[发明专利]一种基于LSTM模型的COVID-19疫情预测方法

权利要求书

1.一种基于LSTM模型的COVID-19疫情预测方法，其特征在于包括以下步骤：

S1、获取目标地区的疫情数据作为样本数据，所述样本数据至少包括每日累计确诊人数，将样本数据分割为输入量和输出量，所述输入量包括前T天的累计确诊人数、和依据样本数据中的其他数据进行计算得出的参数值，所述输出量为第T+1天的累计确诊人数；

S2、基于LSTM网络构建COVID-19疫情预测模型，所述疫情预测模型由三个不同时间步长的基础LSTM模型融合而成；

S3、对步骤S1所得的样本数据进行标准化操作，按照步骤S2中的三个时间步长分割出三个LSTM模型的输入值和输出值，以形成三个样本集，并以相同的划分方式分别将三个样本集均划分成训练集合验证集；

S4、将步骤S3所得的三个训练集和三个验证集输入构建的疫情预测模型中，设置模型参数，依次迭代所有样本更新模型参数直至收敛，并保存当前最佳模型，对该模型的输出值进行反标准化处理，得到最终累计确诊人数预测值。

2.根据权利要求1所述的一种基于LSTM模型的COVID-19疫情预测方法，其特征在于所述步骤S1中的样本数据还包括每日累计治愈人数、累计死亡人数和接触系数，所述步骤S1中的参数值包括每日治愈率、每日死亡率；其中，

所述接触系数为一个人每天的平均接触人数；

所述每日治愈率的计算方式为：

所述每日死亡率的计算方式为：

3.根据权利要求1所述的一种基于LSTM模型的COVID-19疫情预测方法，其特征在于所述步骤S2中三个不同的时间步长按照由小到大的顺序分别为T1、T2、T3，所述基础LSTM模型均为双层的LSTM模型，三个LSTM模型分别通过一个Dense层后共同进入融合层，所述融合层用于对三个LSTM模型的输出值作加权求和，即对三个模型的输出各自乘以一个权重，三个权重的和为1，最后将三个乘以权重后的值的和作为最终预测结果。

4.根据权利要求3所述的一种基于LSTM模型的COVID-19疫情预测方法，其特征在于所述三个LSTM模型的输出值各被赋予一个权重，三个权重和为1；所述权重为模型可训练参数。

5.根据权利要求1所述的一种基于LSTM模型的COVID-19疫情预测方法，其特征在于所述模型参数的迭代方法采用梯度下降算法进行优化，以均方误差作为损失函数，当验证损失连续5次未下降时，停止模型迭代，并保存当前最佳模型。

6.根据权利要求1所述的一种基于LSTM模型的COVID-19疫情预测方法，其特征在于所述样本数据未知时，该样本数据采用估计值、或前T1天的平均值为取值。