长短记忆神经网络在流行性感冒暴发预测中的应用

• 作者: 刘小明 李淑珍 李苑 陈亿雄
• 来源期刊: 江苏预防医学
• 学科: 医学
• 关键词: 传染病预测模型 流行性感冒(流感) 长短期记忆神经网络 深度学习
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 论著
• 页码范围: 622-625
• 页数: 4页
• 分类号: R511.7
• 字数: 3073字
• 语种: 中文
• DOI: 10.13668/j.issn.1006-9070.2019.06.009

摘要

目的 研究长短记忆神经网络模型(long-short term memory,LSTM)预测未来每周流行性感冒(流感)暴发趋势的可行性,以提高预测精度和工作效率.方法 选取2007-2017年深圳市宝安区每周流感发病数,考虑到时间序列数据的自相关性和高频特征,基于深度学习思想构建长短记忆神经网络模型对流感暴发趋势进行预测,并使用5种方法对LSTM模型预测效果进行评估.结果 深圳市宝安区流感报告周频率具有随机波动性和周期性特征,通过LTM神经网络模型能够准确学习时间序列特征并用于外推预测.仿真结果表明,相比ARIMA模型、BP神经网络、小波神经网络(WNN)、广义回归神经网络(GRNN)和动态自回归神经网络(NARX),LSTM神经网络的拟合度更接近实际值,预测精度较高.结论 在数据量大和非平稳及周期特征的情况下,深度学习的LSTM神经网络对流感的预测效果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李苑		93	481	11.0	17.0
2	陈亿雄		15	61	5.0	7.0
3	刘小明		1	0	0.0	0.0
4	李淑珍		1	0	0.0	0.0