基于深度学习的传染病预测技术研究

发布时间：2024-03-15 04:12

　　传染病是由各种病原体引起的能在人与人、动物与动物或人与动物之间相互传播的一类疾病。对传染病进行有效防控是十分重要的,否则可在短时间内导致群体性发病,影响人们的健康与日常生活。而且对于快速传播的高致病性传染病,仅靠疾病预防和控制中心人工地发现和统计传染病信息的后果将是致命的。因此,设计能够精确预测传染病信息的模型对防病、治病与卫生决策有着重大意义。本文针对厦门市手足口病发病人数预测问题,从时序预测的角度出发,重点研究了基于深度学习的传染病预测模型。主要研究工作如下:1、针对不同历史时间的预测变量对未来传染病发病人数预测的重要性不同这一特点,本研究提出了基于注意力机制的传染病预测模型。模型采用引入了注意力机制的编码-解码结构,模型中的编码器和解码器均为循环神经网络。在基于注意力机制的传染病预测模型中,编码器中不同时间节点的输入直接参与计算该节点所对应隐藏状态的注意力权重,编码器中隐藏状态的加权和作为联系编码器和解码器的中间向量,从而实现模型对有助于提高预测精度的历史信息的关注。实验结果显示,相对于LSTM、ARMA等基线模型,基于注意力机制的传染病预测模型进一步提高了传染病发病人数的预测精...

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

图1-1中国2020年1月21日—2020年3月31日新型冠状病毒累计确诊病例随着大数据时代的到来和人工智能领域的发展，各种传染病预测智能模型运用而生，

集美大学硕士学位论文基于深度学习的传染病预测技术研究1第1章引言1.1研究背景和意义在人类社会发展进程中，传染病一直以来都是人类所面对的一大难题，尽管近几十年世界卫生状况有所改善，但传染病依然是世界范围内的重要死亡原因，是造成人类苦难和经济损失不可忽视的原因。比如，2019年的新....

图2-1ARMA建模流程图

集美大学硕士学位论文基于深度学习的传染病预测技术研究6图2-1ARMA建模流程图(1)直接使用非平稳序列进行建模，容易出现伪回归现象，伪回归不能看作对序列内在规律的掌握，而是数据恰巧拟合模型。一般使用AugmentedDickey-Fuller单位根检验（ADF）来判断时间序列}....

图2-2单层RNN结构图

?甘芄刈ⅲ?彩?近年来自然语言处理(NLP)研究的热点。RNN网络的隐藏层神经元之间是有连接的，神经元不仅可以接收到当前时间节点的输入信息，而且还接收上一时间节点神经元的输出信息，这意味着RNN网络中历史时间节点输出的信息能够对当前时间点的输出产生影响[43],当前时间节点神经元....

图2-4RNN中重复模块的链式形式

集美大学硕士学位论文基于深度学习的传染病预测技术研究10序列学习中[48-50]。图2-4RNN中重复模块的链式形式LSTM网络中的隐藏层单元（下文简称为“LSTM单元”）主要由单元状态、输入门、输出门、隐藏状态和遗忘门五部分组成。图2-5显示了LSTM网络结构图，输入门和输出门....

本文编号：3928538