论文部分内容阅读
摘要：新型冠状病毒在全球多个国家传播，造成极其严重的经济损失。对此我国快速做出反应，对疫情严重的城市实行封锁政策，减少人群接触病发的概率，经过不断现阶段疫情有所控制。与此同时，大型赛事着手开展重启工作，但疫情形势依旧严峻，因此继续对该病毒的深入研究和对大型体育赛事重启预测的研究是有必要的。
关键词：BP网络;ARIMA;新冠疫情;赛事重启
1 引言
随着新型冠状病毒的爆发，在越来越多的国家和人员共同努力下，现阶段的疫情有所控制，但是形式依旧严峻。一旦疫情出现二次高峰，经济将会受到较大的冲击。因此对于疫情反弹的分析和研究是各个国家应对疫情变化的重要举措和借鉴。
2 BP三层网络模型神经网络在外界输入样本的刺激下不断改变连接节点的权重参数，使得网络的输出不断接近期望的输出。本文采用BP神经网络对疫情第二次爆发的风险进行评估。选取从疫情爆发到现在的10个时间段的数据作为新的样本数据集，并以7：3比例划分该数据集[1]。其具体建模过程如下：
Step1：神经网络初始化设置。Kolmogrov理论证明一个具有三层神经元已经足以完成任意n维到m维映射，所以本文直接选取三层网络结构进行建模。
Step2：多次训练神经网络模型。最高训练次数为n=1000，学习速率为，期望误差为e=0.005，激励函数为g（x）取Sigmoid函数。通过不断训练模型以确定节点连接参数的取值。
Step3：反向网络传播进行权值和偏置的更新。采用梯度下降法对权值更新[2]。
Step4：输入数据测试集对模型进行计算。经过上述计算得到网络仿真结果风险评估值为中国，美国，伊朗，最终得到如下的三个国家确诊人数趋势变化。
3 ARIMA时间序列算法模型
虽然新冠疫情在我国已经基本得到了控制，但在除我国以外的其他欧美国家已经出现了疫情大爆发的现象，疫情几乎处于失控状态，所以我国的防止输入性病例的防控任务仍然严峻，此外人群中还有无症状新冠病毒携带者，这些人是具有传染性的，且传染程度不亚于新冠病毒患者。而体育赛事的现场是人群高度聚集的场所，非常容易发生群体性感染。接下来我们需要研究赛事重启可能性大小随时间发展变化的规律。
本文收集兩个比赛和其他比赛的相关数据，根据每个时间段的规模、比赛现场参与人数、地域、剩余赛程、关注度指数。本文将每个时期的数据综合成一个重启可能性指标，得出随时间序列变化的数据，再以每个时间段的数据用ARIMA 时间序列算法进行合理预测[4]。
Step1：根据得到的时间序列数据，将其看作两个随机序列和。
Step2：通过ADF单位根检验法检验序列的平稳性。如果序列是非平稳的，则利用差分法将非平稳的时间序列转化为平稳的时间序列。为了检测我们得到的序列和是否具有波动性，需要用ADF单位根检验法来确定序列是否平稳。
ADF检验统计量：，其中，为参数的样本标准差[5]。
Step3：对平稳时间序列分别求得其自相关系数ACF 和偏自相关系数PACF以及交叉相关性CCF。
Step4：利用上一步的ACF和PACF和CCF得到的d、q、p，根据ARIMA模型识别规则，选择合适的模型为ARIMA（0，1，1）。
画出最优模型ARIMA（0，1，1）的序列预测图如下，纵坐标为重启的可能性，日期为时间序列。根据图4可以明显看到在九月底十月初时候有第二次小高峰，所以重启赛事需要分阶段进行。
4结论和展望
随着国外一些国家重启经济，解封严密的防控措施，从而间接的推升疫情的走向第二波高峰期。本文所建立的BP神经网络、时间序列数学模型对于疫情整体进行了详细分析，充分考虑影响疫情的各种因素，得出相应结果，为世界防控疫情、复工复产和赛事重启问题的提供解决思路，CBA预计在6月底7月初重启，中超在11月左右重启。
这些模型不仅对于新型冠状病毒进行分析还可应用于其他传染病传播、金融行业风险评估、企业竞争力评价等领域中，对于重启赛事的分析可以应用在其他大型活动的恢复事宜中，有着加强的可行性，适用范围广泛。
参考文献：
[1]王有远，张振华，钱伟伟.基于BP神经网络的民航飞行安全风险评估[J].南昌航空大学学报（自然科学版），2019，33（02）：89-95.
[2]李淑锦，吕靖强.基于BP神经网络的P2P网贷借款者的信用风险评估[J].生产力研究，2016（04）：45-49+59.
[3]Yu Shao， Deden Witarsyah. Fast recognition method of moving video images based on BP neural networks. 2018， 16（1）：1024-1032.
[4]王永斌，柴峰，李向文，袁聚祥，武建辉.ARIMA模型与残差自回归模型在手足口病发病预测中的应用[J].中华疾病控制杂志，2016，20（03）：303-306.
[5]彭慧婷. 基于GM-ARIMA模型的发电量预测研究[D].兰州大学，2014.
关键词：BP网络;ARIMA;新冠疫情;赛事重启
1 引言
随着新型冠状病毒的爆发，在越来越多的国家和人员共同努力下，现阶段的疫情有所控制，但是形式依旧严峻。一旦疫情出现二次高峰，经济将会受到较大的冲击。因此对于疫情反弹的分析和研究是各个国家应对疫情变化的重要举措和借鉴。
2 BP三层网络模型神经网络在外界输入样本的刺激下不断改变连接节点的权重参数，使得网络的输出不断接近期望的输出。本文采用BP神经网络对疫情第二次爆发的风险进行评估。选取从疫情爆发到现在的10个时间段的数据作为新的样本数据集，并以7：3比例划分该数据集[1]。其具体建模过程如下：
Step1：神经网络初始化设置。Kolmogrov理论证明一个具有三层神经元已经足以完成任意n维到m维映射，所以本文直接选取三层网络结构进行建模。
Step2：多次训练神经网络模型。最高训练次数为n=1000，学习速率为，期望误差为e=0.005，激励函数为g（x）取Sigmoid函数。通过不断训练模型以确定节点连接参数的取值。
Step3：反向网络传播进行权值和偏置的更新。采用梯度下降法对权值更新[2]。
Step4：输入数据测试集对模型进行计算。经过上述计算得到网络仿真结果风险评估值为中国，美国，伊朗，最终得到如下的三个国家确诊人数趋势变化。
3 ARIMA时间序列算法模型
虽然新冠疫情在我国已经基本得到了控制，但在除我国以外的其他欧美国家已经出现了疫情大爆发的现象，疫情几乎处于失控状态，所以我国的防止输入性病例的防控任务仍然严峻，此外人群中还有无症状新冠病毒携带者，这些人是具有传染性的，且传染程度不亚于新冠病毒患者。而体育赛事的现场是人群高度聚集的场所，非常容易发生群体性感染。接下来我们需要研究赛事重启可能性大小随时间发展变化的规律。
本文收集兩个比赛和其他比赛的相关数据，根据每个时间段的规模、比赛现场参与人数、地域、剩余赛程、关注度指数。本文将每个时期的数据综合成一个重启可能性指标，得出随时间序列变化的数据，再以每个时间段的数据用ARIMA 时间序列算法进行合理预测[4]。
Step1：根据得到的时间序列数据，将其看作两个随机序列和。
Step2：通过ADF单位根检验法检验序列的平稳性。如果序列是非平稳的，则利用差分法将非平稳的时间序列转化为平稳的时间序列。为了检测我们得到的序列和是否具有波动性，需要用ADF单位根检验法来确定序列是否平稳。
ADF检验统计量：，其中，为参数的样本标准差[5]。
Step3：对平稳时间序列分别求得其自相关系数ACF 和偏自相关系数PACF以及交叉相关性CCF。
Step4：利用上一步的ACF和PACF和CCF得到的d、q、p，根据ARIMA模型识别规则，选择合适的模型为ARIMA（0，1，1）。
画出最优模型ARIMA（0，1，1）的序列预测图如下，纵坐标为重启的可能性，日期为时间序列。根据图4可以明显看到在九月底十月初时候有第二次小高峰，所以重启赛事需要分阶段进行。
4结论和展望
随着国外一些国家重启经济，解封严密的防控措施，从而间接的推升疫情的走向第二波高峰期。本文所建立的BP神经网络、时间序列数学模型对于疫情整体进行了详细分析，充分考虑影响疫情的各种因素，得出相应结果，为世界防控疫情、复工复产和赛事重启问题的提供解决思路，CBA预计在6月底7月初重启，中超在11月左右重启。
这些模型不仅对于新型冠状病毒进行分析还可应用于其他传染病传播、金融行业风险评估、企业竞争力评价等领域中，对于重启赛事的分析可以应用在其他大型活动的恢复事宜中，有着加强的可行性，适用范围广泛。
参考文献：
[1]王有远，张振华，钱伟伟.基于BP神经网络的民航飞行安全风险评估[J].南昌航空大学学报（自然科学版），2019，33（02）：89-95.
[2]李淑锦，吕靖强.基于BP神经网络的P2P网贷借款者的信用风险评估[J].生产力研究，2016（04）：45-49+59.
[3]Yu Shao， Deden Witarsyah. Fast recognition method of moving video images based on BP neural networks. 2018， 16（1）：1024-1032.
[4]王永斌，柴峰，李向文，袁聚祥，武建辉.ARIMA模型与残差自回归模型在手足口病发病预测中的应用[J].中华疾病控制杂志，2016，20（03）：303-306.
[5]彭慧婷. 基于GM-ARIMA模型的发电量预测研究[D].兰州大学，2014.