路扬, 张学沛, 马小蕾, 王一博, 白金峰. 基于多模态自适应融合的呼吸频率预测方法[J]. 吉林大学学报(理学版), 2026, 64(2): 319-0328.
[13]	金先进, 张晋恒, 杨建平, 孙晓海, 周兵. 基于改进YOLOv9的玉米幼苗轻量级杂草检测模型Weed-YOLO[J]. 吉林大学学报(理学版), 2026, 64(2): 329-0343.
[14]	刘爽, 吕俊良, 秦宇航, 秦丹丹, 孙佳慧. 基于YOLOv8的PCB缺陷检测改进算法[J]. 吉林大学学报(理学版), 2026, 64(2): 344-0350.
[15]	廉雄杰, 董振. 基于XLM-RoBERTa-Large-Finetuned-Conll03-English模型结合CRF的中文命名实体识别微调优化方法[J]. 吉林大学学报(理学版), 2026, 64(2): 370-0376.