众所周知,Transformer在时序预测中处于较为火的位置,本程序基于ConvTrans模型,通过对现有的新冠肺炎数据确诊病例预测,从而推断出相关城市未来疫情或套用其他城市模型的疫情走向。
注意:由于数据量过少,总计只有42天数据,数据维度只有天数和确诊病例,所以预测效果不理想,不能作为可靠模型
Google colab
https://colab.research.google.com/drive/1yG01IFE8tJU_E59iqEL0t2iFRyLaaTYA?usp=sharing
数据文件为pycode/input
选取**四个城市的新冠肺炎确诊数据,城市为北京,上海,深圳,长春,其中选取上海,深圳,长春本轮疫情的爆发开始的第一天为第0天,然后推42天为我们数据预测天数,其中,为了排除历史数据干扰,我们将第0天的确诊病例归0。由于在此模型开发完成后,北京疫情仍然处于发展阶段,所以我们选取的是从数据筛选最后一天往前推42天作为北京的疫情数据。
使用数据的时候,我们以前12天的数据为基础,模型给出第十三天的确诊预测值。
模型文件为pycode/Transfromer.ipynb
采用ConvTrans模型,预测未来
机器学习对比文件
pycode/regression.py
LSTM对比文件
pycode/LSTM.py
Transformer在模型拟合上具有极大的优势,在如此小的数据量的情况下拟合效果仍然比较优秀
相比于老的机器学习模型,我们可以看出Loss是明显占据优势的
对比其他模型如LSTM模型,则仍然展现了自己的优势(对比数据均为深圳数据)
在绘图可视化上,我们可以看出拟合度的情况
我们认为,transformer在预测新冠肺炎的情况下具有较大优势,整体上的损失情况均可以战胜一些其他的模型,值得我们进一步深入研究。
我们认为,未来研究中,可以增加的维度如下:
城市人口,迁入迁出,机动车日均流量,城市天气数据等
同时增加更多的数据,有期望可以将模型效果进一步提升