新冠肺炎疫情的爆发对全球卫生安全、经济发展等方面产生了巨大的影响.因此,构建一个准确的疫情预测模型对于疫情的防控是至关重要的.本次研究基于 LSTM时间序列预测模型对美国新冠肺炎疫情期间每日累计确诊病例进行建模和预测.模型包括一个LSTM层,用来捕捉时间序列数据中的长期依赖关系;一个全连接层,用来将模型结果降为一维数值并输出.通过Adam优化器优化模型参数,并且采用均方根对数误差作为模型的评价指标.结果表明,LSTM时间序列预测模型很好地捕捉到了时间序列数据中的长期依赖关系,具备良好的非线性表征能力,较为准确地对美国新冠肺炎疫情发展情况进行预测.
作者：曹倩；孙乾；金永超
来源：华北理工大学学报（自然科学版） 2023 年 45卷 4期
