基于DWT-SARIMA-LSTM的流感预测模型研究

作     者：胡兆辉 陈兆学 HU Zhaohui;CHEN Zhaoxue

作者机构：上海理工大学健康科学与工程学院上海200093 

出 版 物：《软件工程》 (Software Engineering)

年 卷 期：2024年第27卷第5期

页      面：56-61页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家中医药管理局中医药创新团队及人才支持计划项目(ZYYCXTD-D-202208) 

主　　题：流感预测 小波分解 季节性自回归综合移动平均模型 长短期记忆神经网络 

摘      要：为提高流感预测模型的准确率,针对流感数据的季节性与波动性特点,提出利用离散小波分解(DWT)、季节性自回归综合移动平均模型(SARIMA)和长短期记忆神经网络(LSTM)综合建模,构建DWT-SARIMA-LSTM混合预测模型。首先,将流感数据分解为高频成分与低频成分,对低频成分使用SARIMA模型、高频成分使用LSTM模型分别进行预测;其次,将预测值融合得到最终的预测结果;最后,构建流行控制图预警模型。使用从中国香港卫生署官网获得的中国香港地区2010—2019年的流感数据对模型进行预测和验证,其MAE为0.3427,MAPE为8.0973%,RMSE为0.4632,预警模型的准确率为100%,该模型较于如ARIMA-LSTM等其他混合模型有更高的预测精度。