传染病时空聚集性探测与预测预警方法

概论篇
  1. 传染病数据
    1.1 传染病监测
    1.2 监测数据特征
    1.2.1 传染病数据在空间上的特征
    1.2.2 传染病数据在时间上的特征
  2. 时空分析方法概述
    2.1 空间聚集性探测
    2.2 时间序列分析
    2.3 时空联合预警
    2.4 时空变异及其规律挖掘
空间聚集性探测篇
  3. Knox方法
    3.1 概述
    3.2 基本原理
    3.2.1 Knox方法的基本形式
    3.2.2 时间、空间临界值的确定
    3.2.3统计推断方法
    3.2.4 时空聚集强度的确定
    3.3 实例分析
    3.3.1 流行性乙型脑炎聚集性分析结果
    3.3.2地区差异
    3.3.3年龄差异
    3.3.4 地区差异与年龄差异之间的关联
    3.3.5应用小结
  4. Rogerson空间模式监测
    4.1 概述
    4.2 基本原理
    4.2.1 Tango方法原理及其改进
    4.2.2 累积和方法原理及参数设置
    4.3 实例分析
    4.3.1 分析结果
    4.3.2应用小结
  5. Turnbull方法
    5.1 概述
    5.2 基本原理
    5.3 实例分析
    5.3.1 发病概况
    5.3.2流行病学特征
    5.3.3 空间聚集性分析
    5.3.4应用小结
  6. Besag-Newell方法
    6.1 概述
    6.2 基本原理
    6.3 实例分析
    6.3.1 分析结果
    6.3.2应用小结
时间序列分析篇
  7. 时间序列基本框架及概念
  8. ARIMA模型
    8.1 概述
    8.2 基本原理
    8.2.1 ARIMA模型
    8.2.2季节效应的处理
    8.3 实例分析
    8.3.1 肺结核ARIMA建模
    8.3.2 猩红热X-11-ARIMA建模
  9. 条件异方差模型
    9.1 概述
    9.2 基本原理
    9.2.1 异方差的判断
    9.2.2 ARCH模型
    9.2.3 GARCH模型
    9.2.4 GARCH模型的变体
    9.2.5 AR-GARCH模型
    9.3 实例分析
  10. 马尔可夫模型
    10.1 概述
    10.2 基本原理
    10.2.1 马尔可夫链
    10.2.2 马尔可夫链模型
    10.3 实例分析
    10.3.1 方法和结果
    10.3.2讨论
  11. 隐马尔可夫模型
    11.1 概述
    11.2 基本原理
    11.2.1 基本概念
    11.2.2 HMMs的三个基本问题及算法
    11.2.3 贝叶斯HMMs
    11.3 实例分析
    11.3.1 贝叶斯估计
    11.3.2 贝叶斯隐马尔可夫建模
    11.3.3 应用小结
  12. Cyclical回归模型
    12.1 概述
    12.2 基本原理
    12.3 实例分析
    12.3.1 流感Cyclical回归
    12.3.2应用小结
  13. 神经网络
    13.1 概述
    13.2 基本原理
    13.2.1 BP神经网络
    13.2.2 小波神经网络
    13.3 实例分析
    13.3.1 梅毒发病率的预测
    13.3.2 肾综合征出血热发病率的预测
    13.3.3 应用小结
  14. 模糊时间序列
    14.1 概述
    14.1.1 模糊集合理论起源及应用
    14.1.2 模糊时间序列基本概念
    14.2 基本原理
    14.2.1 模糊时间序列
    14.2.2 模糊时间序列建模
    14.3 实例分析
    14.3.1 肾综合征出血热模糊时间序列模型
    14.3.2 应用小结
时空联合预警篇
时空变异及规律挖掘篇
彩图