科研之友
微信
新浪微博
Facebook
分享链接
摘要
新型冠状病毒肺炎(COVID-19)的迅速传播对全人类构成了巨大的威胁.为了及时采取相应的控制措施,制定有效的策略来检测COVID-19疫情的预警信号是非常必要的.然而,与时间序列预测不同,流行病的暴发事件通常是高度非线性的,具有从缓慢变化到剧烈转变的动力学特征,因此很难预测.通过综合利用地理区域网络的高维动态信息和每日新增病例的实时数据,本研究开发了一种非线性、无模型的计算方法,即景观网络熵(LNE)方法,来探测COVID-19暴发前的预警信号及预测流感暴发. LNE方法成功应用于中国湖北省、西欧、日本关东地区、韩国、美国17个州和意大利的新冠疫情,以及日本东京流感疫情,探测到了传染病暴发前的预警信号.此外,本研究还基于LNE方法开发了一个在线分析平台,用于实时预警疫情暴发.
- 单位
