基于CIST-GCN的流行病數(shù)據(jù)分析與預測

打開文本圖片集

摘  要：文章提出了一個基于相關度交互圖卷積網(wǎng)絡的流行病預測方法，利用各城市的日感染人數(shù)變化模擬病毒在不同城市間的傳播相似度，并對拓撲圖進行加權處理，最后利用時空圖卷積網(wǎng)絡處理城市網(wǎng)絡的空間特征，并對城市的流行病發(fā)展狀況進行預測。方法在PeMS-Bay和PeMSD7數(shù)據(jù)集上實驗的MAPE為2.498%和5.640%，優(yōu)于傳統(tǒng)ST-GCN的2.640%和8.822%，同時在PeMSD7上優(yōu)于參考模型IT-GCN的8.603%，并且在中國33個城市的疫情預測中與真實數(shù)據(jù)契合度較高，特別是對“突增點”，對各類流行病的預測以及疫情突發(fā)狀況的預警起到了一定的參考作用。（剩余9281字）