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

自2019年12月底中国武汉爆发新型冠状病毒性肺炎(Corona Virus Disease 2019,COVID-19)以来,我国经济社会遭受巨大危害,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。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,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-Verse Optimizer,MVO)、黏菌算法(Slime Mould Algorithm,SMA)及平衡算法(Equilibrium Optimizer,EO)三种新型智能优化算法,在最小二乘支持向量机(Least Squares Support Veotor Machine,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,全局搜索能力弱于MVO和EO算法,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,最终构建预警模型优势明显(测试集的MSE为17.77,MAE 为 38.38,RMSE 为 129.35,R2为 0.87)。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最好,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。

  • 2021-06-17
  • 阅读277
  • 下载0
  • 8页
  • pdf

突发公共事件下我国数字化零售业应急机制研究

近年来,突发公共事件时有发生,一旦应对不力,将对社会生活造成巨大冲击,引发消费者对粮、油、蔬菜、方便食品、消毒用品等生活必需品的抢购,甚至导致更加严重的危机。为保障突发公共事件下消费者日常生活必需品及应急物资的有效供给,必须动员各方力量,打破时间与空间限制,进行跨部门、跨企业、跨平台合作, 协助政府全面把握应急物资生产、调拨、供应情况并进行科学决策。在现阶段我国数字化零售业大发展的背景下,需要基于突发公共事件下各参与主体行为特点以及突发公共事件发生、发展、恢复阶段运行机理,构建一套以数字化零售为核心,涵盖政府应急指挥系统、应急数字化商业系统、应急生鲜农产品零售系统、应急物流配送系统的虚实结合的应急保障体系。具体而言,就是要把零售作为应对突发公共事件的基础设施,对实体商业网点与电商的布局进行合理规划,实现相互补充,打造以社区零售店铺为支点的基础应急保障体系;就是要推动生产企业与零售企业的产销融合,实现对消费者需求的快速响应;就是要加强生鲜农产品产后标准化管理体系建设,加速产地生鲜农产品标准化进程;就是要构建多层级、多渠道配送合作体系,以最短时间和较低成本提供快捷服务。

  • 2021-06-17
  • 阅读329
  • 下载0
  • 8页
  • pdf