基于自注意力机制LSTM的COVID-19感染预测

来源：计算机应用与软件杂志2024年第9期北京时间：

作者：吴昊, 曹宇, 魏海平, 田壮

摘要：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JPCOVID-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。

关键词：COVID-19, SIS, 自注意力机制, 长短期记忆网络, ConvLSTM