基于优化的Elman神经网络的类流感的预测

• 作者: 孙强 白艳萍 胡红萍
• 来源期刊: 太原理工大学学报
• 关键词: 多元优化器 Elman神经网络 类流感疾病 预测
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 信息与计算机科学·基础理论
• 页码范围: 255-259
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.16355/j.cnki.issn1007-9432tyut.2019.02.017

摘要

流感对公众健康构成巨大威胁,准确的实时预测和即时反应对于控制流感疫情至关重要.采用美国疾病控制和预防中心的类流感疾病(ILI)数据来预测流感.为了准确预测每个区的流感,通过更新行驶距离率(traveling distance rate,R TD)获得改进的多元优化器(improved multi-verse optimizer,IMVO),并用IMVO来优化Elman神经网络(ERNN)的参数,得到模型IMVO-ERNN.比较结果表明,IMVO-ERNN模型优于MLR、ERNN和MVO-ERNN等模型,并能够实时预测美国流感爆发.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白艳萍	中北大学理学院	124	639	13.0	19.0
2	胡红萍	中北大学理学院	79	243	9.0	12.0
3	孙强	中北大学理学院	5	7	2.0	2.0