<address id="tdn7n"><listing id="tdn7n"><ins id="tdn7n"></ins></listing></address>

    <address id="tdn7n"><dfn id="tdn7n"></dfn></address>

    <sub id="tdn7n"><var id="tdn7n"><mark id="tdn7n"></mark></var></sub>

      <sub id="tdn7n"><dfn id="tdn7n"></dfn></sub>

      <thead id="tdn7n"><var id="tdn7n"><output id="tdn7n"></output></var></thead>

      首頁

      首頁 > 報告講座 > 正文
      報告講座

      【7月16日】COVID-19時空動力模型及其對美國疫情的實時預報和長期預測

      發布日期:2020-07-09  點擊數:

      時間:2020年7月16日(周四)上午10:00-11:15.

      地點:騰訊會議會議號661 802 952;或復制鏈接參會https://meeting.tencent.com/s/lfPqrbjl4E6W

      主講人:Lily Wang教授

      主講人簡介:Lily Wang教授是愛荷華州立大學統計系終身教授。王教授的主要研究領域包括統計學發展前沿的非參數與半參數方法、大數據集的統計(機器)學習、函數型數據和時空數據的分析方法、調查抽樣、高維數據分析,以及統計學在計量經濟學、工程學、神經影像學、官方統計、植物學、環境研究和生物醫學問題中的應用。

      講座摘要:自2019年12月報告病例以來,新冠疫情已于數周內在全球蔓延。預估病毒的傳播程度以及可能的致死人數,對于有效對抗疫情至關重要??茖W的預測模型是回答上述問題,并最終幫助疾病預防、決策和資源分配的重要工具。在流行病的建模中,傳統的數學模型盡管很有用,但是,它們是確定性的,且只能顯示流行病的平均行為。王教授團隊在經典的數學模型和統計模型之間構建了巧妙的鏈接,結合兩種模型的優點開發出了更先進的模型來研究疾病傳播的動態模式。 新模型通過引進隔離措施、環境影響、社會經濟因素、衛生服務資源和人口流動分布狀況等變量,為美國提供短期和長期縣級感染/死亡人數預測?;跁r空分析提出的模型增強了流行病學機制的動態性研究,有助于剖析疫情傳播的時空結構,預測未來疫情在時間和空間上的發展趨勢。為了評估與預測相關的不確定性,王教授團隊開發了一個基于引導預測路徑的投影帶。實證研究表明,新方法不僅能對疫情進行精準的短期預測,而且能有效的識別高風險區域。根據研究結果,王教授團隊開發了多個R Shiny應用程序,嵌入到COVID-19 Dashboard中,為美國疾控中心和地方社區等提供縣和州兩級新冠死亡人數的7天預測和4個月預測。以上這些就是本次講座將要涉及到的內容。

      歡迎感興趣的師生踴躍參加!

      返回上一頁

      學院南路校區地址:北京市海淀區學院南路39號
      郵編:100081

      沙河校區地址:北京市昌平區沙河高教園區
      郵編:102206

      500万彩票