在孟加拉国使用气象变量预测登革热,采用一种新的特征选择方法

科学领域:

• 流行病学和公共卫生.
• 环境科学与气象学
• 机器学习和数据科学

背景情况:

• 登革热在热带/亚热带地区,特别是孟加拉国,构成了严重的公共卫生和经济威胁.
• 现有的登革热预测方法缺乏有效的载体控制和资源分配所需的精度.
• 迫切需要先进的预测系统来减轻登革热的影响.

研究的目的:

• 开发一个动态的数据管道,用气象变量预测登革热发病率.
• 通过最先进的机器学习和定制功能工程来提高预测准确性.
• 确定影响登革热传播的关键气象因素及其时间影响.

主要方法:

• 使用13个气象变量和先进的机器学习模型制定了一个数据管道.
• 开发了一种具有自定义目标函数的新型封装功能选择算法.
• 用特征工程和选择来优化模型性能和可解释性.

主要成果:

• 该研究在登革热发病率预测方面取得了84.02%的准确性,这与现有方法相比是显著的改进.
• 新的特征选择算法使模型准确度提高了12.63%,并减少了M.A.P.E. 增长了70.82%的时间.
• 发现相对湿度是多余的;阳光 (小时) 有立即的影响,降水有短期和长期的影响.

结论:

• 气象因素显著影响登革热的传播,短期和长期影响各不相同.
• 开发的预测系统为对登革热的时间气候影响提供了关键的见解.
• 预测预测,从2024年5月开始,孟加拉国登革热病例将增加,在8月达到顶峰.