基于Bi-LSTM-Dropout的新冠疫情趋势预测研究
顾壮
李元
沈阳化工大学 辽宁沈阳 110142
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
论文发表日期：2023-04-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：6( 52-57 )