当前检索词：“甲流关键词选取”。为您检索到约 1 条结果
-
基于百度指数与长短期记忆网络的武汉甲流病例预测
编辑人员丨2024/8/10
目的 构建基于百度指数与长短期记忆网络(long short-term memory,LSTM)相结合的甲流病例预测系统.方法 通过挖掘甲流文本中的甲流关键词与主题,建立甲流词库,用极端梯度提升算法(extreme gradient boosting,XGBoost)计算甲流关键词对甲流病例的贡献度,筛选出重要关键词,并构建LSTM模型预测甲流病例,将其与传统互相关分析选出的甲流关键词,所构建的支持向量机回归(support vector regression,SVR)和BP神经网络的预测结果,进行多指标对比.结果 XGBoost选出甲流关键词后建立的LSTM模型的预测结果,其RMSE、MAE、R2分别为306.59、152.18、0.93,均优于对比的传统预测方法,说明所构建的框架在甲流病例趋势监测方面表现更好,适用于流感疫情的预测分析.结论 本文所构建的甲流病例预测系统,为未来加强技术选词、考虑变量之间的非线性关系以及深度学习在大数据预测流感方面提供参考.
...不再出现此类内容
编辑人员丨2024/8/10
自动推荐中
检索“甲流关键词选取”结果，无相关内容记录，请点击
