基于自注意力机制LSTM的COVID-19感染预测OA北大核心CSTPCD

COVID-19因各国气候、政府政策和疫苗接种人数等因素的不同而呈现不同的发展趋势,这导致COVID-19数据不稳定,传统的机理模型无法根据历史时序数据做出准确预测。因此,提出一种在深度学习LSTM网络框架下引入Self-Attention机制的改进模型。通过仿真实验,对中国、英国和意大利的COVID-19现存病例数据进行预测,并与带有非线性传染率的SIS模型、LSTM模型和ConvLSTM模型的预测结果对比,实验证明,相比于其他三种模型,LSTM-Self-Attention模型的预测精度更高。