数学建模社区-数学中国

标题: 基于谱系聚类的全球各国新冠疫情时间序列特征分析 [打印本页]
作者: 雩风三日    时间: 2021-1-14 23:09
标题: 基于谱系聚类的全球各国新冠疫情时间序列特征分析
基于谱系聚类的全球各国新冠疫情时间序列特征分析
( e( s( {& n) z3 h
1 s1 I2 o7 q, P      COVID-19暴发以来，世界各国疫情呈现出不同的时序特点，研究不同国家疫情发展模式的特点，揭示其背后的主导因素，可为未来防控策略提供参考。为了揭示不同国家疫情时间序列之间的异同，本文提取了主要疫情国家每日新增病例时间序列的标准差、Hurst指数、治愈率、增长时长、平均增长率、防控效率进行谱系聚类，并从经济、医疗、人文冲突方面对聚类结果进行了成因分析。结果表明，全球疫情发展模式可分为3大类：C型、S型和I型。C型国家时间序列的特点是持续波动上涨，治愈率较低，原因是其人文冲突不利于疫情防控，经济医疗资源经过长时间大量消耗已趋于匮乏，建议在防控中加强宣传疏导，改变观念，统筹分配经济、医疗资源；S型国家时间序列的特点是快速上升后立即下降，并最终保持稳定趋势，总体治愈率较高，其原因是这类国家国内稳定，经济医疗水平较高，以及防控措施及时，建议加强国际合作和科学研究，并为可能到来的二次疫情做好准备；I型国家时间序列特点是缓慢上涨，整体发展趋势不稳定，治愈率较低，原因是其暴发比较晚，程度较小，大部分经济医疗水平以及人文冲突不利于疫情防控，建议汲取较好的防控经验，实施严格的隔离措施，尽量满足疫情期间物资需求，优化治疗方法。5 i. q; V- x# z/ L; U
; i, z7 P+ E! O( O
关键词：COVID-19；时间序列；数据挖掘；统计结构特征；谱系聚类；全球公共卫生；防控措施/ f% s" {9 u2 u0 v+ h- l
; `) _7 V: g8 E) Y: v6 J" i) ?
( J0 C/ W0 c$ }" G( B" z9 T
3 G- W  j% {* B& ~) K3 u

基于谱系聚类的全球各国新冠疫情时间序列特征分析_谢聪慧.caj

1.3 MB, 下载次数: 3, 下载积分: 体力 -2 点

售价: 1 点体力  [记录]





欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5