国际会计研究杂志

抽象的

使用统计多层感知器前馈神经网络预测印度尼西亚 COVID-19 活跃病例数

Yuyun Hidayat、Dhika Surya Pangestu*

2020 年 3 月 2 日，印尼首次确诊 COVID-19。自出现以来，印尼 COVID-19 病例数持续增长，截至 2021 年 5 月 29 日，印尼累计感染 COVID-19 人数达 1,809,926 人，现有病例数达 99,690 例。现有病例指需要医疗护理的 COVID-19 患者，与医院容量直接相关。因此，预测 COVID-19 现有病例数是一个值得关注的战略问题。本研究使用多层感知器 (MLP) 预测现有病例。本研究使用的数据来自约翰霍普金斯大学系统科学与工程中心 (CSSE) 的 COVID-19 数据存储库。数据是 2020 年 1 月 10 日至 2021 年 5 月 29 日期间印度尼西亚 COVID-19 患者的确诊病例数、康复人数和死亡人数。结果发现，在 2020 年 9 月 19 日至 2021 年 5 月 29 日或 37 周的测试期内，使用学习率为 0.01 的 (7,10,2) MLP 架构预测活跃病例可提供与其他窗口宽度和架构相比最准确的预测结果。平均绝对百分比误差 (MAPE) 为 5.27%，均方根误差 (RMSE) 为 8849.01，平均绝对误差 (MAE) 为 5703.59。这项研究可为政府提供参考，以便根据对印度尼西亚 COVID-19 活跃病例的准确预测，在未来两周内调节医院床位容量。