基于优化的Elman神经网络的类流感的预测

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。