【技术实现步骤摘要】
本专利技术属于信号处理和预测分析。
技术介绍
1、为了提前了解和评估流行病传播可能的发展趋势和影响，从而为公共卫生决策提供科学依据，优化资源分配，制定有效的防控策略，并减少疫情对人类健康、社会经济和日常生活的影响，目前，各机构正积极采用多种技术手段，加强对疫情的监测、分析和预测能力。另一方面，在捕捉疫情数据中的长时间依赖关系时效率较低，尤其在处理具有大规模数据量或突发特性的数据时，容易出现过拟合或欠拟合现象。
技术实现思路
1、为解决上述技术问题，本专利技术采用的技术方案为，基于stl和transformer模型的疫情预测方法，包括如下步骤：
2、s1：收集和预处理：通过疫情监测平台收集病例数、时间、地点数据，形成时间序列；去除异常值，填补缺失值，确保数据的完整性和一致性；
3、s2：季节性-趋势分解：将时间序列数据分解为趋势、季节性和残差三部分；
4、s3：预测数据：构建transformer模型；将所述趋势、季节性和残差输入所述transformer...
【技术保护点】
1.基于STL和Transformer模型的疫情预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于STL和Transformer模型的疫情预测方法，其特征在于，所述去除异常值和填补缺失值步骤具体为：
3.根据权利要求1所述的基于STL和Transformer模型的疫情预测方法，其特征在于，所述步骤S2中，所述季节性-趋势分解的过程为：
4.根据权利要求3所述的基于STL和Transformer模型的疫情预测方法，其特征在于，所述Transformer模型为：
5.根据权利要求4所述的基于STL和Trans...
【技术特征摘要】
1.基于stl和transformer模型的疫情预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于stl和transformer模型的疫情预测方法，其特征在于，所述去除异常值和填补缺失值步骤具体为：
3.根据权利要求1所述的基于stl和transformer模型的疫情预测方法，其特征在于，所述步骤s2中，所述季节性-趋势分解的过程为：
4.根据权利要求3所述的基于stl和tr...
【专利技术属性】
技术研发人员：韩子天，李玄锋，何炜，刘瑞斌，
申请(专利权)人：澳门科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。