摘要：2019年年底，武汉出现了来历不明的病情，这一疫情给个人、家庭、国家都造成了重大的损失，乃至有大量的人失去了宝贵的生命，为了有效的把握疫情的传播途径以及对疫情的未来预测，让人们对于疫情的状况有所了解并且更好有效去控制疫情的发展态势，本文提出利用机器学习的算法进行对新冠肺炎疫情进行预测。首先本文对于新冠疫情的研究背景、研究意义以及现状进行分析，再者，本文提出经典的传染病模型来对新冠肺炎的疫情的预测方法进行研究；然后本文提出了利用机器学习的方式对新冠肺炎预测模型进行构建与应用。下一步应建立以政府主导、公众协作的疫情防控机制等问题，本文提出SIR传染预测模型以及机器学习的回归模型进行未来的新冠预测，通过预测对后期政府的决策作出正确的决定。

关键词：机器学习；新冠疫情；SIR传染模型；传染预测；意见和对策

目录

摘要

Abstract

1 绪论-2

1.1 研究背景-2

1.2 研究目的与意义-2

1.2.1 研究目的-2

1.2.2 研究意义-2

1.3 研究现状-3

1.4 研究方法与手段-3

1.5 本文解决的主要问题-3

2 经典传染病模型的基本原理-4

2.1 传染病模型概述-4

2.2 SIR传染病模型-4

2.2.1 SI模型-4

2.2.2 SIR模型-4

2.3 基于改进SIR模型的新冠肺炎疫情预测方法研究-5

2.3.1 SIRS模型-5

2.3.2 SEIR模型-5

2.3.3 参数时变的SIR模型-7

3 基于机器学习的新冠肺炎预测模型的构建与应用-10

3.1 机器学习算法简介-10

3.1.1 机器学习的应用-10

3.1.2 机器学习的分类-10

3.2 机器学习常用算法-10

3.2.1 决策树算法-10

3.2.2 支持向量机算法-11

3.2.3 神经网络-11

3.3 基于机器学习的新冠肺炎疫情预测-13

4 结论-16

谢辞-17

参考文献-18