×

vbd广播

swMATH ID: 34857
软件作者: Leah R.Johnson。;Gramacy,罗伯特·B。;杰里米·科恩(Jeremy Cohen);艾琳·末底改;默多克,考特尼;杰森·罗尔(Jason Rohr);萨迪·J·瑞安。;安娜·M·斯图尔特·伊巴拉。;丹尼尔·威克尔
描述: vbdcast:媒介传播疾病预测。登革热暴发的现象学预测:使用异方差高斯过程对疾病发病率进行现象学预测。2015年,美国联邦政府利用秘鲁伊基托斯和波多黎各圣胡安的历史病例数据赞助了登革热预测比赛。根据样本外预测的几个方面对参赛者进行了评估,包括高峰周的目标、该周的高峰发病率以及几个季节中每个季节的总发病率。我们的团队是那场比赛的获胜者之一,在多个目标/地区都优于其他团队。在本文中,我们报告了我们的方法,令人惊讶的是,其中很大一部分忽略了流行病的已知生物学——例如登革热传播与环境因素之间的关系——而依赖于灵活的非参数非线性高斯过程(GP)回归拟合,该回归拟合“记忆”过去季节的轨迹,然后实时“匹配”正在展开的季节与过去季节的动态。我们的现象学方法在以下情况中具有优势:疾病动力学不太清楚,或者无法测量和预测降水量等辅助协变量,和/或与病例的关联强度尚不清楚。特别是,我们表明,GP方法通常优于我们开发的利用丰富协变量信息的更经典的广义线性(自回归)模型(GLM)。我们展示了我们在两个基准地区的方法变化,以及其他竞争对手提交的结果的完整摘要。
主页: https://arxiv.org/abs/1702.00261
源代码:  https://github.com/lrjohnson0/vbdcast网址
关键词: 流行病学;高斯过程;异方差建模;潜在变量;广义线性(自回归)模型;登革热
相关软件: laGP公司;fpp2格式;扩展平滑;达奇;wmtsa公司;DeepAR(深度AR);FRK公司;斯坦;github;S-PLUS系统;R(右)
引用于: 4文件

按年份列出的引文