使用深度学习模型预测布隆迪疟疾动态
机器学习
2023-06-07 v2 人工智能
摘要
疟疾仍是非洲大陆、尤其是撒哈拉以南非洲的主要公共卫生问题。尽管如此，相关努力持续推进并取得了显著进展。在布隆迪，疟疾是主要公共卫生关切之一。文献中针对布隆迪的预测模型有限。我们知道此类工具对干预措施设计十分必要。本研究中，我们构建了基于机器学习的模型来估算布隆迪的疟疾病例数。疟疾病例预测在省级与国家尺度上均进行了。我们使用了长短期记忆（LSTM）模型——一种深度学习模型，结合气温、降雨、相对湿度等气候变化相关因素以及疟疾历史数据与人口数据，取得了最佳结果。该模型结果显示，在国家层面可使用不同参数调优来确定预期疟疾病例的最小值与最大值。该模型的单变量版本（LSTM）从疟疾病例既往动态中学习，在省级给出更精确估算，但两模型在省级与国家层面总体趋势一致。
引用
@article{arxiv.2306.02685,
title = {Predicting malaria dynamics in Burundi using deep Learning Models},
author = {Daxelle Sakubu and Kelly Joelle Gatore Sinigirira and David Niyukuri},
journal= {arXiv preprint arXiv:2306.02685},
year = {2023}
}