FWin transformer for dengue prediction under climate and ocean influence

登革热是最致命的蚊媒热带传染病之一。详细的长期预测模型对于控制疾病的传播和进行缓解措施至关重要。在本研究中，我们研究了用于长期预测登革热病例的方法。数据集包括2000年至2019年新加坡的本地气候/天气以及全球气候指标。我们利用新开发的深度神经网络来学习这些特征之间的复杂关系。本研究中的基线模型属于最近用于长序列预测任务的Transformer类别。我们发现，在长达60周的登革热长期预测中，基于傅里叶混合窗口注意力（FWin）的Transformer在均方误差和最大绝对误差方面表现最佳。

本论文旨在利用深度神经网络来预测龙头虫病在新加坡的传播情况，解决长期预测模型在控制疾病传播和减轻其影响方面的重要性问题。

本文提出了一种基于傅里叶混合窗口注意力（FWin）的Transformer模型，用于学习各个特征之间的复杂关系，以实现长期预测任务。

本文使用了新开发的深度神经网络模型，对新加坡2000年至2019年的全球气候指标和本地气候/天气数据进行了分析和预测。实验结果表明，基于FWin的Transformer模型在长期预测龙头虫病传播方面表现最佳。本文的开源代码和数据集也为相关研究提供了方便。

最近在这个领域中，还有一些相关的研究正在进行，如《基于机器学习的疾病传播预测模型》、《利用深度学习方法进行龙头虫病预测的研究》等。