典型文献
基于灰狼优化与多机器学习的重大传染病集合预测研究——以COVID-19疫情为例
文献摘要：
[目的]预知重大传染病的发展趋势可提前制定应对措施,探索基于多机器学习的集合预测方法构建准确有效的传染病疫情预测模型.[方法]建立融合多机器学习的重大传染病集合预测模型,基于灰狼优化算法搜索获得集合模型的最优权重系数.通过COVID-19疫情数据设计实验评估模型预测性能.[结果]ANFIS、LSSVM和LSTM分别适用于确诊、死亡和恢复病例情景;基于灰狼优化的集合预测模型在三种情景下的平均R2分别达到0.989、0.993和0.987,相较于各单项模型的平均RMSE分别降低了 37.37％、63.93％和53.37％.[局限]模型需使用其他重大传染病疫情数据进一步验证.[结论]不同机器学习的预测表现各有所长,基于灰狼优化的集合预测模型能够有效融合多机器学习的优势,从而获得稳定、精确的预测结果.
文献关键词：
重大传染病疫情;集合预测;灰狼优化;机器学习
中图分类号：
作者姓名：
曲宗希;沙勇忠;李雨桐
作者机构：
兰州大学管理学院 兰州730099;兰州大学应急管理研究中心 兰州730099
文献出处：
引用格式：
[1]曲宗希;沙勇忠;李雨桐-.基于灰狼优化与多机器学习的重大传染病集合预测研究——以COVID-19疫情为例)[J].数据分析与知识发现,2022(08):122-133
A类：
B类：
多机器学习,集合预测,预测研究,预知,确有,疫情预测,灰狼优化算法,最优权重,权重系数,疫情数据,数据设计,设计实验,实验评估,预测性能,ANFIS,LSSVM,各单项,RMSE,重大传染病疫情,各有所长,有效融合
AB值：
0.230305
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
