摘要
本发明涉及种基于深度学习的流行病混频数据预测的方法，包括以下步骤，获取历史疫情数据、实时监控数据、人口统计数据，通过信息融合得到混频数据；根据混频数据最优滞后阶数和采样时间间隔确定滑动窗口，确定每个采样频率的数据在窗口内的数据长度；获得混频数据嵌入向量；在时间维度上自适应地提取或扩充时序特性；从融合特征中学习注意力向量，并获得时间和属性特征上下文向量；混频数据嵌入向量、时间和属性特征上下文向量通过全连接层输出获得预测值；本发明通过对混频数据的处理，提高流行病预测的准确性和及时性利用深度学习模型处理复杂数据，可以有效提高对流行病爆发和传播趋势的预测准确性和及时性，为公共卫生决策提供科学依据。
