您当前的位置： 首页 > 论文 > 2019,50(02) > 信息与计算机科学·基础理论
基金项目:
山西省自然科学基金资助项目(201801D121026，201701D121012)；国家自然科学基金资助项目(61774137)
分类号:
TP183;R511.7
DOI:
10.16355/j.cnki.issn1007-9432tyut.2019.02.017
期刊号:
2019,50(02)
收稿日期:
修回日期:
摘要:
流感对公众健康构成巨大威胁
,准确的实时预测和即时反应对于控制流感疫情至关重要。采用美国疾病控制和预防中心的类流感疾病
(ILI)数据来预测流感。为了准确预测每个区的流感
,通过更新行驶距离率
(traveling distance rate,RTD)获得改进的多元优化器
(improved multi-verse optimizer,IMVO),并用
IMVO来优化
Elman神经网络
(ERNN)的参数
,得到模型
IMVO-ERNN.比较结果表明
,IMVO-ERNN模型优于
MLR、
ERNN和
MVO-ERNN等模型
,并能够实时预测美国流感爆发。
关键字:
多元优化器； Elman神经网络； 类流感疾病； 预测