中国安全科学学报

作者：景楠, 胡怡, 韩喜双

单位：1 上海大学 悉尼工商学院,上海 201800; ；2 哈尔滨工业大学 深圳研究生院,广东 深圳 518055

关键词：自回归移动平均(ARIMA)模型,长短期记忆(LSTM),新型冠状病毒肺炎(COVID-19),网络舆情,时间序列

为有效监控和管理新型冠状病毒肺炎(COVID-19)引起的网络舆情,基于自回归移动平均(ARIMA)模型和长短期记忆(LSTM)神经网络预测和分析舆情数据,利用百度指数收集全国及武汉市网民对COVID-19的关注度数值,形成时间序列数据,并构建舆情模型;对舆情模型进行参数估计、模型诊断和模型评价。结果表明:此疫情的网络舆情前驱期为4天,爆发期为7天,波动期为14天, 消退期为32天,到达峰值的时间为13天;该模型可较好地模拟COVID-19网络舆情关注度的变化趋势,且局部地区的数据拟合模型预测效果优于全国数据拟合模型。

来源：2020年第12期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2020年第12期