以江蘇省疫情專題數(shù)據(jù)、人口遷徙數(shù)據(jù)等為基礎(chǔ),從時空大數(shù)據(jù)的角度對江蘇省新冠疫情進行分析評價,總結(jié)疫情在時間和空間上的發(fā)展規(guī)律。主要研究內(nèi)容包括:基于動態(tài)參數(shù)的Logistic模型來擬合全省確診人數(shù)變化趨勢并與實際確診人數(shù)進行對比分析;通過時空遷徙特征來分析疫情在空間上的實際分布情況與高危地區(qū)之間的相關(guān)性。經(jīng)對比,采用的模型其最終預測結(jié)果與江蘇省新冠疫情最終實際確診人數(shù)僅相差約1%,說明基于動態(tài)參數(shù)的Logistic模型對于流行病感染人數(shù)預測具有較好的適用性;基于時空遷徙特征的疫情高危地區(qū)預測與實際感染情況有一定出入,說明人口遷徙是疫情空間分布的重要影響因素,但不是唯一因素,可作為疫情防控的參考依據(jù)之一。 

【文章來源】：現(xiàn)代測繪. 2020,43(03)

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引 言
1 數(shù)據(jù)基礎(chǔ)
    1.1 數(shù)據(jù)來源
    1.2 數(shù)據(jù)詳情
        （1）疫情專題數(shù)據(jù)
        （2）基礎(chǔ)時空數(shù)據(jù)
        （3）其他數(shù)據(jù)
    1.3 數(shù)據(jù)用途
2 累計感染人數(shù)擬合
    2.1 擬合方法
        2.1.1 Logistic模型
        2.1.2 模型建立
        2.1.3 確定參數(shù)
            （1）環(huán)境容量K和初始容量P0
            （2）增長速率r
        2.1.4 計算結(jié)果
    2.2 結(jié)果分析
3 疫情空間分布與人口遷徙的相關(guān)性分析
    3.1 分析方法
        3.1.1 指標定義
            （1）疫區(qū)流入人口遷徙強度
            （2）百萬人口確診病例數(shù)
        3.1.2 風險等級評估模型
        3.1.3 計算結(jié)果
    3.2 結(jié)果分析
4 結(jié) 語


【參考文獻】：
期刊論文
[1]基于主成分分析和K-means聚類分析的地區(qū)經(jīng)濟發(fā)展研究[J]. 秦楊楊.  中國商論. 2020(04)
[2]基于K-means聚類算法的高校圖書館用戶分類及價值評價[J]. 李鵬飛.  電子元器件與信息技術(shù). 2019(09)
[3]中國人口流動對傳染疾病負擔的影響及應(yīng)對策略:基于文獻的分析[J]. 周海青,郝春,鄒霞,呂桂葉,林美歌,李曉銘,凌莉.  公共行政評論. 2014(04)
[4]我國流行性乙型腦炎發(fā)病的聚類分析及其未來發(fā)病趨勢預測[J]. 劉潔,何欽成.  中國媒介生物學及控制雜志. 2013(02)



本文編號：3045885