基于BiLSTM-BiGRU模型的传染性胃肠炎的预测和早期预警分析
Yan Qiao1, Miao Ma1, Yibo Jiao1
1School of Management, Zhengzhou University, Zhengzhou, 450001, China.
Infectious Disease Modelling
|August 18, 2025
概括
一个新的模型通过分析气象数据,准确地预测了东京传染性胃肠炎的爆发. 这种早期预警系统有助于公共卫生官员为季节性高峰做好准备,特别是在春季初.
科学领域:
- 公共卫生监督 公共卫生监督
- 流行病学 流行病学
- 人工智能在医学中的应用
背景情况:
- 传染性胃肠炎对公众健康构成重大挑战.
- 气象因素与传染性胃肠炎的发病率密切相关.
- 有效的预警系统对于疾病控制和预防至关重要.
研究的目的:
- 开发一个准确的预测模型,用于东京的传染性胃肠炎发病率.
- 提高传染性胃肠炎早期预警系统的效率.
- 为积极的公共卫生干预和应急准备提供数据驱动的见解.
主要方法:
- 从2008年1月到2023年6月 (808周) 收集每周传染性胃肠炎病例数据和气象数据.
- 开发了一种双向的长期短期记忆-双向隔离反复单元 (BiLSTM-BiGRU) 深度学习模型.
- 采用了三个参数调整的优化算法,包括灰狼优化 (GWO),并构建了一个移动百分位控制图表警告模型.
主要成果:
- 与其他深度学习方法相比,GWO优化的BiLSTM-BiGRU模型表现出卓越的性能.
- 获得了高的确定系数 (R2 = 0.85).
- 显著减少了预测错误:RMSE减少了11.90%,MAE减少了12.44%,MAPE减少了16.18%.
结论:
- 该GWO-BiLSTM-BiGRU模型准确地适应并预测了东京的传染性胃肠炎病例.
- 该模型为疾病发病率提供可靠的早期预警.
- 公共卫生部门应准备每年在3-5周期间增加传染性胃肠炎病例.
