摘要：
自2019年12月底中国武汉爆发新型冠状病毒性肺炎（2019年冠状病毒病，新冠肺炎）以来，我国经济社会遭受巨大危害，利用网络数据预警疫情发展趋势可以有效降低其社会危害。而采用机器学习算法构建预警模型时，参数选取是其中重要内容，与最终构建模型的精度密切相关，探讨多种新型智能优化算法在百度搜索指数新型冠状病毒预警模型中的应用效果，可为新型智能优化算法的推广应用提供一定的理论依据和分析策略。对比多元宇宙算法（Multi-Verse Optimizer，MVO）、（Slime Mold Algorithm，SMA）和（Balancement Optimizer，EO）三种新型智能优化算法，在最小二乘支持向量机（最小二乘支持向量机，LSSVM）百度搜索指数疫情预警模型中的应用效果。优化算法寻优过程，座椅模块组件算法收敛性较差，全局搜索能力弱于MVO和EO算法运算效率相对较低，MVO公司算法的运算效率高，收敛性也较强，最终构建预警模型优势明显（MSE 17.77，MAE 38.38，RMSE 129.35，R2 0.87）三种智能优化算法皆可提升最小二乘支持向量机预警模型的预测性能，而MVO公司优化算法的综合运算效能最好，最终构建的MVO-LSSVM公司预警模型可为后续疫情常态化防控阶段的防疫行为预判提供一定参考。
高铖铖，陈锡程，张瑞，宋秋月，易东，伍亚舟. 三种新型智能算法在疫情预警模型中的应用——基于百度搜索指数的新冠肺炎疫情[J]。计算机工程与应用, 2021, 57(8): 256-263.
高成成、陈西成、张瑞、宋秋月、易东、吴亚舟。三种新的智能算法在基于百度搜索索引的疫情预警模型-COVID-19疫情预警中的应用[J]。计算机工程与应用，2021，57（8）：256-263。
