SEIR-TFT混合框架结合SHAP实现可解释疫情预测

Ashish Anton Abraham等人于2026年6月10日在arXiv提交论文，提出一种结合SEIR模型与时间融合Transformer（TFT）的混合传染病预测框架，并引入SHAP分析以增强可解释性。 该框架整合易感、暴露、感染、康复等流行病指标，同时纳入口罩、疫苗等干预信号及移动性、人口背景数据，在新冠疫情数据上进行验证。结果显示，在干预措施变化阶段，该混合模型较独立SEIR基线更稳定准确。 系统通过SHAP在整体与局部层面量化各特征贡献，并以预测结果、解释输出和交互式仪表盘形式呈现，支持时间序列、政策影响和地理空间分析。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。