【《基于LSTM模型的疫情感染人数预测分析案例》810字】_第1页
【《基于LSTM模型的疫情感染人数预测分析案例》810字】_第2页
【《基于LSTM模型的疫情感染人数预测分析案例》810字】_第3页
【《基于LSTM模型的疫情感染人数预测分析案例》810字】_第4页
【《基于LSTM模型的疫情感染人数预测分析案例》810字】_第5页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于LSTM模型的疫情感染人数预测分析案例1、原理概述LSTM模型是一种特殊的。它的提出是为了解决训练较长的序列过程中的梯度消失或梯度爆炸问题，主要通过遗忘、输入、输出三个逻辑来实现信息的保护和控制。遗忘门决定了遗忘速度，也就是决定记忆单元上一时间的值被传到当前时刻的数量。如上图所示，遗忘门会读取和，输出记忆单元上一时间的值是否保留在当前时刻。计算公式为：其中，表示上一时刻隐含层的输出，为记忆单元当前输入值，为函数，、、是遗忘门的权重矩阵和偏置项。输入门控制当前时刻进入记忆单元输入值的数量。通过一个层生成备选用来更新的向量.输入门的计算公式为用来更新的向量的计算公式为下面将更新为计算公式为输出门决定记忆单元中现有的记忆值可以被输出的比重有多大。输出门的计算公式为得到循环层的输出值为使用LSTM进行时间序列预测的流程为：1）通过用上一时间段的真实值来预测下一时间步的值的方式重新组织数据集，将时间序列数据集转化为监督学习问题。2）函数的值域为，所以将数据集标准化到此范围内。3）划分训练集和数据集，改变输入数据集的维度，建立具有一个LSTM层，损失函数为损失，优化器为的LSTM模型，并根据训练数据集训练100次，拟合模型，输出测试集对应的时间序列的预测值。2、使用LSTM模型对主要疫情国家每日新增病例数的预测本节使用LSTM模型依据上面预测流程同样对疫情发展较严重的美国、巴西、印度、英国和俄罗斯的每日新增确诊病例数进行预测分析，得到下面的预测结果分析图。图3.3LSTM模型预测分析图计算各国预测值与真实值之间的均方根误差和平均绝对百分比误差得下表：表3.4LSTM模型对应各国预测的RMSE和MAPE国家RMSEMAPE美国32162.080.154巴西17608.940.305印度4350.190.153英国8333.790.160俄罗斯1253.710.054从图3.3中可以看到，LSTM模型预测的趋势更加符合真实数据的趋势，从表3.4中看到LSTM模型对俄罗斯每日新增确诊病例数的预测精度最好，巴西的平均绝对百分比误差依然比较大，同样该模型

人人文库> 全部分类> 行业资料 > 工业设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论