基于空间回归模型的传染病全球流行程度预测方法

    公开(公告)号:CN117894479A

    公开(公告)日:2024-04-16

    申请号:CN202311266126.9

    申请日:2023-09-28

    Applicant: 吉林大学

    Abstract: 本发明公开了基于空间回归模型的传染病全球流行程度预测方法,选择了两种类型的空间回归模型来预测该传染病的流行严重程度:空间误差模型(SEM)和空间滞后模型(SLM)。在地理空间数据中传统的经典回归模型(OLS),会存在空间自相关的问题,这违反了回归模型中观测对象相互独立的假设,因此,本研究使用了空间回归模型,以限制空间自相关对结果的影响。对于可能存在高度线性相关性并导致回归分析偏差的问题,使用逻辑最小绝对收缩和选择算子(LASSO)回归来检查特征之间的多重共线性,以确定最优特征纳入空间回归模型。本发明使用空间回归模型构建了基于社会经济与环境因素预测该传染病流行严重程度的新算法。

    一种基于改进的欧氏距离规划区域内最优物流调配点的算法

    公开(公告)号:CN116629722A

    公开(公告)日:2023-08-22

    申请号:CN202310399106.2

    申请日:2023-04-14

    Applicant: 吉林大学

    Abstract: 本发明公开了一种基于改进的欧氏距离规划区域内最优物流调配点的算法,包括以下步骤:步骤1:将选定区域内拟进行分配的样本点进行经纬度坐标化;步骤2:建立三角模型对衡量的距离标准进行改进,确定两样本点间交通距离的取值范围;步骤3:在区间范围内生成加权系数,以k‑means聚类算法为框架,将加权系数融合到欧氏距离中获得交通距离;步骤4:将用三角模型改进后的欧式距离为判据计算出聚心,此时聚心为最优物流调配点。本发明相比于传统欧氏距离,改良的欧氏距离可以更好的考虑客观的空间地理数据对结果的影响,该算法能够客观体现交通距离,更加准确地应用在城市物流调配点最优位置的选址上。

Patent Agency Ranking