基于长短时记忆模型的包虫病爆发风险预测混合模型的建立

该研究旨在建立一种基于时间序列分解方法与长短时记忆(LSTM)网络的混合模型,用于包虫病等传染性疾病未来爆发风险的预测。首先,从中国国家卫生部科学数据中心获取我国各省份2004—2019年包虫病的发病数据;其次,经过时间序列分解和LSTM网络分析建立混合预测模型;最后,对预测模型的准确性进行评估。结果表明,与单个LSTM模型相比,时间序列分解得出的趋势分量结合LSTM的混合模型表现出较低的测试误差,表明该模型在预测发病趋势方面具有更高的准确性。该混合模型的建立为包虫病发病风险的准确预测提供了参考和技术支持,对机器学习与传染病相结合的交叉学科领域进行深度探索提供了研究基础。