跳到主要内容

研究进展

相关研究与后续进展

同一研究事件下的公开文章与后续进展。

Journal of global health

CEEMDAN分解结合KOA优化深度学习预测中国乙型肝炎报告病例(2004-2027)

该研究汇总2004年1月至2025年12月中国大陆全国月度乙肝报告病例序列,用CEEMDAN分离多尺度时间成分,并以KOA优化GRU、CNN、SVM与Transformer编码器四种模型,在12个月滑动窗口上递归外推24个月,结果显示Transformer在留出测试集上拟合最佳(MAE=3105.508、MAPE=0.024、RMSE=4071.901、R²=0.928),SVM次之,CNN优于GRU但不及SVM,2026-2027年预测值仍处高位,提示改善有限甚至可能回升。