对人工神经网络模型进行全面分析,用于预测疫爆发的情况

科学领域:

• 流行病学 流行病学
• 计算生物学 计算生物学
• 公共卫生 公共卫生

背景情况:

• 麻疹疫情对全球公共卫生构成了重大挑战.
• 准确的疫情严重程度预测对于有效的准备和应对至关重要.
• 在智利和墨西哥等特定国家,对水的研究有限.

研究的目的:

• 开发和验证一个人工神经网络 (ANN) 模型,用于预测疫爆发的严重程度.
• 分析来自智利和墨西哥等多个国家的麻疹病例时间序列数据.
• 为了比较ANN模型的性能与长短期内存 (LSTM) 和门式循环单元 (GRU) 模型.

主要方法:

• 利用来自阿根廷,巴西,法国,德国,智利和墨西哥的水病例的时间序列数据集.
• 使用Levenberg-Marquardt学习技术开发了单层和双层隐藏的ANN.
• 雇员K倍交叉验证与早期停止的模型培训和验证.
• 将ANN性能与LSTM和GRU模型进行比较.

主要成果:

• 成功开发并验证了用于预测麻疹爆发的ANN模型.
• 证明了ANN在分析时间序列流行病学数据方面的有效性.
• 建立了未来传染病爆发预测建模的基线.

结论:

• 人工神经网络在预测麻疹疫情严重程度方面表现有前途.
• 开发的模型可以帮助公共卫生官员做好准备和分配资源.
• 需要进一步的研究来完善模型,并将其应用扩展到其他地区.