《Innovation》:A kernelized Data-Driven Approach for Analyzing and Predicting Brucellosis in Inner Mongolia
编辑推荐:
刘英萍 | 李勇 | 孙贵全东北师范大学数学与统计学院,中国长春 130024摘要布鲁氏菌病在内蒙古仍然是一个持续的公共卫生问题,其传播具有复杂的时空特征、明显的周期性以及强非线性 dynamics。为应对这些挑战,提出了一种新的混合建模框架——KHDMDsp-LSTM——用于分
刘英萍 | 李勇 | 孙贵全
东北师范大学数学与统计学院,中国长春 130024
摘要
布鲁氏菌病在内蒙古仍然是一个持续的公共卫生问题,其传播具有复杂的时空特征、明显的周期性以及强非线性 dynamics。为应对这些挑战,提出了一种新的混合建模框架——KHDMDsp-LSTM——用于分析和预测流行病动态。该框架的核心创新是核化汉克尔动态模态分解(KHDMDsp),它通过使用混合Mercer核将低维系统状态嵌入高维特征空间来线性化非线性流行过程,从而能够提取多种动态模态。核参数通过贝叶斯优化进行自适应优化,弹性网络正则化策略则促进了数据的稀疏性并优化了模态选择的可解释性。集成长短期记忆(LSTM)网络能够捕捉多个城市之间的非线性时间依赖关系,提高长期预测能力。将该框架应用于12个城市11年的月度布鲁氏菌病数据,能够高精度地重建和预测流行病动态,显示出传播集中在内蒙古中部和东部的稳定趋势。与基线模型相比,KHDMDsp-LSTM在重建和远期预测方面表现更优,这突显了将基于核的Koopman谱分析与深度学习相结合在传染病建模和预测中的潜力,提供了一种强大且数据驱动的方法。