位置:成果数据库 > 期刊 > 期刊详情页
基于机器学习的登革热时空扩散预测模型对比分析
  • ISSN号:1672-1586
  • 期刊名称:《地理信息世界》
  • 时间:0
  • 分类:TP391.7[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]华南师范大学地理科学学院,广东广州510631, [2]新疆大学资源与环境科学学院,新疆乌鲁木齐830046
  • 相关基金:国家自然科学基金项目(41171141)资助
中文摘要:

BP神经网络、GA-BP神经网络及SVR模型是机器学习领域常用的三种预测方法,但在登革热预测方面鲜有人涉及。本文以广州市主城区登革热预测为例,对比BP神经网络、GA-BP神经网络及SVR模型在登革热时空预测上的作用,比较三种模型在登革热时空动态预测中的优劣性。研究表明,①从模型预测效果上看,SVR模型稳定,预测效果显著优于BP及GA-BP模型;②从模型性能上看,GA-BP模型优于BP及SVR模型;③SVR与GA-BP模型在登革热预测上切实可行。

英文摘要:

BP neural network, GA-BP neural network and SVR model are commonly used in the field of machine learning, but few of them are involved in the diffusion prediction of dengue fever. In this paper, we took Dengue Fever in the downtown of Guangzhou city as an example, compared the spatio-temporal dynamics prediction results of BP neuralnetwork, GA-BP neural network and SVR models. The results showed that, the prediction effect of SVR model was superior to BP and GA-BP model; the performance of GA-BP model was better than BP and SVR model; SVR and GABPmodel were feasible in the prediction of Dengue Fever.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《地理信息世界》
  • 中国科技核心期刊
  • 主管单位:国家测绘局
  • 主办单位:中国地理信息系统协会 黑龙江测绘局
  • 主编:陈军
  • 地址:北京海淀区莲花池西路28号西裙楼402室
  • 邮编:100830
  • 邮箱:cagisgw@163.com
  • 电话:010-63881027/1020
  • 国际标准刊号:ISSN:1672-1586
  • 国内统一刊号:ISSN:11-4969/P
  • 邮发代号:80-902
  • 获奖情况:
  • 国内外数据库收录:
  • 中国中国科技核心期刊
  • 被引量:4617