基于深度学习显著性检验的城市传染病预测分析方法

本发明公开了基于深度学习显著性检验的城市传染病预测分析方法，包括：获取目标城市路网结构和历史时刻的传染病数据；使用图神经网络和序列学习技术进行特征提取和时空依赖性建模；采用编码器‑解码器架构生成预测结果的均值和方差；通过变分推断训练贝叶斯神经网络拟合真实数据关系；使用全贝叶斯显著性检验方法识别关键影响因素，增强模型解释性。该方法通过使用贝叶斯神经网络，能够以概率分布的形式表示模型参数，更灵活地适应传染病传播的不确定性。并可以捕捉传染病在城市空间中的传播模式，提高预测的空间分辨率。该方法能够识别对预测有显著影响的输入特征，能够识别关键的传染病影响因素，增强模型的可解释性。