流感暴发的时空多步预测
计算机与社会
2021-02-17 v1 人工智能
机器学习
摘要
流感在全球范围内传播。每年的全球感染给人们的健康带来沉重负担。尽管流感具有全球传播的特征，大多数先前研究聚焦于区域性的流感暴发预测。考虑时空相关性的方法有助于更精确地预测流感暴发。此外，预测长期的流感暴发并更准确地理解流感感染趋势，可帮助医院、诊所和制药公司更好地为年度流感暴发做准备。预测未来的数值序列，即流感暴发的多步预测，应受到关注。因此，我们强调开发时空方法以执行全球流感暴发多步预测的重要性。我们比较了SVM、RF、LSTM模型在预测未来1-4周流感数据时，使用与不使用其他国家流感数据的MAPE。我们发现LSTM模型在大多数情况下取得了最低的MAPE。对于南半球国家，使用其他国家数据预测流感数据的MAPE高于不使用其他国家数据的情况。对于北半球国家，预测未来2-4周流感数据时使用其他国家的MAPE低于不使用的情况；而预测未来1周流感数据时使用其他国家的MAPE高于不使用的情况，英国除外。在本研究中，我们执行了流感暴发的时空多步预测。考虑时空特征的方法改善了流感暴发的多步预测。
引用
@article{arxiv.2102.08137,
title = {Spatio-Temporal Multi-step Prediction of Influenza Outbreaks},
author = {Jie Zhang and Kazumitsu Nawata and Hongyan Wu},
journal= {arXiv preprint arXiv:2102.08137},
year = {2021}
}