面向城市人群时空热点预测的混合神经网络

城市人群时空热点预测对公共安全应急决策有重要的意义。城市人群热点区域往往伴随时间空间的推移而快速演化,如何发掘利用热区的时空相关性是精准预测城市人群热点变化趋势的关键。该文提出了一种基于深度学习的混合神经网络模型,即CNN-Seq2Seq-Attention(CSA),用来预测连续一周城市人群热点的时空变化分布。为了较好捕捉热点区域的空间信息,CSA模型采用卷积神经网络提取城市热点区域的特征向量,同时,考虑到长时时序数据的周期性,CSA结合Seq2Seq与Attention注意力机制建模人群热点在连续特征日下相同时间片段的时间周期规律。其中,针对人群热点随时间变化的不均匀特性,CSA采用了一种改进的时间片段划分方法,即,基于生活作息的不等长时间段作为数据划分依据。实验使用了连续3个月的城市出租车轨迹数据集,将每周7天标识成7个特征日,每个特征日被划分为7个时间片段,采用预测结果的均方根误差(RMSE)为评估指标。实验结果表明,较传统的PreHA、HA和ARIMA方法,CSA模型效果更好,同时,相较Seq2Seq和CNN-Seq2Seq模型,CSA模型预测误差最大分别降低6.4%和3.8%。

国内ICU获得性衰弱相关文献的计量学分析及SCI文献研究热点的可视化分析

[目的]系统分析国内重症监护室(ICU)获得性衰弱文献的计量学特点和SCI文献的研究热点,判断相关研究的发展趋势。[方法]国内文献:在中国知网(CNKI)、万方数据库、中国生物医学文献数据库(CBM)中检索与ICU获得性衰弱相关的文献,分析文献的发表年份、发表期刊、研究机构、基金、文献类型、研究内容等;SCI文献:通过检索"Web of Science TM核心合集"ICU获得性衰弱相关文献,借助CiteSpace(5.1.R8版本)软件进行图谱绘制。[结果]国内文献:共纳入中文文献94篇,2007年─2017年ICU获得性衰弱文献数量明显增加;文献期刊分布排名前5位的均为护理类核心期刊;文献类型以综述为主(36.2%)。SCI文献:高频关键词中热点人群有ICU病人、危重症病人、机械通气病人;疾病的热点问题有呼吸窘迫综合征、危重症多神经病、败血症、肌病、危重症肌病。[结论]ICU获得性衰弱在国内护理学科的被重视程度逐渐加强,研究内容逐渐丰富,但尚缺乏循证实践研究,可参考国外ICU获得性衰弱研究的热点人群和热点疾病进行进一步研究。