来源：期刊VIP网 时间：
作者：周禹宣;黄勃;虞益军;粟波;臧振森;
单位：上海工程技术大学电子电气工程学院;上海市肺科医院;上海中域工业互联网研究院;
摘要：时序数据预测在应对不确定性、降低风险、优化资源配置和提升服务质量等方面都发挥着重要作用，但时序数据存在的多种特性使得预测过程变得复杂、预测精度不高。为此，提出一种基于域信息自增极端随机树模型应用于时序数据预测，采取时序平移器提取时序数据之间的联系，利用特征分解模块消除原有序列的内在噪声，通过基于生成对抗网络的特征增强模块，有效获取时序数据中静态特征与时空特征，从而优化时间预测模型的参数。以突发公共卫生事件作为例，对美国各州突发公共卫生事件关键数据的趋势进行预测。实验结果表明，在马萨诸塞州、马里兰州和华盛顿州的突发公共卫生事件数据集中，本文模型在预测每日新增确诊人数上表现突出，但在预测每日新增死亡人数上略有不足。
关键词：特征分解;;生成对抗网络;;极端随机树;;域信息增强
基金资助：上海市2022年度“科技创新行动计划”（22dz1202500）
