System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于疾病空间分布评估,尤其涉及一种基于空间回归模型的传染病全球流行程度预测方法。
技术介绍
1、空间数据观测结果之间常常缺乏独立性,空间自相关性是普遍存在的现象。如果我们要对区域统计数据建立回归模型,理想情况下,我们更希望收集相互独立的数据,从而避免错误的估计结果,然而空间数据尤其是区域面数据通常不满足这样的假设条件,因此对数据进行空间自相关性的探测并在模型中考虑如何对自相关性进行建模成为空间回归模型需要处理的核心问题,本方法深入探索了某传染病的世界分布的空间模式,揭示并比较了社会经济和环境因素与该传染病发病率的空间关联性。通过构建空间回归模型,预测该传染病的流行严重程度。
2、sun等人2022年在science of the total environment上使用空间回归模型探索了英国不同区域该传染病的死亡率的空间异质性。该研究建立了两个新开发的空间回归模型规范来估计该传染病死亡率。但模型仅考虑了部分人口学特征与气候特征对该传染病死亡率的影响且只研究了英国境内区域。在当前该传染病全球大流行的时代,探讨全球范围该传染病流行严重程度与经济社会环境因素之间的空间关系十分必要。
技术实现思路
1、为解决上述问题,本专利技术提供如下技术方案:一种基于空间回归模型的传染病全球流行程度预测方法,包括以下步骤:
2、步骤1:收集全国范围内某传染病的发病数据以及相应的环境和社会经济特征;
3、步骤2:对于某些年份没有某些特征数据,使用了相邻年份的数
4、步骤3:对于可能存在高度的线性相关性并导致回归分析偏差的问题,使用逻辑最小绝对收缩和选择算子(lasso)回归来检查特征之间的多重共线性,并随后确定最相关的特征;
5、步骤4:为了评估发病率的空间模式,对该传染病的发病率进行了单变量moran’si分析;
6、步骤5:进一步利用双变量moran’s i分析来估计该传染病发病率与所选特征之间的相关性;
7、步骤6:考虑到显著空间自相关问题,选择了ols以及两种空间回归模型:sem和slm,比较了三种模型的性能。
8、技术效果:
9、本专利技术探索了某传染病在全球范围流行的空间分布特点;进一步评估了该传染病流行与社会环境特征的空间关联;使用lasso回归来检查特征之间的多重共线性,进一步确定纳入模型的最优特征。基于两种空间回归分析算法(sem和slm)构建了预测该传染病流行严重程度的新模型。
本文档来自技高网...【技术保护点】
1.基于空间回归模型的传染病全球流行程度预测方法,其特征在于:包括以下步骤:
【技术特征摘要】
1.基于空间回归模型的传染病全球流行程...
【专利技术属性】
技术研发人员:刘思宇,刘雅文,梁卓帅,郭瑞芳,兰佳,孙晓悦,田宇阳,王宇舰,
申请(专利权)人:吉林大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。