An advanced framework for predicting pollen outbreaks using multi-input multi-output temporal convolutional networks and firefly algorithm

doi:10.1038/s41598-026-55930-x

An advanced framework for predicting pollen outbreaks using multi-input multi-output temporal convolutional networks and firefly algorithm

2026-06-11

0

OA

AI

DOI：10.1038/s41598-026-55930-x

原文链接

查看原文

摘要

En 中文

花粉爆发引发严重的公共卫生问题，尤其对呼吸系统疾病患者影响显著。可靠的检测系统提供及时干预，对降低这些风险至关重要。本研究提出了一种新颖的花粉爆发预测方法，通过整合多输入多输出时序卷积网络（MIMO-TCN）与萤火虫算法进行超参数优化。该方法利用萤火虫算法（FA）优化超参数，并结合多输入多输出时序卷积网络（MIMO-TCN）架构。萤火虫算法受萤火虫通信与交配行为启发，擅长解决优化问题。我们在包含20,000至100,000个实例的数据集上进行了大量试验，采用准确率、精确率、敏感性和F1分数等指标评估模型性能。该模型优于多种当前最优算法，平均精确率为0.965，敏感性为0.982，F-分数为0.973，准确率为92.04%。混淆矩阵分析表明，该模型在花粉类型（树木、草地和杂草）上表现优异，强调了其分类准确性和实际应用价值。

An advanced framework for predicting pollen outbreaks using multi-input multi-output temporal convolutional networks and firefly algorithm

摘要

AI总结

期刊

机构

引用论文