STG-Net疫情预测模型

五国R²均98%

整合城市距离与人口密度等多元时空信息，有效提取数据波动趋势并融合时空特征，提高新增病例预测准确性。

Song, Yucheng · Song, Xiaomeng · 廖志芳 · Zhang, Yan

Biomedical Signal Processing and Control 2023

参数信息

平均决定系数

98.23 %

技术优势

预测精度高

在五个国家数据集上平均决定系数R²达到98.23%，优于现有模型。

可预测长期趋势

模型对长期和短期预测均表现良好，能够帮助提前规划资源。

鲁棒性好

在多个数据集上表现稳定，整体稳健性良好。

应用场景

• 流行病监测：基于历史数据预测每日新增病例，辅助监测疫情动态。
• 公共卫生决策：提供病例趋势预测，为防控策略与资源配置提供依据。
• 传染病预测：融合时空信息预测新增病例，用于传染病爆发早期预警。
• 时空数据挖掘：挖掘城市距离、人口密度等时空特征，捕获数据波动趋势。