基于STL和Transformer模型的疫情预测方法

本发明提供了一种基于STL和Transformer模型的疫情预测方法，包括如下步骤：S1：收集和预处理：通过疫情监测平台收集病例数、时间、地点数据，形成时间序列；去除异常值，填补缺失值，确保数据的完整性和一致性；S2：季节性‑趋势分解：将时间序列数据分解为趋势、季节性和残差三部分；S3：预测数据：构建Transformer模型；将所述趋势、季节性和残差输入所述Transformer模型；所述Transformer模型生成预测发展数据；S4：数据整合：将Transformer模型的预测结果与残差成分进行整合，生成最终的疫情预测结果。本发明的基于STL和Transformer模型的疫情预测方法适应性强，能够处理不同类型和复杂度的时间序列数据，特别适用于复杂的疫情预测。