一种基于WOA-BILSTM的传染病预测方法

本发明涉及传染病预测领域，尤其是一种基于woa-bilstm的传染病预测方法。

背景技术：

1、目前，有很多预测模型可以对各种传染病趋势和具体感染情况进行预测，但是对于预测一个区域几天后的新增准确度仍然不高。现有技术中的seir和线性回归等数学模型，这些模型通过拟合一条数学曲线对传染病发展趋势进行预测，但是该类模型的缺点是对于每天的具体预测值不够准确。其次，传统的机器学习、深度学习模型和arima能够对一天后的累计感染人数进行准确预测，但是随着预测天数的增加，模型的预测准确度会急速下降，并且对于后一天预测准确度还有待提高。此外，由于每日新增感染人数的不规律性极强，当使用这些模型对于每日新增感染人数进行预测时，预测效果较差。

2、因此，上述问题亟待解决。

技术实现思路

1、有鉴于此，本发明实施例提供一种基于woa-bilstm的传染病预测方法，用于提高预测传染病每日新增人数的准确性。

2、本发明实施例的一方面提供了一种基于woa-bilstm的传染病预测方法，包括：

3、获取预设区域内感染病例在设定时间段内的感染数据，并将所述感染数据进行归一化处理；

4、根据归一化处理后的感染数据以及经过训练的bilstm模型，确定鲸鱼优化算法中的最优个体及其适应度；

5、根据鲸鱼优化算法、所述最优个体及其适应度调整所述bilstm模型的参数；

6、根据所述最优个体输入参数优化后的bilstm模型，得到所述预设区域关于传染病的预测结果。

7、可选地，所述感染数据包括感染病例的累计新增、累计治愈、累计死亡、现存感染者、每日新增、每日治愈以及每日死亡。

8、可选地，所述bilstm模型包括第一bilstm网络、第二bilstm网络以及全连接层；

9、每次对所述bilstm模型训练后，对所述bilstm模型进行去除过拟合。

10、可选地，所述根据归一化处理后的感染数据以及经过训练的bilstm模型，确定鲸鱼优化算法中的最优个体及其适应度，包括：

11、将所述感染数据进行时间步长的归一化处理；

12、从所述感染数据的时间步长，以及所述bilstm模型的第一bilstm网络的隐藏层数、第二bilstm网络的隐藏层数、去除过拟合的函数、批次大小、学习率和优化器中，确定鲸鱼优化算法中的最优个体及其适应度。

13、可选地，所述bilstm模型的门控制系统包括输入门、输出门以及遗忘门，且所述bilstm模型的输入包括正序列与反序列；

14、其中，所述输入门用于控制当前信息的输入，计算输入的当前信息，并判断是否输入当前信息；

15、所述遗忘门用于控制是否保留历史信息，计算输入的历史信息，并判断是否保留历史信息；

16、所述输出门用于控制当前信息的输出，计算输入的当前信息，并判断是否输出当前信息。

17、可选地，所述根据鲸鱼优化算法、所述最优个体及其适应度调整所述bilstm模型的参数，包括：

18、生成初始化种群，计算种群中的每个个体的适应度，确定当代种群中适应度最优的个体及其适应度；通过包围猎物、搜索猎物和捕获猎物的行为更新当前每个个体的位置；

19、种群进入下一代后，执行所述计算种群中的每个个体的适应度，确定当代种群中适应度最优的个体及其适应度；通过包围猎物、搜索猎物和捕获猎物的行为更新当前每个个体的位置的步骤，直至循环到最大迭代次数；

20、将经过最大迭代次数迭代后的bilstm模型，作为参数调整后的bilstm模型。

21、可选地，所述感染数据的时间步长，以及所述bilstm模型的第一bilstm网络的隐藏层数、第二bilstm网络的隐藏层数、去除过拟合的函数、批次大小、学习率和优化器组合作为所述初始化种群中的初代个体。

22、本发明实施例的另一方面还提供了一种基于woa-bilstm的传染病预测装置，包括：

23、数据处理单元，用于获取预设区域内感染病例在设定时间段内的感染数据，并将所述感染数据进行归一化处理；

24、个体确定单元，用于根据归一化处理后的感染数据以及经过训练的bilstm模型，确定鲸鱼优化算法中的最优个体及其适应度；

25、参数调整单元，用于根据鲸鱼优化算法、所述最优个体及其适应度调整所述bilstm模型的参数；

26、结果预测单元，用于将所述最优个体输入参数优化后的bilstm模型，得到所述预设区域关于传染病的预测结果。

27、本发明实施例的另一方面还提供了一种电子设备，包括处理器以及存储器；

28、所述存储器用于存储程序；

29、所述处理器执行所述程序实现上述任一项所述的方法。

30、本发明实施例的另一方面还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现上述任一项所述的方法。

31、本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。

32、本发明采用bilstm模型预测传染病的感染病例的变化趋势，相较于现有技术lstm模型，bilstm模型的预测准确性更高，而且，本发明采用woa(whale optimizationalgorithm)算法，即鲸鱼优化算法，以及鲸鱼优化算法中的最优个体及其适应度调整bilstm模型的参数，使得bilstm模型的预测能力更进一步；另外，本发明待预测的感染数据是预设区域内感染病例在设定时间段内的变化趋势数据，即感染数据包括多样化的数据特征，基于信息丰富的感染数据进行预测，本发明可以十分准确地预测每日新增感染人数和累计新增感染人数。

技术特征：

1.一种基于woa-bilstm的传染病预测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于woa-bilstm的传染病预测方法，其特征在于，所述感染数据包括感染病例的累计新增、累计治愈、累计死亡、现存感染者、每日新增、每日治愈以及每日死亡。

3.根据权利要求2所述的一种基于woa-bilstm的传染病预测方法，其特征在于，所述bilstm模型包括第一bilstm网络、第二bilstm网络以及全连接层；

4.根据权利要求3所述的一种基于woa-bilstm的传染病预测方法，其特征在于，所述根据归一化处理后的感染数据以及经过训练的bilstm模型，确定鲸鱼优化算法中的最优个体及其适应度，包括：

5.根据权利要求1所述的一种基于woa-bilstm的传染病预测方法，其特征在于，所述bilstm模型的门控制系统包括输入门、输出门以及遗忘门，且所述bilstm模型的输入包括正序列与反序列；

6.根据权利要求4所述的一种基于woa-bilstm的传染病预测方法，其特征在于，所述根据鲸鱼优化算法、所述最优个体及其适应度调整所述bilstm模型的参数，包括：

7.根据权利要求6所述的一种基于woa-bilstm的传染病预测方法，其特征在于，所述感染数据的时间步长，以及所述bilstm模型的第一bilstm网络的隐藏层数、第二bilstm网络的隐藏层数、去除过拟合的函数、批次大小、学习率和优化器组合作为所述初始化种群中的初代个体。

8.一种基于woa-bilstm的传染病预测装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括处理器以及存储器；

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1至7中任一项所述的方法。

技术总结
本发明公开了一种基于WOA‑BILSTM的传染病预测方法，包括：获取预设区域内感染病例在设定时间段内的感染数据，并将感染数据进行归一化处理；根据归一化处理后的感染数据以及经过训练的BILSTM模型，确定鲸鱼优化算法中的最优个体及其适应度；根据鲸鱼优化算法、最优个体及其适应度调整BILSTM模型的参数；根据最优个体输入参数优化后的BILSTM模型，得到预设区域关于传染病的预测结果。本发明可以提高预测传染病每日新增人数的准确性，可广泛应用于传染病预测领域。

技术研发人员：杨新月
受保护的技术使用者：华南师范大学
技术研发日：
技术公布日：2024/1/13