基于CIST-GCN的流行病数据分析与预测
Modern Informationn Technology（2022）
摘要
文章提出了一个基于相关度交互图卷积网络的流行病预测方法,利用各城市的日感染人数变化模拟病毒在不同城市间的传播相似度,并对拓扑图进行加权处理,最后利用时空图卷积网络处理城市网络的空间特征,并对城市的流行病发展状况进行预测.方法在PeMS-Bay和PeMSD7数据集上实验的MAPE为2.498％和5.640％,优于传统ST-GCN的2.640％和8.822％,同时在PeMSD7上优于参考模型IT-GCN的8.603％,并且在中国33个城市的疫情预测中与真实数据契合度较高,特别是对"突增点",对各类流行病的预测以及疫情突发状况的预警起到了一定的参考作用.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要