基于CNN-LSTM模型的天气相关儿童过敏性疾病发作风险预测方法

本发明公开了基于CNN‑LSTM模型的天气相关儿童过敏性疾病发作风险预测方法，包括：获取研究城市的常规气象要素、空气污染数据及医院就诊人数，并进行质量控制；构建CNN‑LSTM模型，CNN提取时空特征，LSTM处理时间序列并预测哮喘就诊人数；设置合适的模型参数；对模型进行训练；绘制训练和验证损失曲线，调整模型参数。通过深度学习模型深入挖掘气象和空气污染因素对儿童哮喘的影响，有效融合多种来源的数据，捕捉复杂非线性关系和时空变化规律，显著提升预测精度。进一步优化包括调整模型结构、增加数据量与质量、引入更多影响因子及增强训练约束，进一步提升模型精准度，为公共卫生决策提供科学依据，该方法在儿童哮喘患病风险预测上表现优异。