【行业报告】新冠肺炎疫情影响下电力计量产品行业发展策略及未来五年发展预测报告.pdf

2020.1.19-2.22期间中国人口流动影响下的COVID-19时空格局与防控效果分析数据集，计算基于户籍人口的发病率，即每百万人的病例数；采用加权平均的方法，计算每日全国病例到武汉的平均距离及各地病例平均发病日期到起始日（即1月19日）的天数；按照各省区市与湖北省的空间邻接特征将其划分为一级邻接、二级邻接及其他省区等三个圈层，计算各圈层疫情相关指标的逐日变动。该数据集包括中国各省级单元（港澳台没有统计）2020年1月19日至2月22日间34天以下数据：（1）每日新增确诊病例数、累计确诊病例数、新增发病率、累计发病率及各省病例的平均发病天数；（2）每日全国新增确诊病例、累计确诊病例、新增发病率、累计发病率到武汉的平均距离；（3）每日各地理圈层的新增确诊病例、累计确诊病例、新增发病率、累计发病率。

新冠肺炎防控第八版解读PPT.pptx

客运场站及交通运输工具新冠肺炎防控技术方案

随着“新冠肺炎疫情”这一热点的广泛关注，本文主要从疫情爆发到基本控制这一阶段中，新冠肺炎疫情对人们的影响和看法，本文将选自新浪微博17万条大众发表的微博文本数据，分别来自新冠肺炎爆发的几个阶段，从不同的时间节点中分析大众的心理情感，抽取大众看法的关键词，构建文档向量模型，最后将向量模型构造成K个分类进行组织和划分，由于疫情传染学医学方面的文本训练集较少，本文将采用两种方法搭建情感分析模型，一种是基于词典的形式，一种是基于NLP机器学习的形式，使用大量的数据来训练模型，对初期的模型一步步的训练强化调参，并对模型训练过程中程度副词和停用词的使用优化，然后对两种方法作一个比较分析，最后得出一个准确率较高的情感分析模型。

利用爬虫爬取知乎上关于新冠肺炎话题下的问题及答案以及评论，并利用Django+layui进行可视化

【推荐】新冠肺炎的最新数据集和简单的可视化和预测分析（附代码）.rar

SIRE模型预测新冠肺炎

本文通过对数学建模和对全球疫情数据的深入分析，探讨面对不同疫情情 况如何进行有效防控，本文中的数学模型主要探讨新冠肺炎，利用数学知识联系 实际问题，作出相应的解答和处理方案。

我们对本文应用于尼日尔首都尼亚美的COVID-19疾病的建模和分析感兴趣。 我们介绍的模型考虑了该国为应对这一大流行而采取的战略。 传染因子在人群中的传播是一个动态现象：健康和患病个体的数量随时间变化，这取决于病原体从感染个体传播到健康个体的接触方式。 我们通过一组微分系统方程对该传播现象进行建模，并通过数值分辨率确定其行为。