基于最小角回归的时空监测方法

发布时间：2023-02-14 09:46

　　公共健康监测通过收集慢性或传染性疾病数据并监测其发病率变化来改善公共卫生状况.这些数据都是包含地区信息按时间收集的,快速检测出疫情发病率的变化并有效确认疫情爆发地区对于改善公共卫生至关重要.现有的研究大多只专注于监测发病时间或发病地区,模型假设也过于理想化,在实际应用中表现不佳.针对这些问题,本文提出了一种基于最小角回归的指数加权移动平均(Exponentially Weighted Moving Average,EWMA)控制图方法,该方法能够同时监测发病时间和判断发病地区,此外还能处理各种复杂的疫情发生形式.基于新墨西哥州男性甲状腺癌数据的模拟结果表明,本文提出的方法能够适用于多种复杂的疫情发生形式,同时在疫情监测的有效性和疫情地区判断的准确性上均有良好的表现.

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
中文摘要
abstract
第一章 引言
    1.1 研究背景与问题描述
    1.2 本文的结构安排
第二章 统计过程控制和EWMA控制图
    2.1 统计过程控制
    2.2 EWMA控制图
第三章 现有的时间空间监测方法
    3.1 时间维度上的监测方法
    3.2 空间维度上的监测方法
        3.2.1 传统的聚类扫描统计量
        3.2.2 标准化聚类扫描统计量
第四章 健康问题中的时空监测方法
    4.1 统计过程控制中的监测方法
        4.1.1 统计过程控制中的多元监测方法
        4.1.2 多元监测方法在健康监测问题中的推广
    4.2 基于最小角回归的时空监测方法
        4.2.1 最小角回归算法
        4.2.2 基于最小角的公共健康问题监测
第五章 数值模拟
    5.1 模拟设计
        5.1.1 模拟数据与设计
        5.1.2 数据正态化
    5.2 模拟结果
        5.2.1 单聚类单地区模拟
        5.2.2 单聚类多地区模拟
        5.2.3 多聚类模拟
第六章 总结与展望
附录
参考文献
致谢
作者简历
学位论文数据集



本文编号：3742397