TY -的A2 - Chen Huiling盟——邵,齐盟——徐院长永明非盟-吴,韩PY - 2021 DA - 2021/10/13 TI -空间预测中国COVID-19基于机器学习算法和地理加权回归SP - 7196492六世- 2021 AB - COVID-19 2019年12月以来已经席卷全球,造成大量患者和死亡。空间预测流行病的传播非常重要的疾病控制和管理。在这项研究中,我们预测累计确诊病例( 推动者从2020年1月17日至3月1日),在中国大陆在城市层面,利用机器学习算法,地理加权回归(吉尼斯世界纪录)和偏最小二乘回归(PLSR)基于人口流动,地理位置、气象、社会经济变量。验证结果表明,机器学习算法和吉尼斯世界纪录取得了良好的表现。这些模型不能有效地预测 推动者在武汉,第一个在中国城市COVID-19病例报道,但在其他城市表现良好。随机森林(RF)优于其他方法 简历 量 R 2 0.84。在这个模型中,从武汉到其他城市流动人口(WP)是最重要的功能,其他功能也为预测精度作出了重要的贡献。与射频相比,吉尼斯世界纪录显示性能稍差( 简历 量 R 2 = 0.81 ),但需要更少的空间独立变量。本研究探讨了空间预测流行的基于多源空间独立变量,估计提供参考 推动者在地区缺乏准确和及时。SN - 1748 - 670 - 2021/7196492 / 10.1155 x你——https://doi.org/10.1155/2021/7196492——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER