【CN110085327A】基于注意力机制的多通道LSTM神经网络流感疫情预测方法【专利】.pdf

(19)中华人民共和国国家知识产权局

(12)发明专利申请

(10)申请公布号CN110085327A

(43)申请公布日2019.08.02

(21)申请号201910256008.7

(22)申请日2019.04.01

(71)申请人东莞理工学院

地址523000广东省东莞市松山湖科技产

业园区大学路1号

(72)发明人郝建业侯韩旭马钰付博峰

(74)专利代理机构深圳市道勤知酷知识产权代

理事务所(普通合伙)44439

代理人何兵饶盛添

(51)Int.Cl.

G16H50/80(2018.01)

G06N3/04(2006.01)

权利要求书2页说明书10页附图7页

(54)发明名称

基于注意力机制的多通道LSTM神经网络流

感疫情预测方法

(57)摘要

本发明提供基于注意力机制的多通道LSTM

神经网络流感疫情预测方法，属于流行病监测技

术领域。本发明首先对数据集中数据进行预处

理、标准化、特征选择，将选取的数据分为天气相

关数据和流感疫情相关数据两类，生成训练集；

然后建立包括注意力机制的多通道LSTM神经网

络模型；将训练集数据输入所述模型进行训练，

并进行MAPE评估，得到训练好的多通道LSTM神经

网络模型；对测试数据进行处理，得到测试集；将

测试集数据输入训练好的LSTM神经网络模型中

进行测试；最后对测试输出结果进行逆标准化处

理，得到流感疫情预测值。本发明解决了现有流

A

7感疫情预测技术预测准确率较低的问题。本发明

2

3可用于不同区域的流感预测。

5

8

0

0

1

1

N

C

权利要求书

CN110085327A1/2页

1.基于注意力机制的多通道LSTM神经网络流感疫情预测方法，其特征在于，具体包括

以下步骤：

步骤一、对数据集中数据进行预处理、标准化；然后基于模型的排名进行特征选择，将

选取的数据分为天气相关数据和流感疫情相关数据两类，生成训练集；

步骤二、建立包括注意力机制的多通道LSTM神经网络模型；该多通道LSTM神经网络模

型的输入包括流感疫情相关数据和天气相关数据；

步骤三、将训练集数据输入所述多通道LSTM神经网络模型进行训练，并进行MAPE评估，

得到训练好的多通道LSTM神经网络模型；

步骤四、对测试数据进行与步骤一相同的处理，得到测试集；

步骤五、将测试集数据输入训练好的LSTM神经网络模型中进行测试；

步骤六、对测试输出结果进行逆标准化处理，得到流感疫情预测值。

2.根据权利要求1所述基于注意力机制的多通道LSTM神经网络流感疫情预测方法，其

特征在于，步骤一中所述标准化具体包括以下过程：

将经过预处理后的数据进行Min-Max标准化处理：

其中，x为预处理后的数据中的数值，x是预处理后的数据中的最小值，x是预处理

minmax

后的数据中的最大值，y是x经过Min-Max标准化处理后的值。

3.根据权利要求2所述基于注意力机制的多通道LSTM神经网络流感疫情预测方法，其

特征在于，步骤二中所述多通道LSTM神经网络模型中的LSTM记忆单元包括输入门、输出门、

遗忘门和自循环神经元；LSTM记忆单元能够用以下方程组表示：

··

其中，σ()是logistic

sigmoid函数(