基于LSTM-SIR-EAKF的流感样病例预测

作     者：李进 魏艳龙 薛红新 梁海坚 LI Jin;WEI Yanlong;XUE Hongxin;LIANG Haijian

作者机构：太原师范学院计算机科学与技术学院山西晋中030619 中北大学计算机科学与技术学院山西太原030051 

出 版 物：《计算机与现代化》 (Computer and Modernization)

年 卷 期：2024年第9期

页      面：38-44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) 

主　　题：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(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。