[发明专利]基于对数线性GAM的COVID-19分析预测模型

权利要求书

1.基于对数线性GAM的COVID-19预测模型的构建方法，其特征在于，包括以下步骤：

S1：影响因素数据收集：收集并整理与COVID-19相关的气象数据、人口数据、政策管理数据、调研对象时空信息数据、地理数据；

S2：时空变化分析：基于COVID-19调研时空数据库，使用ArcGIS平台的标准差椭圆工具对COVID-19病例进行椭圆方向分析调查COVID-19爆发的方向趋势；

S3：皮尔逊相关性分析：对研究区域中的国家、地区的每日新增病例数和气象数据的关系进行分析，并使用ArcGIS对研究区域的相关系数进行可视化研究；其中，皮尔逊相关系数的表达形式如下：

其中，σ_X分别是X_i样本的标准分数、样本平均值和样本标准差；

S4：GAM模型建立：将政策管理指数和每日气候数据加入到GAM中，建立GAM模型如下：

log(y_it)＝α+βX_t+s(Country_i)+s(Policy_it)+s(Meteorology_it)

其中，log(y_it)是城市i在t日的对数变化后的每日肺炎新增病例数；α是截距，s(·)是非参数光滑函数。

2.根据权利要求1所述基于对数线性GAM的COVID-19预测模型的构建方法，其特征在于，所述气象数据包括但不限于：风速、温度、湿度、气压、pm2.5、一氧化碳浓度、二氧化氮浓度、臭氧浓度；人口数据包括但不限于：人口总数，人口密度，全球健康安全指数，人类发展指数；政策管理数据包括但不限于：严格程度指数，政府反应指数，遏制健康指数，经济支持指数。

3.根据权利要求1所述基于对数线性GAM的COVID-19预测模型的构建方法，其特征在于，所述S2中利用全局统计方法(Moran'sI)对COVID-19病例的空间分布进行全局自相关分析，基于ArcGIS中的聚类和异常值分析(AnselinLocalMoran'sI)及热点分析(Getis-OrdGi*)开展病例空间分布的局部自相关分析。

4.根据权利要求1所述基于对数线性GAM的COVID-19预测模型的构建方法，其特征在于，所述GAM模型中，Country_i包括了国家i的总人口数、人口密度、全球健康安全指数、人类发展指数，Policy_i包括了国家i在t日的政策管理数据指数。

5.根据权利要求1所述基于对数线性GAM的COVID-19预测模型的构建方法，其特征在于，所述GAM模型中，Meteorology_it是国家、地区i在t日的平均露点、最大阵风、最大持续风速、降水量、平均海平面气压、平均站压、平均温度、平均能见度、平均风速。