基于LightGBM算法的高致病性传染病的传播趋势预测研究

摘要

高致病性传染病的传播给人类的生存带来威胁,精准预测传染病的传播趋势,将有助于人类社会控制传染病,进而保障社会公共卫生安全。本文针对2020 IKCEST赛题所构造的若干虚拟城市,利用新增感染人数构造lagging特征,利用迁徙指数等构造统计特征,将监督学习问题转化为时间序列预测问题。在趋势预测上,利用轻量级梯度提升决策树模型LightGBM(Light Gradient Boosting Machine)构造传染病群体传播预测模型,实现对高致病性传染病传播趋势的预测。实验结果表明,LightGBM模型能够准确预测,取得了较好的预测结果,具有较低的均方根误差。文章最后对本方案的优化方向进行了展望。