基于LSTM-SIR-EAKF的流感样病例预测

分享到

【获取途径】超星期刊网
【作者】李进，魏艳龙，薛红新，梁海坚
【刊名】计算机与现代化
【作者单位】¹太原师范学院计算机科学与技术学院；²中北大学计算机科学与技术学院
【年份】2024
【卷号】第9期
【页码】38-44
【ISSN】1006-2475
【关键词】流感预测长短期记忆网络易感-感染-康复模型集合调整卡尔曼滤波时间序列
【摘要】探索基于机器学习模型与传染病模型的组合方法来预测流感趋势，为医疗机构提供意见方便做好预防措施。为了准确捕获流感样病例的时序特征，提出一种基于长短期记忆神经网络、易感-感染-康复模型和集合调整卡尔曼滤波的组合预测模型。首先，使用LSTM学习流感样病例的时序关系。其次，利用SIR模型模拟流感的传播过程。最后，EAKF对SIR模型生成的流感样病例预测值进行修正，得到最终流感预测值。实验结果表明，通过对3个时间段流感样病例的预测，LSTM-SIR-EAKF模型的拟合优度R2分别是0.996、0.991、...
【基金】国家自然科学基金
【文献类型】期刊