申请/专利权人：吉林大学

申请日：2023-09-28

公开（公告）日：2024-04-16

公开（公告）号：CN117894479A

主分类号：G16H50/80

分类号：G16H50/80;G06F18/27

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：本发明公开了基于空间回归模型的传染病全球流行程度预测方法，选择了两种类型的空间回归模型来预测该传染病的流行严重程度：空间误差模型SEM和空间滞后模型SLM。在地理空间数据中传统的经典回归模型OLS，会存在空间自相关的问题，这违反了回归模型中观测对象相互独立的假设，因此，本研究使用了空间回归模型，以限制空间自相关对结果的影响。对于可能存在高度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，以确定最优特征纳入空间回归模型。本发明使用空间回归模型构建了基于社会经济与环境因素预测该传染病流行严重程度的新算法。

主权项：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：步骤1：收集全球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数据；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据。对于有缺失值的变量，采用多变量多重插补进行数据插补；步骤3：对于可能存在高度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，以确定最优特征纳入空间回归模型；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；步骤5：进一步利用双变量Moran’sI分析来估计该传染病发病率与所选特征之间的相关性；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。

全文数据：

权利要求：

百度查询： 吉林大学 基于空间回归模型的传染病全球流行程度预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD