基于自注意力机制LSTM的COVID-19感染预测

作     者：吴昊 曹宇 魏海平 田壮 

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。