一种基于模态分解网络和深度学习的疫情预测方法

本发明公开了一种基于模态分解网络和深度学习的疫情预测方法，涉及深度学习技术领域，包括步骤：S1、收集和预处理：收集多种类型的疫情相关数据，并进行数据清洗和归一化，得到原始数据；S2、模态分解：构建模态分解网络；将原始数据输入模态分解网络，生成多个模态成分，多个模态成分构成一个模态矩阵；S3、预测数据：构建Transformer模型；将模态矩阵输入Transformer模型，生成预测发展数据；S4、数据整合：将多个预测发展数据整合得到最终结果；输出最终结果。通过MDN将复杂的时间序列数据分解，结合自注意力机制捕捉时间序列中的长时间依赖关系，实现对非线性、非平稳数据的高精度预测。