-
题名基于LSTM-SIR-EAKF的流感样病例预测
- 1
-
-
作者
李进
魏艳龙
薛红新
梁海坚
-
机构
太原师范学院计算机科学与技术学院
中北大学计算机科学与技术学院
-
出处
《计算机与现代化》
2024年第9期38-44,共7页
-
基金
国家自然科学基金资助项目(62106238)
山西省基础研究计划项目(202203021212185)
山西省高等学校科技创新项目(2020L0283)。
-
文摘
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(LSTM)神经网络、易感-感染-康复(SIR)模型和集合调整卡尔曼滤波(EAKF)的组合预测模型(LSTM-SIR-EAKF)。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、0.995,且预测结果的评价指标均优于对比模型。LSTM-SIR-EAKF模型通过长短期记忆网络在时间方面对流感做了长期预测,以及传染病模型在空间中模拟了流感人群的变化,有效提高了预测效果。
-
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
-
Keywords
ili prediction
LSTM
SIR
ensemble adjustment Kalman filter
time series
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于改进的遗传算法与人工神经网络的类流感的预测
被引量：6
- 2
-
-
作者
胡红萍
白黄琴
白艳萍
张菊平
刘茂省
-
机构
中北大学理学院
山西大学复杂系统研究中心
-
出处
《中北大学学报（自然科学版）》
CAS
2019年第6期481-488,共8页
-
基金
山西省自然科学基金资助项目(201801D121026,201701D121012,201801D121008)
国家自然科学基金资助项目(61774137,11571324)
山西“1331KIRT”基金资助项目
-
文摘
类流感(ILI)疾病是一种严重威胁公众健康的传染性呼吸道疾病,对其准确的实时预测可能有助于挽救生命.本文将入侵性杂草优化(IWO)的繁殖加入到遗传算法(GA)的选择算子,建立了一种基于IWO和GA的新颖的混合算法,记为IWOGA.运用IWOGA优化BP神经网络的权值和偏差并预测美国的未加权的%ILI.实验结果表明所提出的IWOGA-BPNN是一种适用于美国ILI预测的较好方法.
-
关键词
遗传算法
入侵性杂草优化
BP神经网络
未加权的%ili预测
-
Keywords
genetic algorithm
invasive weed optimization
BP neural network
unweighted %ili prediction
-
分类号
O29
[理学—应用数学]
-
-
题名基于百度指数的流感预测模型比较研究
被引量：1
- 3
-
-
作者
牛琦娟
付之鸥
王斐
王毅
李苑
王凯
彭志行
-
机构
南京医科大学公共卫生学院
芜湖市疾病预防控制中心
深圳市宝安区疾病预防控制中心
-
出处
《江苏预防医学》
CAS
2019年第6期617-621,共5页
-
基金
国家自然科学基金(81673275)
十三五科技重大专项(2018ZX10715-002,2018ZX10713001-001)
深圳市科技创新委员会(JCYJ20160427155352873)
-
文摘
目的将流感关键字的百度指数与流感样病例(ILI)监测数据相结合,探讨建立最优流感预测模型。方法使用芜湖地区2014年第1周至2018年第52周数据建立模型,使用2019年第1周至2019年第10周数据评价模型。围绕流感的称谓、症状、治疗和预防确定流感关键字,分析不同滞后期流感关键字百度指数与流感样病例占门诊量百分比(ILI%)相关性,在相关程度最大的滞后期分别建立多重线性回归模型、主成分回归模型、回归和时间序列组合模型,比较各模型的拟合优度和预测误差。结果2014-2018年芜湖市国家流感监测哨点医院共上报ILI病例19180例,ILI%为2.75%,2014-2018年分别为1.57%、1.31%、2.48%、3.36%、4.98%。当百度指数与ILI%同步时相关程度最大,筛选出13个相关系数r≥0.3的关键字用于建立模型。评价结果显示,回归和时间序列的组合模型拟合优度和预测效果最好,R^2和调整R^2分别为0.840、0.829,平均相对误差为20.748%、14.893%。结论利用百度指数建立回归和时间序列组合模型可作为流感传统监测和预测的有益补充。
-
关键词
流行性感冒
流感样病例(ili)
百度指数
预测模型
时间序列
-
Keywords
Influenza
Influenza-like cases(ili)
Baidu index
Model
prediction
Time series
-
分类号
R511.7
[医药卫生—内科学]
-
