气候变化驱动的登革热智能预测模型构建及其在台湾地区的应用评估

（编辑推荐）本研究创新性地提出智能自回归分布滞后（ARDL）模型，整合支持向量回归（SVR）和基因表达编程（GEP）算法，结合气象因子滞后效应与谷歌趋势数据，精准预测台湾高雄/台南登革热流行趋势。模型突破性地引入"爆发期排除机制"，证实气候因子滞后周期（长达10周）对疫情复发的关键影响，为热带地区传染病早期预警提供新范式。

　　

Highlight
本研究亮点在于构建的气候驱动登革热预测模型，创造性融合（1）自回归分布滞后（ARDL）框架——捕捉气象变量与谷歌趋势数据的滞后效应；（2）七种智能算法——处理非线性关系与爆发期动态特征。通过系统文献综述，作者首次将"爆发期排除机制"纳入预测体系，显著提升模型在热带地区的适应性。

Related work
本节综述登革热研究三大支柱：（1）登革病毒四重血清型（I-IV）的病理机制；（2）时间序列与ARDL模型在流行病学的应用；（3）智能预测方法进展。特别指出埃及伊蚊（Aedes aegypti）与白纹伊蚊（Aedes albopictus）作为主要传播媒介，其活动周期与温度/降雨量呈显著非线性关联。

Proposed method
提出的智能ARDL模型采用三阶段架构：

1. 数据层：整合高雄/台南/台北三地CDC数据（2014-2018）
2. 分析层：通过滞后周期测试（表3）确定关键影响因子，包括温度_max、周降雨量、谷歌搜索指数等
3. 算法层：并行运行SVR/GEP等七种算法，动态优化爆发期权重

Experiments and results
实证显示：

• 高雄数据：SVR-ARDL组合表现最优（RMSE降低23.6%）
• 台南数据：GEP-ARDL模型预测精度最高
• 关键发现：气象因子滞后效应可持续10周，解释台湾登革热周期性复发特征

Factor selection and lag decision
通过ADF检验与协整分析，确定核心预测变量：

• 温度滞后4周（p<0.01）
• 降雨量滞后6周（p<0.05）
• 谷歌"登革热症状"搜索量滞后2周

Conclusions
本研究证实：智能ARDL模型能有效捕捉登革热传播的"气候-社会"双重驱动机制，特别适用于高雄/台南等热带城市。建议公共卫生部门将模型纳入早期预警系统，重点关注夏季高温叠加降雨后10周内的防控窗口期。