基于EEMD-LSTM模型的禽霍乱预测研究

作者：何振欢; 肖建华^*

来源：动物医学进展, 2022, 43(11): 34-38.

DOI：10.16437/j.cnki.1007-5038.2022.11.018

• 禽霍乱
• 机器学习
• 集合经验模态分解模型
• 长短期记忆模型

禽霍乱是一种由多杀性巴氏杆菌引起的接触性、败血性传染病，鸡、鸭和鹅等禽类均易感。由于目前我国广泛使用的禽霍乱弱毒疫苗和灭活疫苗副作用大、免疫期短且保护率低，免疫后的禽类仍有患病的风险。因此，对禽霍乱的监控尤为重要。利用MATLAB 2020b软件构建了基于集合经验模态分解(ensemble empirical mode decomposition, EEMD)和长短期记忆(long short-term memory, LSTM)模型的EEMD-LSTM组合模型的禽霍乱预测方法。利用2006年-2015年禽霍乱的发病数训练模型，预测2016年-2020年禽霍乱的发病数，并与实际发病数验证，然后通过计算实际发病数与预测发病数的线性回归系数R2值和组内相关系数(intraclass correlation coefficient, ICC)值，分析实际发病数与预测发病数的一致性。结果显示，模型训练期的R2值和ICC值分别为0.993 5和0.997,其ICC值大于0.75并接近于1,表明该模型具有良好的预测能力，可用于预测禽霍乱的发病趋势；模型预测期的R2值和ICC值分别为0.750 7和0.825,其ICC值大于0.75,同时大于Landis和Koch的建议值0.80,表明该模型具有良好的可信度。该模型的建立可为禽霍乱的防控提供参考，同时也为该模型的其他应用研究提供理论依据。

• 单位
  东北农业大学