基于自注意力机制LSTM的COVID-19感染预测
作者机构:辽宁石油化工大学计算机与通信工程学院
出 版 物:《计算机应用与软件》 (Computer Applications and Software)
年 卷 期:2024年第9期
页 面:106-113页
学科分类:12[管理学] 1004[医学-公共卫生与预防医学(可授医学、理学学位)] 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] 100401[医学-流行病与卫生统计学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 10[医学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:辽宁省教育科学“十三五”规划立项重点课题(JG18DA013) 辽宁省重点研究开发项目(2020JH2/10300040) 辽宁省教育厅资助课题(L2020031)
主 题:COVID-19 SIS 自注意力机制 长短期记忆网络 ConvLSTM
摘 要:COVID-19因各国气候、政府政策和疫苗接种人数等因素的不同而呈现不同的发展趋势,这导致COVID-19数据不稳定,传统的机理模型无法根据历史时序数据做出准确预测。因此,提出一种在深度学习LSTM网络框架下引入Self-Attention机制的改进模型。通过仿真实验,对中国、英国和意大利的COVID-19现存病例数据进行预测,并与带有非线性传染率的SIS模型、LSTM模型和ConvLSTM模型的预测结果对比,实验证明,相比于其他三种模型,LSTM-Self-Attention模型的预测精度更高。