基于多变量LSTM神经网络对新冠肺炎的预测
齐悦
沙琨
海军军医大学海军卫生信息中心 上海 200082
摘要：论文探讨气象因素对新冠肺炎(COVID-19)预测效果的影响.综合考虑日最高温度、日最低温度、日平均温度、日平均风速等气象因素和每日现有的新冠确诊病例数据,构建多变量长短期记忆神经网络(LSTM)预测模型.同时,为了能够提升预测模型的精度和运行效率,对多变量输入数据进行了降维处理,使用斯皮尔曼相关系数(Spearman)选取了与每日现有新冠确诊病例数相关度较高的的气象因素作为模型的输入.考虑相关度较高的气象因素和每日现有的新冠确诊病例数据作为模型输入的多变量LSTM模型的预测效果最佳.该实验建立的多变量LSTM预测模型能够较准确地对新冠确诊病例数进行预测,具有较强的泛化能力.
关键词：气象因素LSTM新冠肺炎预测
分类号：TP391(计算技术、计算机技术)
论文发表日期：2025-12-20
在线出版日期：2026-03-09（本平台首次上网日期，不代表文献的发表时间）
页数：8( 3378-3385 )
英文信息