使用机器学习技术预测西班牙巴斯克国家的入侵性蚊子数量

科学领域:

• 环境科学 环境科学
• 流行病学 流行病学
• 矢量生态学 矢量生态学

背景情况:

• 蚊子传播的疾病由于气候变化和物种进入新领土的扩张,造成了全球越来越多的健康风险.
• 西班牙巴斯克地区的入侵性蚊子增加了登革热,寨卡和奇孔古尼亚等疾病本地传播的风险.
• 公共卫生系统面临的挑战是管理入侵性蚊子种群和非特有地区潜在的疾病爆发.

研究的目的:

• 使用机器学习预测巴斯克国家入侵性Aedes蚊子的数量.
• 为了确定影响蚊子种群的关键天气变量.
• 评估不同预测模型的预测准确度.

主要方法:

• 利用机器学习模型 (随机森林,SARIMAX) 根据蛋数量预测Aedes蚊子的数量.
• 分析了天气变量 (温度,降雨,湿度) 和蚊子蛋数量之间的关系,包括滞后变量.
• 使用根平均平方误差 (RMSE) 和平均绝对误差 (MAE) 评估模型性能.

主要成果:

• 温度,降水和湿度显著影响蚊子蛋的数量.
• 随机森林模型在预测蚊子数量方面取得了最高的准确性.
• 包括落后的气候和卵数数据在内,提高了预测准确度.

结论:

• 气候驱动的预测工具对于预测扩张地区的蚊子数量至关重要.
• 持续的昆虫学监测对于完善蚊子传播预测至关重要.
• 这些工具支持开发和评估有效的载体控制策略.