一种利用多输入多输出时间卷积网络和萤火虫算法预测花粉爆发的先进框架

《Scientific Reports》：An advanced framework for predicting pollen outbreaks using multi-input multi-output temporal convolutional networks and firefly algorithm

　　

摘要

花粉爆发对公共健康构成严重威胁，尤其是对有呼吸系统问题的人来说。可靠的检测系统能够及时采取干预措施，对于降低这些风险至关重要。本研究通过将多输入多输出时间卷积网络（MIMO-TCN）与萤火虫算法相结合，提出了一种新的花粉爆发预测方法，以实现最优的超参数调整。该方法利用萤火虫算法（FA）对多输入多输出时间卷积网络（MIMO-TCN）架构进行超参数优化。萤火虫算法借鉴了萤火虫的交流和交配行为，擅长解决优化问题。我们在包含2万到10万个样本的数据集上进行了大量实验，通过准确性、精确度、灵敏度和F1分数等指标对模型进行了测试。该模型的平均精确度为0.965，灵敏度为0.982，F值约为0.973，准确率为92.04%，表现优于多种现有先进算法。混淆矩阵分析显示，该模型在区分不同类型花粉（树木、草本植物和杂草）方面表现出色，进一步证明了其分类的准确性和实际应用价值。