基于监督式机器学习模型的上海市小尺度湖北钉螺扩散趋势预测研究
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.16250/j.32.1374.2021247

基于监督式机器学习模型的上海市小尺度湖北钉螺扩散趋势预测研究

引用
目的 采用监督式机器学习模型预测上海市小尺度湖北钉螺扩散趋势,为钉螺精准防控提供依据.方法 利用2016年上海市钉螺调查资料和钉螺分布相关气候、地理、植被、经济社会等数据,构建决策树、随机森林、广义推进模型、支持向量机、朴素贝叶斯、k-近邻和C5.0等7种机器学习模型预测上海市钉螺扩散风险.采用受试者工作特征曲线下面积(area under the curve,AUC)、F1值(F1-scores)和准确率(accuracy,ACC)等指标评价7种模型预测性能,并选择最优模型对上海市钉螺扩散环境因素和风险区进行预测.结果 成功建立了 7种可用于预测上海市钉螺扩散风险的机器学习模型,其中随机森林模型(AUC=0.901,F1=0.840,ACC=0.797)和广义推进模型(AUC=0.889,F1=0.869,ACC=0.835)预测效果较好.随机森林模型显示,对上海市钉螺扩散影响较大的气候变量主要包括干燥度(11.87%)、≥0℃年积温(10.19%)、湿润指数(10.18%)和年均降雨量(9.86%);植被变量主要包括第一季度植被指数(8.30%)和第二季度植被指数(7.69%).气候变量中,干燥度<0.87、≥0℃年积温在5 550-5 675℃、湿润指数>39%、年均降雨量>1 180 mm,易发生钉螺扩散;植被因子中,第一季度植被指数>0.4、第二季度植被指数>0.6,易发生钉螺扩散.结合水利片区和乡(镇)行政地图,上海市钉螺扩散风险区域主要分布在10个街道(镇),涉及浦南西片区、浦南东片区和太南片区等3个水利片区.结论 监督式机器学习模型可用于预测小尺度范围钉螺扩散风险并可评估导致钉螺扩散的环境因素.上海市钉螺扩散风险区主要分布在松江区西南部地区、金山区西北部地区和青浦区东南部地区.

湖北钉螺、机器学习模型、扩散、预测、上海市

34

R383.24(医学寄生虫学)

上海市公共卫生三年行动计划;国家科技重大专项;上海市卫生和计划生育委员会科研课题

2022-08-17(万方平台首次上网日期,不代表论文的发表时间)

共11页

241-251

相关文献
评论
暂无封面信息
查看本期封面目录

中国血吸虫病防治杂志

1005-6661

32-1374/R

34

2022,34(3)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn