基于“大数据”的流感预警研究进展

传统流感预警体系在监测范围、预测准确性和实时性等方面仍存在不足。随着新一轮科技革命的兴起,现代信息技术日趋成熟,以大数据分析为基础的流感预警技术已经成为研究焦点。本文以传统流感监测预警体系作为参照,从互联网、影响因素、时空趋势、风险评估4个角度总结基于大数据的流感预警研究进展,综述大数据在流感预警中的优势、不足及未来发展的趋势。     

时间序列分析与机器学习方法在预测肺结核发病趋势中的应用

目的研究时间序列分析与机器学习方法在预测肺结核发病趋势中的应用。方法使用江苏省2009-2018年肺结核月度发病率数据,构建时间序列分析(ARIMA模型)、机器学习方法(支持向量回归(SVR)、BP神经网络)和两者的组合方法(ARIMA-SVR、ARIMA-BPANN)共5种预测模型,分析评价各模型预测性能。结果 ARIMA、SVR、BP神经网络、ARIMA-SVR、ARIMA-BPANN均方误差分别为0.0356、0.0364、0.0384、0.0329、0.0336;平均相对误差分别为5.76%、6.19%、6.20%、5.63%、5.70%。结论时间序列分析优于机器学习方法,而二者组合模型预测效果优于单独方法,ARIMA-SVR模型在江苏省肺结核发病趋势预测分析中具有较好的应用价值。