刘定一， 沈阳阳， 詹天明， 刘亚军， 应 毅

(1. 三江学院 计算机科学与工程学院， 江苏 南京 210012； 2. 南京审计大学 信息工程学院， 江苏 南京 211815； 3. 东南大学 计算机科学与工程学院， 江苏 南京 210096)

中国互联网络信息中心发布的第45次《中国互联网络发展状况统计报告》[1]显示，至2020年3月，我国网民规模为9.04亿，互联网普及率达64.5%.习近平总书记在网络安全和信息化工作座谈会上指出[2]：网民来自老百姓，老百姓上了网，民意也就上了网.网络起着引导舆论和反映社情民意的作用，有效的舆情预测方法对预估网络舆情发展趋势，化解潜在的舆情危机，营造良好的网络生态环境，具有必要的现实意义.众多学者对网络舆情预测进行了大量研究，提出了很多预测方法，如指数平滑法[3]、Logistic回归分析[3-4]、微分方程[5-6]等，这些方法皆是利用舆情传播信息时间序列特征构建基于传统统计学的预测模型，该类模型简单易实现，但只适合线性关系预测.近年来，由于人工神经网络具有很强的非线性拟合能力，更多地应用于解决与时间序列相关的问题.文献[7]根据舆情的混沌特性，提出EMPSO_RBF神经网络方法对网络舆情进行预测；文献[8]基于粒子群算法收敛速度快的特性，构建粒子群优化BP神经网络模型完成舆情预测.但是随着国内网民规模的稳步增长和自媒体、移动社交平台等新兴表现形式的兴起，导致单一的神经网络模型不能达到较为精确的预测目标.在经济领域，使用网络信息进行预测模……