我国对于疫情智能防控采取的措施 智能防疫的措施

2022年4月29日发

(作者：我是冬天里的白玫瑰)

2562021seo研究，57（8）

ComputerEngineeringandApplicati计算机工程与应用

三种新型智能算法在疫情预警模型中的应用

——基于百度搜索指数的COVID-19疫情预警

高铖铖网络推广深圳，陈锡程怎样删除百度快照，张瑞深圳百度电话，宋秋月，易东竞价托管的注意事项，伍亚舟

陆军军医大学军事预防医学系军队卫生统计学教研室上海百度推广电话，重庆400038

摘要：自2019年12月底中国武汉爆发新型冠状病毒性肺炎（CoronaVirusDisease2019，COVID-19）以来学校软文，我国经

济社会遭受巨大危害加盟星，利用网络数据预警疫情发展趋势可以有效降低其社会危害查网站关键词排名。而采用机器学习算法构建预警

模型时，参数选取是其中重要内容，与最终构建模型的精度密切相关，探讨多种新型智能优化算法在百度搜索指数

COVID-19预警模型中的应用效果网络推广网站，可为新型智能优化算法的推广应用提供一定的理论依据和分析策略。对比多元宇

宙算法（Multi-VerseOptimizer鞍山网站制作，MVO）、黏菌算法（SlimeMouldAlgorithm，SMA）及平衡算法（EquilibriumOptimizer，

EO）三种新型智能优化算法，在最小二乘支持向量机（LeastSquaresSupportVeotorMachine搜索引擎市场份额，LSSVM）百度搜索指

数疫情预警模型中的应用效果。优化算法寻优过程，SMA算法收敛性较差站点维护，全局搜索能力弱于MVO和EO算法seovv，而

EO算法运算效率相对较低，MVO算法的运算效率高，收敛性也较强交换链接平台，最终构建预警模型优势明显（测试集的MSE为

17搜索引擎seo.77网站建设流程，MAE为38.38广告费一般多少钱，RMSE为129又名泉州站长网.35广州seo推广公司，R2为0新疆网站推广.87）。三种智能优化算法皆可提升LSSVM预警模型的预测性能，而

MVO优化算法的综合运算效能更好google 优化，最终构建的MVO-LSSVM预警模型可为后续疫情常态化防控阶段的防疫行为

预判提供一定参考英语网站建设。

关键词：智能优化算法；百度指数；预警模型；对比研究；新冠疫情

文献标志码：A中图分类号：TP391doi：10鞍山seo.3778/新站长网.1002-8331.2011-0276

ApplicationofThreeewIntelligentAlgorithmsinEpidemicEarlyWarningModel

—COVID-19EpidemicWarningBasedonBaiduSearchIndex

GAOChengcheng,CHEXicheng,ZHAGRui,SOGQiuyue山西网站建设,YIDong,WUYazhou

DepartmentofMilitaryMedicalStatistics,DepartmentofMilitaryPreventiveMedicine兴安网,ArmyMilitaryMedicalUniversity,

Chongqing400038篮球指数,China

Abstract：SincetheoutbreakofCoronaVirusDisease2019（COVID-19）inWuhan,ChinaattheendofDecember2019,

mycountry’etworkdatatowarnthedevelopmenttrendoftheepi-

ingmachinelearningalgorithmstobuildanearlywarningmodel,

parameterselectionisanimportantcontent,ores

theapplicationeffectsofavarietyofnewintelligentoptimizationalgorithmsintheBaidusearchindexCOVID-19early

warningmodel,whichcanprovideacertaintheoreticalbasisandanalysisstrategyforthepopularizationandapplication

ewintelligentoptimizationalgorithms,Multi-VerseOptimizer（MVO）做广告,

SlimeMouldAlgorithm（SMA）andEquilibriumOptimizer（EO）,arecomparedintheapplicationeffectoftheLeast

SquaresSupportVectorMachine（LSSVM）mizesalgorithmoptimi-

zationprocess,theSMAalgorithmhaspoorconvergencebaidu com,andtheglobalsearchabilityisweakerthantheMVOandEO

algorithmsbaiidu,algorithmhashighcomputa-

y,antageisobvious（MSE=

基金项目：自然科学基金（81872716google代理商，81573254）；重庆市自然科学基金重点项目（cstc2020jcyj-zdxmX0017）。

作者简介：高铖铖（1993—），男北京百度公司，硕士研究生网站布局，研究方向为智能算法和深度学习及应用；陈锡程（1992—），男wordpress seo，硕士研究生seo技术培训，研究方

向为智能算法和深度学习及应用；张瑞（1992—）站内搜索引擎，女博客网站排名，硕士研究生刷点击率软件，研究方向为统计理论方法及应用；宋秋月（1991—）渭南网站建设，

女app推送，助教，研究方向为多元纵向数据的联合建模；易东（1964—）蜘蛛日志分析，男，教授李守洪排名大师，主要研究方向为卫生统计理论方法及应用、

医疗健康大数据分析；伍亚舟（1977—）汕头网站建设，通信作者，男seo帝国，教授搜索引擎快速优化，博士生导师，主要研究方向为统计理论方法及其应用、基

于人工智能的多组学数据融合分析和生物信息学，E-mali:asiawu@文案怎么写。

收稿日期：2020-11-18修回日期：2021-01-18文章编号：1002-8331（2021）08-0256-08

万方数据