基于Bi-LSTM-Dropout的新冠疫情趋势预测研究  

作　　者：顾壮 李元[1] GU Zhuang;LI Yuan

机构地区：[1]沈阳化工大学,辽宁沈阳110142

出　　处：《信息技术与信息化》2023年第4期52-57,共6页Information Technology and Informatization

摘　　要：自新冠疫情暴发以来已经对我国造成巨大影响,对新冠疫情趋势预测进行研究能够帮助人们做出应对措施。为了提高新冠疫情趋势预测模型的精度,提出了一种基于双向长短期神经网络(bi-directional long short-term memory,Bi-LSTM)建立时间序列模型。在此基础上,引入Dropout方法使神经元随机失活,解决过拟合问题。最后与长短期神经网络(long short-term memory,LSTM)、BP神经网络以及自回归积分滑动平均模型(autoregressive integrated moving average model,ARIMA)进行对比仿真实验。通过对累计确诊人数、累计死亡人数、累计治愈人数的预测结果进行对比。结果表明,文章使用的方法对于新冠疫情趋势预测明显优于其他模型。

关 键 词：新冠疫情 时间序列模型 双向长短期神经网络 Dropout方法 趋势预测 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] R181.8[自动化与计算机技术—控制科学与工程]